近兩年，ChatGPT如燎原之勢(shì)迅速席卷而來(lái)。在過(guò)去的半年里，眾多企業(yè)傾心生成式AI并展開(kāi)探索與應(yīng)用，其所帶來(lái)的影響也越來(lái)越深入。

如何調(diào)整企業(yè)的AI戰(zhàn)略，使大模型的能力真正為企業(yè)所用?如何選擇適合行業(yè)企業(yè)的大模型?如何根據(jù)企業(yè)自身情況部署大模型?這些都是CIO關(guān)注的重要課題。

生成式AI正在顛覆傳統(tǒng)業(yè)務(wù)

生成式AI正在改變產(chǎn)品的研發(fā)方式、優(yōu)化用戶體驗(yàn)、提升員工的工作效率，甚至在顛覆傳統(tǒng)業(yè)務(wù)。

制造型企業(yè)的研發(fā)人員使用Autodesk的Dreamcatcher平臺(tái)，可以根據(jù)目標(biāo)和約束條件直接生成CAD設(shè)計(jì)，連接3D打印機(jī)就能進(jìn)行實(shí)體交付，大幅提升了研發(fā)和測(cè)試的效率。

在體育界，IBM為美國(guó)2023年高爾夫錦標(biāo)賽大師賽提供生成式AI評(píng)論的數(shù)字新體驗(yàn)，其人工智能生成式評(píng)論解決方案在比賽過(guò)程中為20,000多個(gè)視頻片段制作了詳細(xì)且專業(yè)的高爾夫比賽解說(shuō)，精彩的比賽片段+專業(yè)的比賽解說(shuō)為用戶提供了優(yōu)質(zhì)的體驗(yàn)。

Amazon的實(shí)時(shí)AI編程助手(CodeWhisperer)可以運(yùn)用自然語(yǔ)言幫助開(kāi)發(fā)團(tuán)隊(duì)生成代碼、執(zhí)行代碼并進(jìn)行代碼優(yōu)化。埃森哲的Velocity團(tuán)隊(duì)基于CodeWhisperer將開(kāi)發(fā)工作減少了30%。

ChatGPT的問(wèn)世給教育服務(wù)提供商的股價(jià)帶來(lái)巨大影響，美國(guó)課外輔導(dǎo)在線教育公司Chegg的股價(jià)受GPT的影響足足下跌了50%。人工智能“反噬”科技行業(yè)的征兆已經(jīng)出現(xiàn)，就業(yè)市場(chǎng)也將受到影響。

今年4月Gartner在針對(duì)2000多家企業(yè)的調(diào)研中發(fā)現(xiàn)：45%的企業(yè)看好生成式AI技術(shù)，并將增加對(duì)AI的投資。

今年年初Gartner在調(diào)研了300多家中國(guó)企業(yè)后發(fā)現(xiàn)：AI能力相對(duì)成熟的企業(yè)更傾向于采用“AI First”的戰(zhàn)略，大部分中國(guó)企業(yè)側(cè)重AI運(yùn)營(yíng)和AI工程化，以決策為中心，通過(guò)AI技術(shù)輔助業(yè)務(wù)，使業(yè)務(wù)運(yùn)營(yíng)可擴(kuò)展且更有韌性。一部分AI領(lǐng)先企業(yè)已開(kāi)始探索將AI技術(shù)用于企業(yè)業(yè)務(wù)的各個(gè)領(lǐng)域，甚至是核心業(yè)務(wù)場(chǎng)景。

生成式AI戰(zhàn)略先行

Gartner提到了AI原生企業(yè)的概念，它指企業(yè)的核心流程如果離開(kāi)AI將無(wú)法正常運(yùn)轉(zhuǎn)。包括自適應(yīng)、生成式、原生學(xué)習(xí)在內(nèi)的生成式AI正在將AI原生企業(yè)這一理想變?yōu)楝F(xiàn)實(shí)，越來(lái)越多的企業(yè)將AI戰(zhàn)略納入企業(yè)數(shù)字化轉(zhuǎn)型的核心戰(zhàn)略。

