應對ChatGPT的六招

ChatGPT 推出僅兩個(gè)月，月活躍用戶(hù)就達到1億，成為有史以來(lái)增長(cháng)最快的消費應用程序。

所有人，所有地方，都將切實(shí)感受到這項技術(shù)的顛覆性潛力。

ChatGPT背后的大語(yǔ)言模型，正在憑借兩項優(yōu)勢改變著(zhù)市場(chǎng)規則：

第一，這類(lèi)模型破解語(yǔ)言復雜性的密碼，機器擁有前所未有的能力，可以學(xué)習語(yǔ)言、上下文含義和表述意圖，并獨立生成和創(chuàng )建內容。

第二，在利用大量數據（文本、圖像或音頻）進(jìn)行預訓練后，這些模型能夠針對眾多不同的任務(wù)做出調整或微調。用戶(hù)可以多種方式，對模型按原樣重復使用或稍加修改后再次使用。

商界領(lǐng)袖們普遍認識到了這一時(shí)刻的重要性。

例如，我們研究發(fā)現，所有行業(yè)中40%的工作時(shí)間，都將得到GPT-4等大語(yǔ)言模型的協(xié)助。

大語(yǔ)言模型具有處理大規模數據集的能力，所有用語(yǔ)言記錄傳達的內容，如應用、系統、文檔、電子郵件、聊天、視頻和音頻等等，都將進(jìn)行創(chuàng )新、優(yōu)化和重塑，最終走向全新的高度。

語(yǔ)言任務(wù)占企業(yè)人員工作總時(shí)長(cháng)的 62%，其中65%的時(shí)間可借助人員強化和自動(dòng)化技術(shù)來(lái)提升工作活動(dòng)的生產(chǎn)力。

時(shí)機就是一切。

最近一項技術(shù)趨勢調研中，225名受訪(fǎng)中國企業(yè)高管里面，有72%對人工智能基礎模型帶來(lái)的新功能表示非常、或極為興奮，比例略低于全球平均水平。

越來(lái)越多的中國企業(yè)，正在積極探索生成式人工智能技術(shù)，開(kāi)始應用大型語(yǔ)言模型來(lái)實(shí)現更多的創(chuàng )新和效率提升。

在中國，大語(yǔ)言模型應用方式主要有三種：SaaS、私有云部署、本地化部署，成熟度依次從高到低排列。

目前，SaaS化的部署方式是最為成熟的，以國外Azure Open AI Services為標桿。

在國內市場(chǎng)，百度的文心一言和阿里的通義千問(wèn)，正在參與到激烈的競爭中。與 Azure 提供的服務(wù)相比，國內廠(chǎng)商提供的 SaaS服務(wù)，更具有數據安全和合規性上的優(yōu)勢，盡管在綜合能力上還有待加強。

私有云部署方式同樣以百度為領(lǐng)先。

相較于SaaS 服務(wù)，私有化部署更具有數據和模型自定義能力和垂直行業(yè)定制化能力。

這種方式可更好地服務(wù)于相對較為專(zhuān)業(yè)的客戶(hù)，可充分利用客戶(hù)提供的行業(yè)知識，同時(shí)保證不對競爭對手可用。更柔性的服務(wù)器使用策略，也讓這種方式相較于本地化的前期投資大為降低。

綜合來(lái)看，這是目前國內垂直行業(yè)客戶(hù)最可行的實(shí)現方式。

本地化部署方式有非常多的選擇。

學(xué)術(shù)界中提供的有清華大學(xué)的ChatGLM、斯坦福提供的Alpaca，商業(yè)公司提供的有Databricks的Dolly、Scale.ai的圖像專(zhuān)精的大語(yǔ)言模型等等。

本地化部署存著(zhù)成本高昂、無(wú)法確定使用效果等兩個(gè)問(wèn)題。目前處于非常早期的階段，是否可以進(jìn)一步使用有待后續觀(guān)察。

總的來(lái)說(shuō)，大語(yǔ)言模型正處于快速發(fā)展的階段，其未來(lái)的形態(tài)無(wú)法被預測，可以肯定的是，大規模的應用一定是必然的趨勢。

我們對生成式人工智能的了解越來(lái)越深入，它將顛覆傳統的工作模式。大多數工作者都將擁有得力的“助手”，從根本上改變工作的完成方式和完成內容。

企業(yè)需要像技術(shù)投資一樣，持續投入不斷發(fā)展的業(yè)務(wù)運營(yíng)和人員技能培訓。徹底重新構想工作的完成方式，并幫助員工緊跟技術(shù)驅動(dòng)型變革

積極迎接生成式人工智能時(shí)代，存在六大技術(shù)應用要點(diǎn)。

業(yè)務(wù)驅動(dòng)

