人人可用的生成式人工智能

概述

• 生成式人工智能背后的技术将深刻改变现有工作模式，重塑商业形态。

• 基于语言的人工智能飞速发展，如生成式人工智能等，正在开启一个企业全面重塑的新时代。

• 这些新技术将改变商界、学术界甚至整个社会，为人类创造力和生产力带来的积极影响。

• 企业需要彻底重新构想工作方式，并像技术投资一样持续投入不断发展的业务运营和人员培训。

• 若想充分利用此类技术，企业一方面应构建强大的数字核心并着力进行人才培养，同时还务必以负责任的方式实现人工智能价值。

人工智能的发展迎来新拐点

生成式人工智能在全球的爆发式普及，使我们站上了公众采用人工智能的第一个真正拐点。最终，所有人都将切实感受到这项技术的颠覆性潜力。

大型语言模型（LLMs）和基础模型是推动生成式人工智能进步的重要转折点。它们不仅破解了语言复杂性的密码，使机器能够学习上下文、推断意图并独立创造，而且它们还可以快速微调以适应各种不同的任务。

这些技术将对未来的工作方式、商业模式和社会生活产生深刻的影响，使人类创造力和生产力发生巨大改变。

企业将利用这些模型来重塑工作方式。随着员工与人工智能副手协同工作成为常态，每家企业中的每个角色都有可能被完全改造，这显著拓展了单凭人类自身员可以取得的成就。这将极大地增强人类的工作能力。生成式人工智能将影响任务而非职业。一些任务将被自动化，一些任务用AI辅助完成，一些任务则不会受到影响。

我们还可以预计到有大量新任务需要人类去执行，例如确保生成式人工智能系统的准确和负责任的使用。这也就是为什么那些投资于培训人类员工与生成式人工智能协作工作的组织将会拥有重要的优势。

生成式人工智能的普及与应用

想象一下，您所在企业的每名员工都拥有一位人工智能助理，它“掌握”企业长期以来积累的所有信息，包括创办至今的发展历程、发展背景、业务特点、商业意图以及具体运营，并且能够在几秒钟内以无限重复的方式处理、分析和使用这些信息。

在现阶段应用初期，大多数企业可能会直接购买“模型即服务”来开展业务应用。不过对许多企业来说，最大的价值源于使用自己的数据定制或微调模型，以满足其独特需求。

使用

现在，我们随时均可便捷地获取和使用生成式人工智能及大语言模型应用程序。企业可以通过应用编程接口（API）调用这些程序，并运用提示学习（prompt tuning）和前缀学习（prefix learning）等提示工程技术，针对自身的具体需求在较小程度上加以定制。

定制

为了提高生成式人工智能和基础模型在特定业务应用方式中的价值，企业将越来越多地利用自身数据对预训练模型加以微调来实现定制，从而实现绩效的飞跃发展。

展望日新月异的技术、法规和商业活动

未来几年，针对生成式人工智能、大语言模型和基础模型的投资将极为庞大。和以往不同的是，技术、监管和商业应用将并行发展，且发展速度越来越快。

技术堆栈

随着技术逐步成熟，生成式人工智能技术堆栈的每一层级都将迅速进化——应用、微调、基础模型、数据和基础设施等层面上皆是如此。这必然带动算力需求呈指数级增长。因此，成本和碳排放已成为采用能源密集型生成式人工智能的核心考量因素。

风险和监管环境

生成式人工智能进一步引发了人们对人工智能健康发展和规范应用的思考。当技术发展和采用速度快于立法时，企业尤其要密切关注可能面临的任何法律、道德和声誉风险。他们必须在知识产权、数据隐私与安全、歧视、产品责任、信任和身份验证等方面，恰当解答一系列关键问题。

企业采用生成式人工智能的规模

企业必须彻底变革自身工作方式，探索人工智能价值创造路径。企业领导者需要立即开始，用新的思路设计工作和任务以及对人员开展技能再培训。最终，企业中的每一个角色都很可能被重塑，今天的工作将被分解为一组可以自动化完成或得到人工智能助力的任务，并重新构想人机协作的崭新未来。

如何充分借力人工智能的跨越式变革？

企业将有成千上万种方法来应用生成式人工智能和基础模型，以最大程度地提高效率并增强竞争优势。但他们必须重塑自身运营模式，找到一条将该技术转化为商业价值的道路。企业领导者需要立即开始，用新的思路设计工作和任务以及对人员开展技能再培训。

六大技术应用要点

业务驱动

企业必须双管齐下地进行尝试实验。其一，简单直接地用现有模型和应用迅速实现回报。其二，使用根据自身数据定制的模型来重塑业务、客户洽谈以及产品和服务。业务驱动型思维是定义并成功建立应用模式的关键。

以人为本

企业应当像重视技术那样，大幅增加对人才的投资，以应对两类不同的挑战：创建人工智能和使用人工智能。这意味着，一方面在人工智能设计和企业架构等技术能力方面培养人才；同时培训整个组织的人员，使他们有效地与人工智能化的流程合作。

准备专有数据

基础模型需要大量精心组织的数据来学习，因此，破解数据挑战已成为每家企业的当务之急。企业需要采用一种战略性、规范化的方法，获取、开发、提炼、保护和部署数据。应依托云环境构建现代化的企业数据平台，其中包含一组可信赖、可重复使用的数据产品。

投资建设可持续技术

为了充分利用大语言模型和生成式人工智能，企业应认真考虑所需的基础设施、架构、运营模式和治理结构，同时密切关注成本和可持续能源消耗。

加速生态系统创新

企业必须获取构建和扩展人工智能应用所需的资源和专业知识。他们应广泛借助生态系统合作伙伴（科技巨头、初创企业、专业服务公司和学术机构）提供的行业最佳实践与洞察力。

负责任的人工智能

在扩展生成式人工智能的应用之前，企业迫切需要评估自身负责任的人工智能治理体系是否足够稳健。应当在设计阶段建立控制流程——评估各项风险，并在整个业务中嵌入负责任的人工智能原则和方法。

企业生成式人工智能的前景展望

人工智能的未来将会加速发展，信息访问、内容创建、客户需求满足和业务运营等方式都将彻底改变。

人工智能将会嵌入到企业数字核心中，生成式人工智能和基础模型将会优化任务、增强人类能力，为企业的增长开辟新的道路。在该过程中，这些技术会创造一种全新的语言来实施企业重塑。

然而，实现人工智能的全部潜力需要重新想象如何完成工作并帮助人们跟上技术驱动的变革。

因此，企业组织需要像在技术方面一样投资于运营和人员培训的发展。

现在是企业利用人工智能的突破性进展来设定新的绩效标准的时候了。通过使用人工智能技术，企业可以重新定义自己和所处的行业，实现更高效、更智能的运营和管理。

提升企业员工技商（Technology Quotient ，简称TQ）

为了及时把握对那些具有颠覆性、革命性技术的认知和理解，埃森哲组织员工完成技商（TQ）学习，并畅想怎样有效利用这些最新科技实现技术与人类智慧相结合的灿烂前景。从首席高管到一线人员，各级员工都需培养“技商”，以此推动企业重塑成功。

埃森哲全公司范围内投资于持续培训，每位员工都会获得相应的技商评分。埃森哲“技商”系列培训是一种简单而有效的方法，可确保团队每位成员了解技术及其应用、意义以及如何与其他技术协同工作。