迄今為止，在企業中，高級聊天機器人、數字助手和編碼助手似乎是GenAI應用的一些優勢領域。

2022年11月ChatGPT的發布引發了一場GenAI淘金熱，各家公司爭相采用這項技術并展示創新。

當今企業中根深蒂固的許多AI應用案例使用的是更舊、更成熟的AI形式，如機器學習，或者并沒有利用AI的“生成式”能力來生成文本、圖片和其他數據。傳統的聊天機器人、產品推薦引擎和其他一些有用的工具可能僅依賴于早期的AI形式。

Domino Data Lab是一家企業AI平臺提供商，其AI戰略負責人Kjell Carlsson表示，一些行業，如生物技術行業，正在尋找使用GenAI的方法，但到目前為止，許多試驗這項技術的企業發現用例數量有限。他說，對于許多企業來說，GenAI的投資回報難以實現。

他補充道：“對許多用戶來說，現實情況是，他們沒有足夠的信息來制定利用GenAI用例的AI戰略，而且他們無法快速獲得足夠的價值。他們正在大力推進幾個用例，但同時也在建立傳統機器學習和‘預測性’AI用例的組合。”

許多AI專家表示，當前GenAI的應用案例只是冰山一角。隨著GenAI變得更加強大，用戶在其實驗中變得更具創造力，將會出現更多的用例。

然而，已經有幾個GenAI的應用案例正在涌現。以下是最受歡迎和最有前景的幾個。

Advanced chatbots(高級聊天機器人)

雖然使用單詞和短語識別的簡單聊天機器人已經存在了幾十年，但具備GenAI能力的新型聊天機器人可以讓對話聽起來更自然，同時處理眾多客戶請求。

IT分析機構Forrester將語言GenAI和AI代理列為2024年十大新興技術中的兩項。例如，歐洲拼車和外賣服務Bolt已部署了一個智能聊天機器人來處理大多數客戶投訴，從而節省了大量成本。

許多試驗GenAI的公司都擔心出現幻覺問題，但Carlsson指出，對于低級別的客戶投訴，幾次失誤并不是世界末日。“如果我們不小心進去，在本應拒絕某人餐費信用時卻送出了一頓飯，風險是非常低的。”他說。

在另一個例子中，德國電信(Deutsche Telekom)已使用GenAI來改進其Frag MagentaAI助手，該公司預計該聊天助手每年將能夠處理3800萬次客戶互動。

Digital assistants(數字助手)

包括微軟和谷歌在內的幾家大型IT公司一直在宣傳GenAI數字助手(或副駕駛)，盡管CIO們可能并不完全相信其投資回報。這些助手可以在企業的各個角落搜索信息，創建文檔和幻燈片演示，并總結電子郵件鏈和視頻會議。GenAI數字助手還可以生成供應鏈文檔，如供應商報價請求。

一些視頻會議應用程序現在會生成轉錄和摘要，獨立的工具如Otter.ai也是如此。像Grammarly這樣的應用程序可以糾正語法、拼寫和標點符號的錯誤。

Labviva是一家提供AI輔助采購解決方案的供應商，其聯合創始人兼首席技術官Nick Rioux表示，數字助手也可以針對特定需求進行專門化。例如，如果一家公司經常購買敏感的化學或生物化合物，GenAI可以在采購訂單中添加特殊處理說明。

他說：“企業GenAI最有前景的應用案例是那些通過增強功能(如內容生成、建議和手動任務自動化)來簡化人為任務的應用。”

Coding assistants(編碼助手)

GenAI中出現最頻繁的應用案例之一是編碼助手。GenAI可以編寫基礎軟件代碼，讓人類程序員能夠專注于更復雜的任務。

數據編排初創公司Astronomer的首席技術官Julian LaNeve表示，這些代碼副駕駛還可以幫助程序員在遇到問題時將注意力保持在代碼上，而不是轉向搜索引擎或其他資源來尋找答案。