即使創(chuàng )新技術(shù)有諸多優(yōu)勢，在整個(gè)組織中全面推廣并非易事，尤其當新技術(shù)會(huì )徹底改變現有工作方法時(shí)，會(huì )遇到特別多的阻力。

企業(yè)可以先通過(guò)嘗試生成式人工智能的諸多功能，累積早期成功并得到變革倡導者和意見(jiàn)領(lǐng)袖的支持，不斷提高員工對新技術(shù)的接納程度，為進(jìn)一步普及創(chuàng )造所需條件，進(jìn)而啟動(dòng)轉型和技能再培訓議程。

企業(yè)必須雙管齊下地進(jìn)行嘗試：

其一，專(zhuān)注于容易獲得的機會(huì )，使用可消費的模型和應用迅速實(shí)現回報；
其二，著(zhù)力使用根據自身數據定制的模型來(lái)重塑業(yè)務(wù)、客戶(hù)洽談、以及產(chǎn)品和服務(wù)。

業(yè)務(wù)驅動(dòng)型思維，是定義并成功建立應用模式的關(guān)鍵。

隨著(zhù)企業(yè)深入開(kāi)展人工智能重塑業(yè)務(wù)的各種探索，他們將切實(shí)收獲價(jià)值，明確各種應用場(chǎng)景下最為匹配的人工智能類(lèi)型，厘清投資規模和復雜程度。

他們還能測試和改進(jìn)有關(guān)數據隱私安全、增強模型準確性、防止偏見(jiàn)和保護公平的方法，并知曉何時(shí)需要采取“由人主導迭代”（Human in the Loop）的保護措施。

舉例，一家大型歐洲銀行集團啟用微軟Azure云平臺和GPT-3大語(yǔ)言模型，來(lái)幫助員工進(jìn)行電子文檔檢索。

這一舉措，使用戶(hù)可以快速獲得問(wèn)題的答案，大大節省了時(shí)間，并提高準確性和合規性。

為了進(jìn)一步提升員工技能，這家銀行構建了三年創(chuàng )新計劃，后續還會(huì )在合同管理、對話(huà)型報告、以及票據分類(lèi)等領(lǐng)域應用生成式人工智能。

圖1：生成式人工智能技術(shù)堆棧的每一層級都將迅速進(jìn)化

此舉不僅將內部知識庫進(jìn)行升級、幫助員工獲取所需信息，更有助推進(jìn)自身向數據驅動(dòng)型機構的目標邁進(jìn)。

以人為本

為了使生成式人工智能取得成功，企業(yè)需要像重視技術(shù)那樣，關(guān)注人員及培訓工作。

他們應當大幅增加對人才的投資，以應對兩類(lèi)不同的挑戰：創(chuàng )建人工智能和使用人工智能。

這意味著(zhù)， 要在人工智能設計、企業(yè)架構等技術(shù)能力方面培養人才；
同時(shí)培訓整個(gè)組織的人員，使他們有效地與人工智能化的流程合作。

例如，在對22個(gè)工作類(lèi)別的分析中，我們發(fā)現，大語(yǔ)言模型會(huì )影響所有類(lèi)別，最低程度為每個(gè)工作日的 9%，最高可達63%。在22種職業(yè)中，有5種可以利用大語(yǔ)言模型來(lái)革新一半以上的工作時(shí)長(cháng)。

即使是現實(shí)世界中精通如何應用數據的各領(lǐng)域專(zhuān)家（例如，醫生對患者健康數據的解析）， 也缺乏足夠的技術(shù)知識來(lái)了解這些模型如何工作，以及相信技術(shù)能成為“工作伙伴”。

企業(yè)還將設立全新的崗位，包括語(yǔ)言學(xué)專(zhuān)家、人工智能質(zhì) 量控制員、人工智能編輯和提示工程師。

對于生成式人工智最有前途的領(lǐng)域，企業(yè)應當首先將現有工作分解為基礎任務(wù)組合，然后評估生成式人工智能可能影響每項任務(wù)的程度——完全自動(dòng)化、人員增強，抑或與之無(wú)關(guān)。

籌備數據?

為了定制基礎模型，企業(yè)需要使用特定領(lǐng)域的企業(yè)數據、語(yǔ)義、知識和方法。

在生成式人工智能時(shí)代到來(lái)之前，企業(yè)可以通過(guò)以應用模式為核心的人工智能方法，從人工智能中獲得價(jià)值，無(wú)需對其數據架構和資產(chǎn)進(jìn)行現代化改造。

現在情況已經(jīng)截然不同?；A模型需要大量精心組織的數據來(lái)學(xué)習，因此，破解數據挑戰，已成為每家企業(yè)的當務(wù)之急。

企業(yè)需要采用一種戰略性、規范化的方法，獲取、 開(kāi)發(fā)、提煉、保護和部署數據。

具體而言，應依托云環(huán)境構建現代化的企業(yè)數據平臺，其中包含一組可信賴(lài)、 可重復使用的數據產(chǎn)品。

憑借此類(lèi)平臺的跨職能特征、企業(yè)級的分析工具、以及將數據存儲在云端倉庫或數據湖當中，數據能夠擺脫組織孤島的束縛，在整個(gè)企業(yè)中普遍使用。

