如何運用生成式人工智慧（generative AI）改變組織執行
由 Capgemini 主辦的活動深入探討生成式人工智慧如何應用於不同行業，並分享各行業將其應用於自身業務的案例和成功之道。生成式人工智慧日益普及，因此理解其轉型能力對組織而言非常重要。
生成式人工智慧已經成為眾多行業的競爭優勢，在快速發展的這個領域中，公司需要找到將這項技術迅速融入自身流程和產品的方法。生成式人工智慧在批次生成與即時生成兩個領域取得了相當的成果。
迅速並且易於實施的用例
批次生成的用例主要是針對內容生成，例如工作描述、網站和產品文字、CRM 系統等。而即時生成與經常產生實時互動，例如聊天機器人和知識搜尋等解決方案。這類應用案例的架構易於實施，特別是在組織中有大量可引用的資料的情況下。
生成式人工智慧還能夠根據公司現有的資料提供個人化的實時生成。例如，當一個消費者線上購物時，他們可以要求在不同背景、不同角度、不同照明條件下看到產品，甚至即時生成一段影片。但是對於實時生成，需要制定明確的監管規範，以確保機器人不會涉及仇恨言論或完全虛構的回答。通常，這可以透過使用針對特定用例或行業設計的開源模型來減少風險。
同時公司需要在使用生成式人工智慧時制定負責任和道德的 AI 政策，並進行全面的測試策略。在模型發布之前，應該有人類介入並對其進行分析和測試。由於生成式人工智慧輸出的問題很難捉摸，因此在實驗環境中進行 A/B 測試至關重要。
超越初步的實驗
一旦公司超越初步試驗和低懸果實階段，將生成式人工智慧擴充套件至整個組織將成為一個問題。其中一個阻礙因素是成本。這不再是之前資料爆炸時期所困擾的儲存成本，而是巨大模型的計算成本。
“我稱之為大模型時代，”Oost 表示。 “API 服務提供商要麼提供的計算能力不足，要麼無法負擔擴充套件。自行託管模型在成本方面需要大量投入。”當公司開始重新培訓和最佳化自己的模型時，這將繼續成為一個問題。但是隨著這種情況發生，新的競爭者將進入這個領域，提供足夠擴充套件且價格更實惠的雲端計算服務或企業內部硬體解決方案。
與此同時 Oost 表示投資計算資源是值得的，因為生成式人工智慧的回報是非常顯著的。生成式人工智慧雖然無法以成本節省的方式量化投資回報，但其真正優勢在於生產效果的提升、以及提供更優質的客戶服務與滿意度。以前您可能需要花費幾個小時搜尋資訊，現在這些資訊都可以輕鬆取得，並且能夠更好地回答更大的戰略問題。客戶對於無瑕疵、即時互動的期望比以往任何時候都更高，生成式人工智慧能夠輕鬆地實現這一點。
“這是與以前所有的解決方案有所不同的地方，”他解釋道。“它更加流暢，它能夠以您希望的方式進行交流，它讓交易成為一種引人入勝的體驗，並提供無摩擦、即時的滿足感。這是帶來最大收益的地方。”
觀看免費的線上活動連結：[活動資訊]
活動議程
- 如何將過程從自助服務轉變為自我生成
- 如何利用預訓練模型滿足自身需求和業務需求
- 如何解決與資料和隱私有關的問題
- 如何擴充套件使用案例並使其在整個企業中可用
主講人
- Rodrigo Rocha，Google Cloud 應用程式和 AI 全球 ISV 合作夥伴關係負責人
- Mark Oost，Capgemini 全球 AI、分析和資料科學產品市場總監
- Sharon Goldman，VentureBeat 高級編輯（主持人）
關鍵詞：AI、競爭激烈、業務策略
