最近幾個月來，幾乎每天都有關于生成式人工智能或ChatGPT的頭條新聞。突然之間，人工智能又變得炙手可熱，每個人都想加入這個技術潮流：企業家想創辦人工智能公司，企業高管想把人工智能應用到他們的業務中，投資者想投資人工智能。

作為大型語言模型的倡導者，相信生成式人工智能具有巨大的發展潛力。這些大型語言模型在提高個人生產力方面已經展示了它們的實用價值。例如，在工作中加入大型語言模型生成的代碼，以及使用GPT-4來校對文章。

生成式人工智能是企業開展業務的靈丹妙藥嗎?

現在最緊迫的問題是：沒有參與大型語言模型創建的企業，無論其規模大小，如何利用生成式人工智能的力量來提高他們的收入?

不幸的是，大型語言模型在個人生產力提高和商業利潤之間存在著鴻溝。就像開發任何商業軟件解決方案一樣，還有很多事情要做。僅以使用GPT-4創建聊天機器人解決方案為例，創建一個聊天機器人可能花費數月的時間，并花費數百萬美元。

本文概述了利用生成式人工智能獲得商業收益的挑戰和機遇，為希望釋放該技術商業價值的企業家、企業高管和投資者揭開了人工智能領域的秘密。

對人工智能的業務期望

技術是當今企業開展業務的重要部分。當企業采用一項新技術時，通常期望能提高運營效率并推動更好的業務成果。企業希望人工智能也能做到這一點，無論其類型如何。

另一方面，企業的成功并不僅僅取決于技術。運營良好的企業將繼續繁榮發展，而管理不善的企業仍將舉步維艱，無論是否采用生成式人工智能或ChatGPT等工具。

就像實施任何商業軟件解決方案一樣，人工智能在業務中的成功應用需要兩個基本要素：技術必須按預期提供具體的商業價值，企業必須知道如何管理人工智能，就像管理任何其他成功的業務運營一樣。

生成式人工智能的炒作周期和幻滅

像每一項新技術一樣，生成式人工智能必然會經歷Gartner公司所謂的炒作周期。隨著ChatGPT等流行應用程序引發大眾對人工智能的興趣，如今幾乎達到了預期的頂峰。隨著興趣減弱、實驗失敗、投資的消失，生成式人工智能很快將會出現“幻滅的低谷”。

雖然“幻滅的低谷”可能由多種原因造成，例如技術不成熟和不適合的應用，但兩種常見的人工智能幻滅可能會讓許多企業家、企業高管和投資者感到失望。如果認識不到這些幻滅，人們或者低估了將這項技術應用于業務的實際挑戰，或者錯過了及時而謹慎地進行人工智能投資的機會。

生成式人工智能能夠創造公平的競爭環境是一個常見的誤區

隨著數以百萬計的用戶與生成式人工智能工具進行互動，以執行各種各樣的任務，從獲取信息到編寫代碼——似乎生成式人工智能為每個業務創造了公平的競爭環境：任何人都可以使用它，并且英語成為新的編程語言。

雖然這可能適用于某些內容創作用例(例如營銷文案)，但畢竟，生成式人工智能關注的是自然語言理解(NLU)和自然語言生成(NLG)。鑒于該技術的性質，它很難處理需要深入領域知識的任務。例如，ChatGPT生成了一篇很不準確的醫學文章，并且未能通過CFA考試。

雖然行業專家擁有深入的知識，但他們可能不精通人工智能或IT技術，也不了解生成式人工智能的工作原理。例如，他們可能不知道如何有效地提示ChatGPT以獲得所需的結果，更不用說能夠使用人工智能API來生成解決方案。

人工智能領域的快速發展和激烈競爭也使大型語言模型越來越成為一種商品。任何支持大型語言模型的業務解決方案的競爭優勢都必須存在于其他地方，或者是擁有某些高價值的專有數據，或者是掌握某些特定領域的專業知識。

企業員工更有可能已經積累了此類特定領域的技術和專業知識。雖然擁有這樣的優勢，但他們也可能有阻礙快速采用生成式人工智能的遺留流程。這些人從一開始就能夠充分利用技術力量的好處，但他們必須迅速啟動業務，以獲得關鍵的領域知識。兩者都面臨著本質上相同的根本挑戰。

關鍵的挑戰是使業務領域的專家能夠訓練和監督人工智能，而不需要他們成為專家，同時利用他們的領域數據或專業知識。

成功采用生成式人工智能的關鍵考慮因素

雖然生成式人工智能擁有先進的語言理解和生成技術，但它不能做所有事情。重要的是要利用這項技術，但要避免它的缺點。以下是為正在考慮投資生成式人工智能的企業家、企業高管和投資者強調的幾個關鍵的技術考慮因素。

• 人工智能專業知識： 生成式人工智能遠非完美。如果企業決定構建生成式人工智能解決方案，需要確保擁有真正了解人工智能內部工作原理的專家，并可以在需要時對其進行改進。如果企業決定與外部公司合作創造解決方案，需要確保這些公司擁有深厚的專業知識，可以幫助企業從人工智能中獲得最大的收益。
• 軟件工程專業知識：構建生成式人工智能解決方案就像構建任何其他軟件解決方案一樣，它需要專門的工程努力。如果企業決定構建內部解決方案，則需要軟件工程人才來構建、維護和更新這些解決方案。如果企業決定與外部公司合作，需要確保他們將為企業完成繁重的工作，例如可以為企業提供一個無代碼平臺，以便輕松構建、維護和更新解決方案。
• 行業領域專業知識：構建生成式人工智能解決方案通常需要吸收行業領域知識，并使用這些領域知識定制技術。確保企業擁有能夠提供并知道如何在解決方案中使用這些知識的領域專業知識，無論企業是在內部構建生成式人工智能解決方案還是與外部合作伙伴合作。對于企業(或其解決方案提供商)來說，讓并不是IT專家的其他行業專家能夠輕松地攝取、定制和維護生成式人工智能解決方案，而無需編碼或額外的IT支持，這一點至關重要。

結語

隨著生成式人工智能繼續重塑業務格局，對這項技術需要具有公正的看法。重要的是要記住以下幾點：

• 生成式人工智能主要解決與語言相關的問題，但不是所有問題。
• 實現一個成功的業務解決方案不僅僅是看起來那么簡單。
• 生成式人工智能并非對每個人都有平等的好處。招募或與那些擁有人工智能專業知識和IT技能的人員合作，以更快、更安全地利用技術的力量。

隨著企業家、企業高管和投資者進入快速發展的人工智能世界，了解相關的挑戰和機遇、誰在利用這項技術方面占據上風，以及如何快速決定并謹慎投資人工智能以最大限度地提高投資回報率是至關重要的。