很多公司都被 “伪大模型” 给拖垮了

在国内，喜欢跟风的不只个人，还有企业。有些公司喜欢赶时髦，不管自己用着用不着，别的单位有的，我们也要有，于是ERP、APP、大数据平台，轰轰烈烈上了一大堆，到头来用上的很少，“吃灰”的不少。这两年大模型火了，又有些企业不甘寂寞，开始学着训练私有大模型。近一年来，光K哥这里就收到过不下10次 “我们公司要不要上大模型？” 一类的咨询。今天K哥专门就这个话题，和大家展开聊聊。

01 人工智能发展的5个等级

1、OpenAl划分的人工智能5个等级

OpenAI作为人工智能领域的先行者，为了更好地描述AI的当前状态和未来潜力，将AI的发展划分为五个不同的等级：

第一级，聊天机器人Chatbots，具有对话语言的人工智能

这是最基础的AI等级，主要特征是具备对话语言能力。这类AI系统能够理解和生成自然语言，与人类进行简单的对话互动。比如我们常见的客服机器人、智能语音助手等，都属于这一类。它们能够根据预设的规则或训练数据，回答用户的问题，提供相应的服务，但也有其明显的局限性，就是缺乏真正的理解能力和推理能力，只能处理预设范围内的任务。出了这个“圈”就不灵了。

第二级，推理者Reasoners，人类水平的问题解决

推理者AI具备了一定的类似于人的问题解决能力。它们能够进行较为复杂的逻辑推理、分析和判断，解决一些需要深层理解和推理，才能处理的问题。

以医疗领域的IBM Watson（沃森）为例，它就是一个典型的推理型人工智能系统。能够分析大量的医学文献、病例数据以及最新的研究成果。当输入患者的症状、检查结果和病史等信息时，它可以推理出可能的疾病诊断，并为医生提供治疗方案建议。但这类AI系统通常需要大量的训练数据和复杂的算法，其开发和应用成本也相对较高。目前的GPT们，也就达到了这个等级。

第三级，代理者Agents，可以采取行动的系统

这一类AI能够直接采取行动，在现实世界或虚拟环境中执行任务。它们不仅能够理解和推理，还能够根据环境的变化调整自身的行动策略。比如，在智能家居领域，智能代理系统可以根据用户的习惯和设定，自动调整室内温度，同时与其他设备如窗帘、照明系统、通风系统等协同工作。从技术层面看，这类代理者需要具备感知环境的能力、决策能力以及执行能力，通过强化学习等算法，不断地与环境交互，学习最优的行动策略，以实现特定的目标。

第四级，创新者Innovators，可协助发明的人工智能

这个等级的AI系统能够协助人类进行发明创造，能够通过学习和分析大量的知识和数据，提出新的想法和解决方案，甚至能够独立完成一些创新性的工作。这样的“创新者”在设计领域已经有很多应用，比如在建筑设计、室内设计等行业，人工智能可以根据场地条件、功能需求、文化背景等多方面因素，生成多种独特的设计方案，供设计师选择和进一步优化。

第五级，组织者Organizations，可以完成组织工作的人工智能

这是最高等级的AI系统，它们能够协调多个AI系统或人类，共同完成一个复杂的目标。想象一下，在一个大型的制造企业中，人工智能组织者统筹生产计划、原材料采购、人力分配、物流配送等各个环节，能实时监控生产线上的设备状态、订单变化等信息，动态调整生产计划和资源分配。如果发现某台关键设备出现故障，就可以迅速重新安排生产任务到其他可用设备上，同时调整原材料的供应计划和物流配送安排，确保整个生产过程的连续性和高效性。某种程度来说，这类AI代表着AI的终极目标，让梦想照进现实，相信还有很长的路要走。

2、企业的AI应用，需遵循以上发展

目前，很多企业的AI应用，普遍处于第二和第三等级之间。企业在数据分析、决策支持和智能自动化等方面已经取得了一定进展，但仍面临很多技术整合和应用落地等方面的挑战：

1）技术层面不成熟的问题

拿第四级创新者人工智能来说，目前相关技术在企业创新过程中的实际应用，还是非常少的，当中存在很多难题和不确定性。如果有些企业，不切实际，在没有相应技术能力、工程能力的前提下，总想着用它“弯道超车”，吸引眼球，就很可能出现投资不能收回，各种资源打水漂的局面。

2）数据和人才问题

高级别的人工智能应用，需要整合来自不同部门、不同系统的数据，这就涉及到数据的兼容性、安全性等问题。同时，能够理解和开发这种复杂人工智能系统的人才也相对稀缺，企业要实现高级别AI的应用，是否有足够的人才储备，也是一个至关重要的问题。

3）与既有流程、架构的匹配性问题

高级别人工智能要想被丝滑应用，适配的业务流程和组织架构是必不可少的“土壤”。如果企业不具备这些客观条件，贸然引入高级人工智能系统，可能会导致业务流程混乱、员工与系统之间的协作不畅等问题。不但无法提升效率，反而会影响正常的工作。

02 企业AIGC应用的方法论：“AGILE五步法”

随着AI的不断发展，很多企业和机构都在不断探索，如何让AIGC技术在现实各业务场景中得以有效应用。为此，红杉资本提出了AIGC企业落地“AGILE五步方法论”：

来源：红杉中国

1、Awareness，统一认知，达成共识

这是强调在AIGC技术引入的初期，企业首先要建立对该技术的统一认知和共识。其中最重要的核心，在于确保企业内部从高层到基层，对AIGC技术的价值、潜力和应用场景清晰的认识。真正做到这一点，离不开CEO的亲自推动。只有大Boss下场主抓，才能确保企业各部门的真正协同合作，为AIGC项目的实施提供必要的资源支持。