Gartner高級(jí)研究總監(jiān)方琦(Mike Fang)強(qiáng)調(diào)：所有的AI戰(zhàn)略，如果脫離了企業(yè)自身的業(yè)務(wù)，將毫無(wú)價(jià)值可言。

因此對(duì)CIO而言，規(guī)劃AI戰(zhàn)略的第一步是與業(yè)務(wù)戰(zhàn)略對(duì)齊，而非單純從技術(shù)角度進(jìn)行創(chuàng)新;其次要結(jié)合整體業(yè)務(wù)模式確定AI技術(shù)的優(yōu)先發(fā)力點(diǎn);第三步要從投資與回報(bào)的角度明確AI能否大幅優(yōu)化業(yè)務(wù);同時(shí)還要了解企業(yè)通過(guò)AI能力能獲得偏向防御型的能力，還是利用自身數(shù)據(jù)創(chuàng)造差異化的競(jìng)爭(zhēng)力。

大部分中國(guó)企業(yè)進(jìn)行了大量AI投入，有了比較清晰的AI戰(zhàn)略。在生成式AI大潮興起后，大多數(shù)企業(yè)重新規(guī)劃并更新了自身的AI戰(zhàn)略，生成式AI無(wú)疑增強(qiáng)了員工的工作能力。

CIO在規(guī)劃AI戰(zhàn)略時(shí)，應(yīng)著重思考以下三個(gè)問(wèn)題：

1、該如何培養(yǎng)企業(yè)的AI戰(zhàn)略師?

2、該如何重新培訓(xùn)員工，使其在短期內(nèi)熟練應(yīng)用生成式AI工具?

3、未來(lái)什么樣的組織架構(gòu)能讓員工樂(lè)于共享，甚至更民主化?

Gartner列舉了生成式AI在企業(yè)中的三類主要應(yīng)用場(chǎng)景：

1、將算法集成到現(xiàn)有解決方案。在保證前期對(duì)AI的投資能繼續(xù)發(fā)揮作用的基礎(chǔ)上，將生成式Al的算法集成到現(xiàn)有的智能化解決方案中，解決原有方案不能識(shí)別的意圖，通過(guò)能力的更新和完善提升用戶體驗(yàn)，使產(chǎn)品更具競(jìng)爭(zhēng)力。

2、改進(jìn)業(yè)務(wù)或工藝瓶頸。梳理業(yè)務(wù)的端到端流程，找到流程中的瓶頸，探索如何通過(guò)生成式AI的應(yīng)用工具突破現(xiàn)有瓶頸，從而提升整體能力。

3、重塑人與機(jī)器的關(guān)系。當(dāng)整個(gè)行業(yè)的供需關(guān)系發(fā)生變化，企業(yè)需要重塑人與機(jī)器的關(guān)系，找到新的平衡點(diǎn)。

Gartner在調(diào)研中發(fā)現(xiàn)：在全球，70%的企業(yè)部署了20個(gè)以上的AI用例，企業(yè)平均部署AI用例的數(shù)量是41個(gè)，AI用例的平均使用壽命為3.5年;而在中國(guó)，86%的企業(yè)部署了5個(gè)以上的AI用例，企業(yè)平均部署的AI用例數(shù)量是24個(gè)，AI用例的平均使用壽命是2.8年。

管控生成式AI的相關(guān)風(fēng)險(xiǎn)同樣重要，包括違反中國(guó)法律法規(guī)的風(fēng)險(xiǎn)、供應(yīng)商的風(fēng)險(xiǎn)、數(shù)據(jù)的隱私及保密風(fēng)險(xiǎn)、侵犯知識(shí)產(chǎn)權(quán)的風(fēng)險(xiǎn)、“幻覺(jué)”和有偏見(jiàn)的答案、網(wǎng)絡(luò)安全風(fēng)險(xiǎn)、員工應(yīng)用范圍的風(fēng)險(xiǎn)等等，Gartner建議CIO在運(yùn)用生成式AI技術(shù)時(shí)要充分與業(yè)務(wù)團(tuán)隊(duì)進(jìn)行風(fēng)險(xiǎn)的溝通，從而使技術(shù)能夠更好地落地應(yīng)用。如果法務(wù)專家能夠參與AI用例的前期構(gòu)思，將使AI的成熟度提升3.8倍。