隨后，企業(yè)可在某一地點(diǎn)或通過(guò)分布式計算策略（如數據網(wǎng)格），統一分析所有業(yè)務(wù)數據。

打造基礎

為了充分滿(mǎn)足大語(yǔ)言模型和生成式人工智能的大規模計算需求，企業(yè)需要考慮自身是否擁有合適的技術(shù)基礎設施、架構、運營(yíng)模式和治理結構，同時(shí)密切關(guān)注成 本和可持續能源消耗。

他們必須設法從成本和收益的角度，評估比較這些技術(shù)與其他人工智能或分析工具，后者可能更適合特定的應用模式，并且成本僅為前者的幾分之一。

企業(yè)需要建立一套強有力的綠色軟件開(kāi)發(fā)框架，在軟件開(kāi)發(fā)生命周期的所有階段，考慮能源效率和材料相關(guān)排放。

人工智能還可以發(fā)揮更廣泛的作用，使業(yè)務(wù)更具可持續性并實(shí)現環(huán)境、社會(huì )和治理（ESG）目標。我們調研發(fā)現，在生產(chǎn)和運營(yíng)環(huán)節成功減少排放的企業(yè)中，70%都使用了人工智能。

尋找伙伴

創(chuàng )建基礎模型很可能是一項復雜、成本高昂的計算密集型工作。

除了全球頂級企業(yè)外，幾乎所有組織都無(wú)法僅憑一己之力完成該任務(wù)，這超出了他們所掌握的能力和方法。

令人振奮的是，得益于超大規模云服務(wù)機構、科技巨頭和初創(chuàng )企業(yè)的海量投資，企業(yè)可借助新興生態(tài)系統的威力。

僅在2023年，全球對人工智能初創(chuàng )公司和成長(cháng)階段公司的投資，預計就將超過(guò) 500 億美元。

這些合作伙伴能夠帶來(lái)經(jīng)過(guò)多年打磨的最佳實(shí)踐，并為特定應用模式下如何高效而有效地使用基礎模型提供寶貴洞見(jiàn)。

擁有恰當的合作伙伴網(wǎng)絡(luò )——包括技術(shù)企業(yè)、專(zhuān)業(yè)服務(wù)商和學(xué)術(shù)機構，將成為駕馭快速變革的關(guān)鍵。

構建體系

生成式人工智能的快速采用為所有企業(yè)提出了新的緊迫工作：建立一套穩健、負責任的人工智能合規體系。

這包括兩方面的事項——建立控制流程，在設計階段評估生成式人工智能應用方式的潛在風(fēng)險；
制定明確措施，在整個(gè)業(yè)務(wù)中嵌入負責任人工智能方法。

我們研究表明，大多數企業(yè)仍任重而道遠。

我們2022年面向全球850名高管人員的調研顯示，受訪(fǎng)者普遍認識到負責任人工智能和人工智能監管的重要性。僅有6%的企業(yè)認為，自身已打造了充分穩健的負責任人工智能基礎。

企業(yè)的負責任人工智能原則應當由高層定義和領(lǐng)導，并轉化為有效的風(fēng)險管理和合規治理架構，包括組織原則和政策、以及適用的法律和法規。

負責任人工智能的使用必須由CEO引領(lǐng)，從加強培訓和意識培養開(kāi)始，然后擴展至關(guān)注執行與合規。

早在數年前，埃森哲就已率先采用這種方法來(lái)管理負責任的人工智能，不但設置了由CEO領(lǐng)導的議程，現在進(jìn)一步出臺了正式的合規計劃。

我們自身的經(jīng)驗表明，原則驅動(dòng)的合規方法既能提供護欄，又足夠靈活，可以隨著(zhù)技術(shù)的快速發(fā)展而更新，確保企業(yè)不會(huì )始終疲于“追趕”。

為通過(guò)設計來(lái)實(shí)現負責，企業(yè)需要從被動(dòng)響應的遵從策略，轉向主動(dòng)開(kāi)發(fā)完善的負責任人工智能系統。

這必須借助一套綜合框架，其中涵蓋：原則和治理措施；
風(fēng)險管理、政策和控制手段；
以及技術(shù)、賦能因素、文化和培訓工作。

本文改編自埃森哲最新發(fā)布的《生成式人工智能：人人可用的新時(shí)代——ChatGPT 背后的技術(shù)將深刻改變工作模式，重塑商業(yè)形態(tài)》，編輯略有改動(dòng)，經(jīng)授權發(fā)表。