文章分类
在ChatGPT推出一年多后，公司在首次考虑这项技术时仍然面临着同样的问题：他们实际上是如何将其投入商业使用的？许多公司只是发现，像LLM这样的生成性人工智能工具虽然令人印象深刻，但并不是即插即用的。在考虑是否以及如何使用这些工具时，公司应该考虑一些建议：1）选择性能而非新颖性，2）将GenAI与矢量数据库等工具相结合，3）永远不要忘记循环中的人，4）跟踪你的数据，5）有现实的期望。
自ChatGPT 3.5发布以来的近一年半时间里，企业和个人都争相探索生成人工智能（GenAI）技术。对许多人来说，他们明显担心错过下一件大事，担心被那些能够破解利用它来彻底改变业务的竞争对手超越，或者被全行业的全面变革所措手不及。一份又一份的报告吹捧了GenAI在各个行业的变革力量及其对工作未来的影响。媒体文章不断提醒我们，工作岗位可能会迅速大规模流失，这更是火上浇油。
如今，GenAI的狂热似乎已经平静下来——至少在一定程度上是这样。许多公司仍面临着与一年前相同的问题：他们如何利用GenAI据称提供的承诺的成本节约和大幅效率提升？他们实际上是如何将其投入商业使用的？
从我们帮助公司采用和使用人工智能的前排座位上，我们看到许多公司在苦苦挣扎。这有几个原因。
- 首先，许多大大小小的企业仍在努力解决如何将传统人工智能（如基于规则的算法和机器学习）融入其运营的问题。往好里说，他们正处于传统AI的探索阶段，往坏里说，只是感觉迷失了方向。最近的一项研究表明，超过70%的受访大公司仍在思考如何获得人工智能所能带来的潜在好处。
- 其次，GenAI要复杂得多，而且是为特定目的服务的。虽然它能够在短时间内编写5000字的报告，但它无法完成传统人工智能可以轻松完成的基本数据输入任务，如提取和分类驾照数据。因此，公司需要深入思考哪些商业案例可能适合GenAI的好处。在传统人工智能中导航就像乘坐最先进但有点笨重的船只在波涛汹涌的水域中航行，GenAI增加了更多的吨位、功率和更汹涌的大海。一个仍然与前者不稳定的公司当然会与后者斗争。
- 第三，采用GenAI的长期影响——如长期成本以及当前和未来监管的影响——仍然不确定。对我们来说，目前的局势使我们回到千年之前。虽然当时的公司可能已经看到了建立网站的必要性，但很少有人能清楚地看到更广泛的互联网作为全渠道战略的一个组成部分将发挥的具体作用，更不用说跨设备和手机应用了。
考虑到这一切，大多数公司仍在寻找前进的道路是有道理的（即使感觉其他人都已经找到了）。这并不意味着搜索是愚蠢的。以下是公司如何确定自己的方向，并找出下一步该做什么。
GenAI市场
大多数公司必须做出的第一个决定是他们想要使用哪种GenAI产品。现在，有很多GenAI供应商，既有Meta和Alphabet等行业巨头，也有Hugging Face、Anthropic和Stability.ai等新来者。这个市场将变得更加拥挤，彭博社和摩根大通等数据丰富的公司表示有意加入竞争，还有一家苹果公司正在开发自己的产品，名为Ajax。公司应该考虑以下几个因素。
- 首先，Open AI及其目前的竞争对手现在正在争夺解决方案开发商对GenAI的首选，而后来者可能已经错过了机会。OpenAI最近推出了一种简单的工具，用于创建基于ChatGPT的应用程序，这可能是为了巩固其地位，因为习惯于一个系统的用户可能会在未来的努力中再次使用它。凭借市场上最大——也可以说是最好的——GenAI，OpenAI处于建立生态系统的最佳位置。
- 也就是说，解决方案开发商可能不想宣誓效忠任何一家GenAI制造商，以保留为不同项目选择GenAI的选择权。这反过来又催生了LangChain等工具包，这是一个开源平台，旨在让用户能够同时在不同的GenAI上工作。