在人才方面，全球超過(guò)70%的企業(yè)表示AI人才并不是難點(diǎn)。但是大多數(shù)中國(guó)企業(yè)表示人才或服務(wù)提供商短缺是AI技術(shù)被企業(yè)采用的最大障礙，53%的中國(guó)企業(yè)表示很難找到既擅長(zhǎng)業(yè)務(wù)又懂AI技術(shù)的人才。對(duì)于中國(guó)企業(yè)而言，如何通過(guò)專業(yè)化的分工團(tuán)隊(duì)，使AI技術(shù)更易落地，是企業(yè)需要從戰(zhàn)略角度思考的重要方向。值得注意的是，采用分布在企業(yè)內(nèi)部的AI特別小組這類與業(yè)務(wù)混合的團(tuán)隊(duì)，與中心化的AI團(tuán)隊(duì)相比，前者的AI成熟度會(huì)更高。

當(dāng)生成式AI能力出現(xiàn)后，企業(yè)需要更多跨部門(mén)的角色和技能，如需要開(kāi)發(fā)人員能基于API進(jìn)行處理，需要AI產(chǎn)品經(jīng)理等角色，這些是企業(yè)未來(lái)AI人才儲(chǔ)備需要關(guān)注的重要課題。

如何選擇合適的大模型?

面對(duì)五花八門(mén)的大模型，如何選擇合適的大模型是多數(shù)企業(yè)關(guān)注的話題。

Gartner建議企業(yè)在選擇大模型時(shí)要關(guān)注以下幾個(gè)方面：

1、基本的語(yǔ)言能力。如多向?qū)υ挼哪芰?，生成文本的質(zhì)量，知識(shí)的范圍等。

2、額外的語(yǔ)言能力。如哪些模型能寫(xiě)代碼?哪些模型的邏輯和推理能力更強(qiáng)?是否支持多種語(yǔ)言?是否具備數(shù)據(jù)分析能力等。

3、提示詞工程。如模型的思維鏈如何?(是否與提示詞工程緊密結(jié)合?)是否具備情境學(xué)習(xí)的能力?是否擁有很好的操控性?(是否遵循指示?)

4、微調(diào)的難度。如果想對(duì)模型進(jìn)行優(yōu)化或微調(diào)，是否支持將企業(yè)的知識(shí)注入模型中?

5、非功能性因素。如推理速度、成本，是否支持本地部署等。此外，如果模型后續(xù)進(jìn)行迭代優(yōu)化，現(xiàn)有的應(yīng)用是否能二次優(yōu)化?據(jù)悉，2024年GPT-4.0底座模型將對(duì)外開(kāi)放，如果企業(yè)的應(yīng)用產(chǎn)品是基于GPT-3.0版本開(kāi)發(fā)的，后續(xù)是否要做二次優(yōu)化，是企業(yè)要考量的因素之一。

6、生態(tài)系統(tǒng)。當(dāng)前很多廠商在做基于應(yīng)用場(chǎng)景的AI插件，也有如Microsoft Copilot的打包軟件。企業(yè)在選擇模型時(shí)，還應(yīng)考慮模型的生態(tài)系統(tǒng)是否友好，與工具/系統(tǒng)、插件的集成是否便捷，能否長(zhǎng)期合作等。

企業(yè)部署生成式AI的五種方式

Gartner高級(jí)總監(jiān)(研究顧問(wèn))張桐梳理了企業(yè)部署大模型的5種主要方式：

1、直接購(gòu)買(mǎi)嵌入應(yīng)用程序的生成式AI。例如GPT或Salesforce推出的XGen等開(kāi)源的AI大模型。

2、直接調(diào)用生成式AI的API接口。企業(yè)的應(yīng)用系統(tǒng)可以直接調(diào)用開(kāi)源大模型的API，從而進(jìn)行數(shù)據(jù)檢索與提示詞工程的探索。