在这个过程中，企业还可以借助“外脑”、邀请外部专家进行咨询和培训，有了更专业的认知后，也就能更好地理解AIGC的能力边界。同时通过对外部或行业内真实实践的分析和研究，让企业有更深的认知、更多的借鉴，从而做出更明智的判断和决策。

2、Gauge，场景梳理，试点选择

对AIGC技术的认知达成共识后，企业需要进一步评估，哪些业务场景适合应用该技术，以及应用该技术可带来哪些价值。这个过程需要自下而上地逐一拆解梳理每个场景，并邀请行业和领域专家参与，全面评估其价值潜力和技术可行性。

在经过充分评估后,企业可选择一些成效较为明显的场景，作为初期试点。比如金融企业可应用自然语言处理技术，开发智能客服系统，以提升服务效率；制造企业则可利用计算机视觉技术，提高产品质检准确度等。通过成功的试点案例，企业可以积累更多经验，并逐步扩大应用范围。

3、Inception，目标设定，组织配套

在选择试点项目之后，企业需要设定合理的目标预期，并做好相应的组织配套，而不能将AIGC技术视为要啥有啥的"许愿机"。为保证目标的实现，企业可组建专门的“作战小组”与此配套，负责统筹规划与执行。作战小组不仅要包括AI技术人员，还要由高管主导并定期复核项目进展，确保各项工作高效推进。

4、Ladder，方案制定，快速迭代

进入实操阶段后，企业要根据业务场景特点，比对评估当下可采用的各种AIGC应用方案，并选出最优解决方案。同时还要注意，在实施过程中，不能期望一蹴而就，而是要小步快跑、持续提升，将模型的分数从70分逐步提升到80分、90分，要不断迭代优化模型和算法，以适应市场变化和业务需求。另外，还不能忘记及时分析模型的"Bad Case"，找到漏洞并持续修复，从而不断改善系统的精确度和鲁棒性。

5、Expansion，扩大范围，深度应用

在AIGC技术落地获得成功后，就要进一步"以点及面",不断扩大AI应用的范围和深度。企业要把"Think in AI"的理念，融入到业务发展的各个环节和更多的场景中去。同时也要警惕"痴迷”AI技术的风险，要能保持清醒的头脑，清楚AI技术和应用环境的局限性。企业不能不用AI，但也不能完全依赖AI，而是要在人与机器的协作中，找到最佳平衡点，让AI新技术最大程度地为企业创造价值。

03 当前AIGC企业应用的最佳实践

作为颠覆性的新兴技术，AIGC正深刻影响企业的人力资源结构和工作方式。经过近两年的探索，一些AIGC的最佳实践，也已渐渐浮现。

1、客服，广告文案，媒体运营，最先被AI取代

有调研数据显示，AIGC技术的发展和企业应用，已开始影响部分岗位,尤其是那些依赖于常规任务和可预测流程的工种。有34%的受访企业表示，客服人员已经或有望减少；27%的企业认为，广告文案人员数量将下降；22%的企业预计,自媒体运营人员也将有所减少。

这一趋势的背后原因在于，AIGC技术可以高效自动处理大量的客服咨询、内容创作等工作,从而大大提高工作效率并降低对人力的需求。在人力成本高企、以降本增效为企业重要目标的今天，既然有了更高效、更有性价比的AIGC技术，必然会重新评估团队结构和人力资源配置，从而做出对自身最有利的措施。而上述岗位的一般员工，也就成了AIGC技术普及下的“牺牲品”。

2、AI产品经理、算法工程师，是AI时代最热门岗位

面对革新“有人欢喜有人忧”。AIGC的推广，并不只是带来“破坏性”影响，也催生了一些新的岗位和人才需求。在调研中，有47%的受访企业表示，已经或有望增加AI产品经理的岗位；31%的企业有意增加算法工程师的岗位；19%的企业则计划扩大生成式AI内容创作者的编制。

AI产品经理、算法工程师等新兴岗位的出现，有助于企业将AIGC技术与业务场景相结合，更好地发掘其商业价值。这样不仅可以促进企业内部技术的升级，也为新的职场人和求职者提供了新的职业发展方向。

3、拥抱AI，让每个员工都成为“学霸”

除了培养专业的AI人才，提高全员的AI素养同样至关重要。哈佛商学院、沃顿商学院等研究人员联合波士顿咨询集团做了一项研究：他们选取了波士顿咨询集团中的部分高知员工，让他们使用AI辅助完成分析、创意构思和说服技巧等18项任务测试。结果发现，使用AI工具之前，顶尖员工与其他员工之间的平均差距为22%；使用之后，这一差距显著缩小至4%。也就是说，有了AI的加持，每个员工都有可能成为“学霸”。拥抱AI，可以更好地赋能所有人，释放出人机协作的巨大潜能，让个人更有竞争力，为企业带来更大的价值。

企业的数智化升级，从稳妥的角度来看，在追风口之前，最好先要判断那是不是真“风口”，还要看看自己有没有“翅膀”，免得不但机会没抓到，还不能平安落地。面对AI大潮、大模型新技术也应如此，不要盲动，不要冲动，如果未谋其利先被拖垮，就太划不来了。 ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍

来源 | 技术领导力（ID：jishulingdaoli）

作者 | Mr.K ；编辑 | 虾饺

内容仅代表作者独立观点，不代表早读课立场