- 不同GenAI公司之间的竞争有点像iOS和Android之间的早期对决。一个庞大的生态系统将使OpenAI在几年内保持（赚钱）市场的领先地位，直到其竞争对手能够联合起来。这并不一定意味着苹果和谷歌会联合起来与微软竞争。更有可能的是，我们会看到竞争对手同意相同的标准进行合作，以对抗OpenAI的主导地位。我们相信，这与2015年的情况没有什么不同，在2015年，安卓的支持者终于能够建立一个有意义的生态系统，与iOS竞争。随着GenAI市场的整合，我们可以预计会看到两到三个大派系相互竞争。预计更多的公司，无论是大型科技公司还是初创公司，都会加倍努力，成为这些系统的核心。
利用GenAI的关键考虑因素
考虑到目前的情况，GenAI上的企业怎么可能？在这里，我们想提出一些建议：
选择性能而非新颖性。
根据我们与GenAI长期合作的经验，它的性能并不是源于以对话方式做出的类似人类的文本响应，也不是基于大量数据训练的模型。为了充分利用GenAI，你必须问它是否适合特定任务或目标。
例如，虽然ChatGPT（目前）更擅长处理单词和语言，但我们发现传统的深度学习模型在处理图像方面能提供更好的结果。另一个发现是：在我们正在构建的一个产品中，我们发现ChatGPT-4更善于“理解”用户的查询，而3.5版本在将处理后的输出转换为对用户的响应方面更快、更好。
换言之，公司必须了解他们试图解决的商业问题，并根据每个可用选项的优势和劣势找到最合适的人工智能工具，而不是毫无疑问地接受最新的人工智能技术。
将GenAI与矢量数据库的力量相结合。
这是一种新形式的数据库，专门用于检索与最佳答案特定查询最匹配的记录（而不是仅保存记录的传统数据库）。公司可以使用诸如ChatGPT之类的GenAI来分解用户的查询，然后使用矢量数据库来寻找与这些参数匹配的最佳答案。
考虑一个类比：如果你正在面试一份工作，ChatGPT及其竞争对手将提供“阅读房间”的能力，分析面试官的姿势、面部表情、单词选择和语气。另一方面，矢量数据库就像你的记忆库和智慧库，构成了想出最好的话的能力。
换句话说，GenAI本身可能是不够的。根据要解决的问题，它只能是技术解决方案的一半。对矢量数据库的需求使GenAI真正有用，这意味着公司在构建解决方案时应该面临更大的复杂性和更长的交付周期。
永远不要忘记循环中的人类。
和以往一样，无论人工智能技术看起来多么强大，它们的能力都只取决于人类的参与程度。这对GenAI来说也没什么不同。人类在引导GenAI实现业务目标、管理IT系统内的交互、设计进出人工智能模型的数据所需的操作以及缓解幻觉（GenAI产生的虚构或完全虚假的信息）方面发挥着关键作用，这仍然是当今GenAI的一个主要问题。
追踪您的数据。
虽然幻觉问题仍然猖獗，但重要的是要建立从数据源到最终用户的清晰线索。可追溯性使用户能够了解数据的原始来源，从而增强GenAI输出的可靠性和可信度，从而为知情决策奠定更坚实的基础。
公司需要确保数据沿袭在其技术堆栈以及流程和工作流中都是一个突出的功能。只有这样，公司才能完全知道他们正在使用正确的数据。
有现实的期望。
GenAI是一艘快速行驶的船，甲板下发生了很多事情。很难确切知道GenAI公司能实际实现什么、实现多少以及实现多快。坚信它能立竿见影，带来卓越的财务回报，很可能会让人失望。领导者必须认识到，GenAI的探索和实验之旅可能是漫长的。
GenAI技术在商业运营中的应用超越了单纯的技术投资；从根本上说，这是商业上的当务之急。尽管将GenAI纳入公司运营是一项艰巨的任务，但要了解当前GenAI发展的细微差别，并敏锐地意识到所带来的挑战。然而，对于那些能够成功利用GenAI实现商业目标的企业来说，回报只能是既有希望又巨大的。
标签
- 登录 发表评论