利用生成性人工智慧（gen AI）改善業績的挑戰與機會
業務對於人工智慧的期望
在現今的商業環境中，技術已經成為企業的重要組成部分。當企業採用一項新技術時，它期望這項技術能夠提升運營效率並帶來更好的業務成果。無論是哪一種型別的人工智慧，企業都希望它能夠實現這一目標。然而一家企業的成功並不僅僅依賴於技術。一家經營良好的企業將繼續繁榮發展，而一家管理不善的企業則無論人工智慧或像 ChatGPT 這樣的工具是否興起都仍將面臨困境。就像實施任何其他業務軟體解決方案一樣，成功地應用人工智慧需要兩個重要條件：技術必須能夠提供實際的商業價值，並且採用組織必須知道如何管理人工智慧，就像成功管理任何其他業務運營一樣。
生成性人工智慧的熱潮與幻滅
像每一項新技術一樣，生成性人工智慧也必須經歷迦納特熱潮迴圈。隨著像 ChatGPT 這樣的熱門應用觸發了大眾對於生成性人工智慧的認識，我們已經接近了期待過高的頂峯。很快人們的興趣將減退，實驗將失敗，投資也將付之一炬，進入所謂的“幻滅谷”。雖然“幻滅谷”可能有多種原因，例如技術不成熟和應用不當，但下面是兩個常見的幻滅源於生成性人工智慧，它們可能會讓很多企業家、企業高管和投資者心碎。沒有意識到這些幻滅，人們可能會低估適應這項技術所面臨的實際挑戰，或錯過及時而明智的人工智慧投資機會。
常見幻滅之一：生成性人工智慧改變了遊戲規則
在數百萬人與生成性人工智慧工具互動來執行各種任務（從獲取資訊到撰寫程式）的情況下，似乎生成性人工智慧對於每一家公司來說都提供了公平競爭的機會：任何人都可以使用它，英語成為了新的程式設計語言。雖然對於某些內容創作用例（如行銷文案撰寫）來說可能是真的，但生成性人工智慧的焦點實際上在於自然語言理解（NLU）和自然語言生成（NLG）。由於技術的本質，它在執行需要深度領域知識的任務時會遇到困難。例如，ChatGPT 生成的醫學文章具有“嚴重的不準確性”，並未透過 CFA 考試。雖然領域專家擁有深入的知識，但他們可能不瞭解人工智慧或資訊技術，也不瞭解生成性人工智慧的內部執行方式。例如，他們可能不知道如何有效地發出指令以獲得期望的結果，更不用說使用人工智慧 API 來編寫解決方案了。人工智慧領域的快速發展和激烈競爭也使得基礎的大型語言模型（LLMs）越來越成為一種商品。任何基於 LLM 的業務解決方案的競爭優勢必須來自於某種其他方面，例如持有某些具有高價值的專有資料庫，或掌握某些特定領域的專業知識。已經在業務領域中存在的企業很可能已經積累了這種特定領域的知識和專業技能。雖然這樣的優勢使他們能夠在競爭中佔據上風，但他們也可能因為已有的過程約束了對生成性人工智慧的快速採用。初創企業從零開始並充分利用這項技術的優勢，但他們必須迅速啟動業務以獲得關鍵的領域知識庫。兩者面臨的根本挑戰基本相同。關鍵挑戰在於使業務領域專家能夠在不需要成為專家的情況下訓練和監督人工智慧，同時利用他們的領域資料或專業知識。
成功採用生成性人工智慧的關鍵考慮因素
儘管生成性人工智慧在語言理解和生成技術方面取得了重大進展，但它無法滿足所有需求。在考慮投資於生成性人工智慧的企業家、企業高管和投資者們，需要注意以下幾個關鍵技術考慮因素。
人工智慧專業知識：生成性人工智慧還遠未完美。如果您決定內部建立解決方案，請確保擁有內部專家，他們真正理解人工智慧的內部執行方式，並且可以在需要時對其進行改進。如果您決定與外部公司合作建立解決方案，請確保這些公司具有深厚的專業知識，可以幫助您充分發揮生成性人工智慧的潛力。
軟體工程知識：建立生成性人工智慧解決方案就像建立任何其他軟體解決方案一樣，需要專業的軟體工程工作。如果您決定內部建立解決方案，您需要擁有熟練的軟體工程人才來建立、維護和更新這些解決方案。如果您決定與外部公司合作，請確保他們願意替您處理繁重的工作，提供無需程式設計即可輕鬆建立、維護和更新解決方案的無程式碼平臺。
領域知識：建立生成性人工智慧解決方案通常需要匯入領域知識並根據這些知識自定義技術。無論您選擇內部建立還是與外部合作夥伴合作，都必須確保擁有相關的領域專業知識，可以提供並知道如何在解決方案中使用這些知識。對於您（或您的解決方案提供商）而言，能夠讓通常不是資訊技術專家的領域專家輕鬆吸收、自定義和維護生成性人工智慧解決方案，而不需要程式設計或額外的資訊技術支援，將至關重要。
結論
隨著生成性人工智慧繼續改變商業環境，持有一個客觀的觀點對於理解這項技術是很有幫助的。重要的是要記住以下幾點：
- 生成性人工智慧主要解決語言相關問題，而非所有問題。
- 實施成功的商業解決方案遠遠不止表面看到的那麼簡單。
- 生成性人工智慧並不對每個人都有同等的好處。招聘或與那些具有人工智慧專業知識和資訊技術技能的人合作，可以更快且更安全地發揮這項技術的力量。
在企業家、企業高管和投資者們在快速變化的生成性人工智慧世界中穿梭時，理解相關的挑戰和機會，誰能夠充分利用這項技術以及如何快速做出決策並謹慎投資於人工智慧，以實現回報最大化，是至關重要的。
延伸閱讀
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 拜登政府計劃將 2.85 億美元的 CHIPS 法案資金用於數位孿生技術
- Metalab 從默默構建網路到投資其中
- Opera 允許使用者下載並本地使用 LLMs
- 大型語言模型可幫助家庭機器人在無需人類幫助的情況下恢復錯誤
- Google 推出全新的開放 LLMs, Rivian 裁員，Signal 推出使用者名
- 以色列新創公司面臨的挑戰：YL Ventures 詳細披露安全科技風險
- 機敏行動：Agility 使用大型語言模型與其人形機器人進行溝通
- 好舊式人工智慧依然強大：即使大型語言模型崛起
- 亞馬遜 Bedrock 新增 Guardrails 功能，助力保障 LLMs