“他們可以只編寫代碼注釋，然后讓大型語言模型(LLM)為他們完成代碼，”他說道，這里指的是大型語言模型。“這能讓開發者保持我們所說的‘心流狀態’和‘專注狀態’，而無需分心去查找示例。”

AI生成技術對網頁開發尤其有幫助，AI咨詢公司GenEdge Consulting的創始人兼管理合伙人Natalie Lambert補充道。GenAI通過創建網站代碼，可以顯著減少更新網站所需的時間和成本。

“通過利用ChatGPT等工具，即使是沒有深厚技術專長的用戶也能直接在他們的網站上開發和實施代碼，”她說。“這實現了開發過程的民主化，讓網絡專家能夠在AI的輔助下實現他們的愿景。”

許多在軟件開發全生命周期中實施GenAI的企業目前正在應對這項技術的局限性和對團隊的影響，同時也在總結自身的經驗教訓。

營銷支持

多位AI專家和用戶指出，營銷支持是GenAI的優勢之一。Brosix(一家提供安全即時通訊工具的公司)的聯合創始人兼首席執行官Stefan Chekanov表示，GenAI可以創建個性化的營銷材料，分析客戶數據，并輔助內容創作。

“根據我的經驗，在GenAI的幫助下，內容創作和社交媒體管理變得更加高效，”他說。“減少了在瑣碎調度、優化和編輯上花費的時間，意味著專家可以專注于高價值任務，從而節省后續成本。”

其他人表示，GenAI可以基于產品評論進行市場分析，甚至能在客戶意識到問題之前預測出客戶可能遇到的問題。

“對于產品公司而言，了解客戶反饋至關重要，”美國銀行與保險提供商USAA的AI和數據科學總監Aswini Thota表示。“他們需要知道客戶喜歡或不喜歡什么，新興趨勢是什么，地區偏好如何，以及客戶將如何看待新產品。”

他表示，GenAI可以從產品評論中提取客戶見解，而公司無需委托進行調查。在GenAI出現之前，數據科學家為情感分析和意圖提取構建了定制的自然語言處理(NLP)模型，但GenAI在這些早期努力的基礎上更進一步。

“GenAI允許我們在同一數據集上構建多個提示，只需按一下按鈕，企業就可以提取情感、討論主題和預期用途。”Thota補充道。

藥物發現

CUDO Compute(一家AI基礎設施平臺)的首席營銷官Lars Nyman表示，GenAI正在通過建模復雜分子并預測其相互作用，以“讓傳統方法看起來像是還停留在撥號上網時代的速度”被用于藥物發現。他說，GenAI可以顯著縮短新藥上市的時間。

全球IT服務提供商MSRcosmos表示，GenAI可以幫助制藥公司預測藥物相互作用，重新利用現有藥物，并根據患者的基因構成創建個性化療法。

2024年初，NVIDIA宣布推出其面向醫療保健行業的AI驅動Clara計算平臺，以及用于藥物發現的GenAI平臺BioNeMo。

包括強生公司在內的一些生物技術和制藥公司正在將GenAI推廣為藥物發現領域的下一個重大突破。

網絡安全和欺詐檢測

多家網絡安全公司正在使用GenAI來增強工具，以在客戶的網絡和計算基礎設施中查找可疑或不尋常的行為。Conversica(一家對話自動化解決方案提供商)的首席執行官Jim Kaskade表示，AI系統還可以用于高級欺詐檢測，通過分析交易模式和用戶行為，以高度的準確性預測欺詐活動。

例如，Palo Alto Networks提供了Cortex XSIAM安全運營平臺，該平臺結合了公司在機器學習(ML)模型和數據存儲方面的專業知識，以及Google的BigQuery企業數據倉庫和Gemini AI模型。其目標是實時向安全分析師發出威脅警報，同時網絡安全平臺不斷學習新的威脅。

