先行者案例：企業如何使用人工智慧創造價值？

在沃頓商學院最近舉辦的一次AI主題研討會上，參與者從企業管理的角度，交流了企業如何使用生成式人工智慧（Generative AI，以下簡稱“GAI”）為生產力和戰略規劃創造價值。

沃頓人工智慧研究中心聯合主任坦博教授（Prasanna Tambe）表示，GAI可以通過創造價值，以“變革性的方式”影響管理決策。坦博在沃頓麥克創新管理研究所和人工智慧中心於去年11月聯合主辦的題為“用GAI驅動創新：戰略與執行”的研討會上發表了上述觀點。

快速處理海量數據

GAI在翻譯、匯總和內容生成方面具備獨特優勢，因此在處理非結構化數據時尤其有用。坦博引用Gartner研究公司的數據表示企業中約80%的新數據是非結構化的。“日常溝通中的非結構化數據和資訊很少能在決策時得到有效使用。有了GAI，我們有了一個真正的機會，可以從電子郵件、Slack等溝通平臺和Jira等敏捷專案管理工具的資訊中獲得新的見解。”

坦博表示，這些發現在各個方面都有所幫助，例如能更準確地預測軟體開發專案的交付時間。他和同事在最近一個特定案例中發現了“巨大的潛力”。他們處理了原始專利文本，並獲得了比以前更準確的“藍海”見解。通過使用GAI，現在他們能對“企業在哪里創新，以及新企業在哪里有創新空間”等問題有了更好的理解。

坦博表示：“你可以將這數百萬份文檔放在任何上下文中，並試圖將它們歸納成你能夠理解的一小部分因素。GAI可以提供直覺的答案，它善於以直觀的方式表達想法，讓人們容易理解。”

沃頓麥克創新研究所高級研究員、生命科學行業服務提供商EVERSANA的首席數字官施耐德（Scott Snyder）表示，對於企業來說，GAI在提供個性化學習方面的力量將“從根本上讓人們能夠按照自己的方式學習。”他在主持一個小組討論時分享了這些觀點，該小組研究了企業如何利用大型語言模型，並使用企業內部專有數據來培訓員工，以及微調商業和開源基礎模型。

施耐德表示，“作為一名數字化領導者，你總是在尋找那些優秀的平臺和工具，而我們在疫情期間得到了它。這迫使我們以完全不同的方式運營。突然之間，我們變成了分佈式虛擬公司。”

“GAI可以提供直覺的答案，它善於以直觀的方式表達想法，讓人們容易理解。”—普拉薩納•坦博

施耐德指出：“我認為GAI是一個廣受矚目的工具。它引起了高管們的高度重視，這是我從未見過的。80%的受訪高管現在表示，GAI將對他們的公司和行業產生重大影響，但只有約50%的人認為他們有能力充分發揮其潛力。同時有92%的財富500強公司正在利用OpenAI的ChatGPT做一些事情或構建一些東西。現在每個人在某些方面都是數據科學家。”

戰略規劃和客戶服務

GAI可以幫助企業以新的方式進行更高效的戰略規劃。坦博指出，GAI處理數百萬文本文檔的能力也有助於識別組織的“可操作因素”。例如，它可以幫助公司分析其行業的競爭動態，並計畫分配資源和投資；或者用於績效評估和灌輸企業文化。

他問道：“如果你每年進行30000次績效評估，而且持續10年，並將重要評估標準歸結為員工最關心的一小部分元素，如企業文化或公平性，那麼這幾個元素是什麼？又如，你如何將數千次客戶服務對話中的資訊歸結為一系列可操作的因素？GAI可以幫助我們提取所有這些數據，並以可付諸行動的方式將其歸納結論呈現給我們。

企業級學習是GAI另一個前景廣闊的領域。賓大計算機學教授伯奇（Chris Callison Burch）說：“這些預先訓練好的模型可以在學習方面發揮驚人的作用。”他的研究領域包括自然語言處理，從那裏誕生了大型語言模型。

伯奇特別指出了一種名為RAG（retrieval augmented generation）的功能，即“檢索增強生成”，它能讓用戶發佈查詢來檢索資訊並進行匯總。企業還可以使用該工具上傳內部文檔，並通過語義搜索對其進行索引以供檢索。“這些都非常令人興奮。”

“GAI將人工智慧和人類大腦結合起來，而那些知道如何利用GAI的公司將以最快速度實現這一目標。”—斯科特•施耐德

企業應用曲線

企業並沒有急於使用GAI，它們的採用曲線是由其業務的風險敏感性等因素決定的。富爾頓銀行首席行銷官兼首席數據科學家帕特爾（Avi Patel）表示，企業界正在試驗GAI，但速度緩慢。企業應該跟上GAI的發展，瞭解什麼對他們有效，什麼無效。”