3、企業(yè)內(nèi)部知識(shí)與生成式AI模型相結(jié)合。也就是將企業(yè)的數(shù)據(jù)內(nèi)容準(zhǔn)備好，包括形成企業(yè)的知識(shí)圖譜，只利用大模型的語(yǔ)言能力進(jìn)行知識(shí)輸出。

4、在生成式AI模型的基礎(chǔ)上微調(diào)。在提示詞工程的基礎(chǔ)上，或直接在大模型的基礎(chǔ)模型之上，將行業(yè)的領(lǐng)域知識(shí)和企業(yè)的數(shù)據(jù)內(nèi)容給到模型，讓模型理解、學(xué)習(xí)行業(yè)知識(shí)和企業(yè)知識(shí)，真正為企業(yè)所用。

5、從零開(kāi)始自建模型。通過(guò)預(yù)訓(xùn)練、監(jiān)督學(xué)習(xí)以及增強(qiáng)學(xué)習(xí)等方式，從0到1去打造一個(gè)專屬于行業(yè)企業(yè)的模型，需要進(jìn)行大量的算力投入、資金投入以及人才投入。

訓(xùn)練大模型的門(mén)檻很高，需要充足的預(yù)算、計(jì)算資源以及數(shù)據(jù)。此外，數(shù)據(jù)安全問(wèn)題也是企業(yè)部署生成式AI必須考量的因素，自建模型的數(shù)據(jù)安全系數(shù)更高，調(diào)用API的方式存在一定的數(shù)據(jù)風(fēng)險(xiǎn)。以上5種方式由易到難且各有利弊，企業(yè)可以綜合考量適合自身的應(yīng)用場(chǎng)景、投入力度以及數(shù)據(jù)安全需求，選擇適合的部署方式。

企業(yè)應(yīng)用大模型的核心是將企業(yè)的內(nèi)部知識(shí)與外部知識(shí)進(jìn)行融合，只有內(nèi)外部知識(shí)被融會(huì)貫通才能充分發(fā)揮大模型的價(jià)值。

以大模型應(yīng)用中最常見(jiàn)的知識(shí)管理場(chǎng)景為例，企業(yè)需要建立與智能搜索相關(guān)的知識(shí)圖譜，嘗試在內(nèi)部知識(shí)中將每個(gè)問(wèn)題的答案找到，并將問(wèn)題和答案一起發(fā)給大模型，通過(guò)大模型的自然語(yǔ)言能力+知識(shí)圖譜的知識(shí)結(jié)構(gòu)能力，實(shí)現(xiàn)更好的人機(jī)交互體驗(yàn)，從而得到準(zhǔn)確答案。

展望未來(lái)

當(dāng)前多數(shù)大模型的底座很難持續(xù)更新，以ChatGPT為例其訓(xùn)練數(shù)據(jù)截止于2021年9月，并不能很快更新為企業(yè)提供實(shí)時(shí)的數(shù)據(jù)支持。伴隨業(yè)務(wù)的快速變化，企業(yè)需要通過(guò)混合的模式，通過(guò)知識(shí)圖譜或一些規(guī)則，將企業(yè)的內(nèi)部知識(shí)注入生成式AI。

Gartner預(yù)測(cè)：下一代AI技術(shù)將向自適應(yīng)AI的方向演進(jìn)，也就是在不斷變化的復(fù)雜環(huán)境中，能夠基于數(shù)據(jù)自主、實(shí)時(shí)地進(jìn)行模型的更新，以多個(gè)代理人的AI模擬或AI強(qiáng)化學(xué)習(xí)的方式，具備更快感知環(huán)境變化的能力，輸出更符合業(yè)務(wù)需求的結(jié)果。

關(guān)于企業(yè)網(wǎng)D1net(hfnxjk.com)：

國(guó)內(nèi)主流的to B IT門(mén)戶，同時(shí)在運(yùn)營(yíng)國(guó)內(nèi)最大的甲方CIO專家?guī)旌椭橇敵黾吧缃黄脚_(tái)-信眾智(www.cioall.com)。同時(shí)運(yùn)營(yíng)19個(gè)IT行業(yè)公眾號(hào)(微信搜索D1net即可關(guān)注)