業務流程增強

GenAI在企業業務流程增強方面找到了一個優勢領域。在此領域，企業正在探索使用GenAI為業務關鍵的工作流程提高效率，這些工作流程通常對其所在行業具有獨特性。

例如，金融和保險行業的一些公司正在使用GenAI來輔助核保人評估潛在客戶。Credibly(一家面向小企業的借貸平臺)的聯合創始人兼聯合首席執行官Ryan Rosett表示，該平臺使用GenAI搭配機器學習來評估貸款風險并加快借貸流程。

“在Credibly，我們使用GenAI賦予我們的核保人超能力，”他說。“作為一家金融科技公司，我們的成功取決于對尋求融資的企業主進行快速而準確的風險評估。”

根據安永(EY)的一項調查，截至2023年底，幾乎所有保險公司都已采用或有意采用GenAI。約42%的保險公司已經投資于GenAI，約三分之二的公司預計通過使用GenAI，收入將增長10%以上。

在法律領域，法律信息服務巨頭LexisNexis正在擁抱GenAI，以應對公司執行副總裁兼首席技術官Jeff Reihl視為行業顛覆性威脅的挑戰。

“我們全體動員，”Reihl告訴記者。“我們進行了重大轉型，因為這在交互能力、答案的全面性以及數據生成能力方面都是一個改變游戲規則的因素，它的能力令人震驚。”

此后，LexisNexis發布了其自己的GenAI解決方案Lexis+ AI，提供鏈接的法律引文，以確保律師能夠獲取準確、最新的法律先例。

預測分析

雖然GenAI模型傳統上在檢索和總結信息方面表現出色，但企業現在正在利用這項技術進行預測分析。

例如，Interwoven Ventures(一家AI和機器人風險投資基金)的普通合伙人Erez Agmoni表示，一些公司使用GenAI來預測船運時間表。

傳統AI驅動的預測分析并非新鮮事物，但GenAI之所以在這項任務中表現出色，是因為它能夠處理非結構化數據，而無需預定義算法，Agmoni說道。他此前曾擔任船運公司馬士基(Maersk)的AI和機器人部署負責人。

船運時間表可能難以預測，因為多個因素會影響到達最終目的地的時間，他說。僅通過查看歷史數據的簡單算法不足以提供準確的交付日期。

托運人需要多個系統來共享過去和當前的數據，包括多條路線的性能、天氣、勞動力表現以及金融市場狀況等信息。“能夠解決像這個示例中的問題，可以為參與者帶來數十億美元的收益，因此大家非常渴望找到解決方案。”Agmoni說。

從多個來源提取非結構化數據

最先進的大型語言模型(LLM)可以幫助企業將其AI戰略拓展到此前未開發的文本、視頻和語音消息中的非結構化數據。例如，供應鏈可見性平臺供應商FourKites的執行副總裁Sriram Nagaswamy表示，一些企業正在使用GenAI從視頻監控系統中提取數據。

“我們在GenAI領域看到的最令人興奮的突破之一，是其能夠從各種應用程序中提取非結構化數據的能力，而這些數據此前由于過于繁瑣或耗時而無法利用，這有可能徹底改變市場。”他說。

例如，許多船運港口都裝有定期刷新的攝像頭。

“如果我們開始捕捉這些幀，就只需查看車牌號或集裝箱號，就能準確知道哪些卡車進出，”他說。“大多數港口都24/7全天候設有這些攝像頭，因此數據的民主化以及更自然的數據收集方式將是最容易實現的成果，能夠解鎖有價值的船運和跟蹤見解。”

Nagaswamy看到了一個明顯的采用趨勢，即采用能夠處理多模態輸入和輸出的大型語言模型，盡管準確性可能不會立即達到99%。

“隨著人們逐漸習慣于與大型語言模型簡單對話或向其發送圖像或視頻，我們將在未來一年看到這種能力民主化方面的顯著進展。”Nagaswamy說。