帕特爾指出，在監管特別嚴格的行業，公司將根據其活動的風險敏感性來嘗試GAI。例如，他們可能首先在風險相對較低的任務中試驗GAI，如文檔歸納或摘要，這將使日常工作更加有效。但一個令人擔憂的問題是，在使用第三方工具進行摘要的過程中，敏感文檔有洩露的風險。

其他早期採用者最初專注於低複雜性的活動，如為企業提供自動化服務的Automation Anywhere。該公司負責商業應用和數據的副總裁德瓦魯（Tejasvi Devaru）對GAI的早期成功感到鼓舞。在會議召開前的六個月裏，他的公司已經實踐了20多個實用案例。在一個涉及客戶服務領域的機器人流程自動化的案例中，他的公司能夠將60%左右的工作流程自動化，這使團隊能夠專注於更緊急的電子郵件，並提供更好的客戶服務。他說，這相當於節省了近1萬個小時的客服時間。

在另一個例子中，德魯瓦的團隊利用GPT從採購訂單中提取特定資訊，以確保銷售訂單和客戶採購訂單之間的準確性。這使他們能夠“從採購訂單等非結構化文檔中提取結構化資訊”，在每個客戶都有不同格式的情況下，要人為篩選2萬多份採購合同的產品資訊和其他詳細資訊是一項挑戰。傳統方法過於昂貴或耗時。現在他們使用GPT處理大約80%的相對不那麼複雜的採購合同資訊。他表示，向GPT的轉變已經對約85萬美元的現金流改善產生了重大影響。

公司的客戶服務“偏離率”（deflection rate）也在獲益。這是一種衡量客戶支持請求通過聊天機器人和教程等自助機制解決的指標，該過程無需人工干預。德魯瓦說：“現在我們有30%的偏離率，我們希望將其提高到60%。”

GAI用戶面臨的早期問題

GAI用戶面臨的一大挑戰是其所謂的“幻覺”（hallucination）問題，即訓練不足的數據可能會產生不准確或有偏見的輸出，並且與現實世界的設置不匹配。德魯瓦說：“如果你想解決一個需要更高準確性的商業案例，這就有問題了。在這些場景中讓人參與進來是很有用的。”

“公司應該跟上GAI的發展，瞭解什麼對他們有效，什麼對他們無效。”—阿維·帕特爾

德魯瓦指出，想要使用GAI的企業必須根據自己的具體需求做出一些選擇。一種是從目前存在的大約1.7萬個大型語言模型中選擇適合他們的技術；ChatGPT只是其中之一。“我們需要考慮業務需求是什麼，以及使用哪種語言模型。其中如穀歌的Bard，在應對安全威脅方面特別有用，而另一些，如OpenAI Ada，則擅長總結文檔。”

企業用戶的另一個問題是決定他們是否應該使用像ChatGPT這樣的雲上公共模型，還是內部模型。德魯瓦指出，即使一家公司使用公共模型，它也可以包含安全功能，例如確保其專有數據不被GAI獲取用於訓練語言模型，或者在將其資訊進行匿名化。

隨著公司對GAI越來越適應，並開始看到實實在在的收益，他們將把這項技術用於更高級別或更敏感的活動。帕特爾說：“目前公司可能只考慮風險非常非常低的專案中使用。但最大的影響將是當公司能夠在大型語言模型中使用他們的內部表格數據和上下文學習的能力來瞭解與客戶相關的風險，或是瞭解讓客戶購買下一款產品的可能性。”

機器+人類的增強智能

德魯瓦感到興奮的另一個功能是GAI能夠將對話或文本轉換為SQL（結構化查詢語言），從而能和數據庫相連。“我們正在考慮的用例是向企業領導展示一個對話式介面，讓GAI回答諸如‘我們上一季度的銷售數據是什麼？或者我們一個季度最大的交易是什麼？趨勢如何？’之類的問題。這就是我們想要釋放的潛力。”

施耐德的EVERSANA公司從事的是生命科學行業，他看到了未來更大的可能性。“有很多事情讓我感到興奮，比如把聲音還給失去說話能力的人，因為你現在可以從他們以前的歷史對話中產生聲音。或者把視覺還給失明者。”

斯奈德說：“歸根結底，我認為AI不是人工智慧，而是增強智能。這是把人工智慧和人類大腦相結合。那些想辦法解鎖的公司將以最快速度實現這一目標。”