先行者案例：企业如何使用人工智能创造价值？

在沃顿商学院最近举办的一次AI主题研讨会上，参与者从企业管理的角度，交流了企业如何使用生成式人工智能（Generative AI，以下简称“GAI”）为生产力和战略规划创造价值。

沃顿人工智能研究中心联合主任坦博教授（Prasanna Tambe）表示，GAI可以通过创造价值，以“变革性的方式”影响管理决策。坦博在沃顿麦克创新管理研究所和人工智能中心于去年11月联合主办的题为“用GAI驱动创新：战略与执行”的研讨会上发表了上述观点。

快速处理海量数据

GAI在翻译、汇总和内容生成方面具备独特优势，因此在处理非结构化数据时尤其有用。坦博引用Gartner研究公司的数据表示企业中约80%的新数据是非结构化的。“日常沟通中的非结构化数据和信息很少能在决策时得到有效使用。有了GAI，我们有了一个真正的机会，可以从电子邮件、Slack等沟通平台和Jira等敏捷项目管理工具的信息中获得新的见解。”

坦博表示，这些发现在各个方面都有所帮助，例如能更准确地预测软件开发项目的交付时间。他和同事在最近一个特定案例中发现了“巨大的潜力”。他们处理了原始专利文本，并获得了比以前更准确的“蓝海”见解。通过使用GAI，现在他们能对“企业在哪里创新，以及新企业在哪里有创新空间”等问题有了更好的理解。

坦博表示：“你可以将这数百万份文档放在任何上下文中，并试图将它们归纳成你能够理解的一小部分因素。GAI可以提供直觉的答案，它善于以直观的方式表达想法，让人们容易理解。”

沃顿麦克创新研究所高级研究员、生命科学行业服务提供商EVERSANA的首席数字官施耐德（Scott Snyder）表示，对于企业来说，GAI在提供个性化学习方面的力量将“从根本上让人们能够按照自己的方式学习。”他在主持一个小组讨论时分享了这些观点，该小组研究了企业如何利用大型语言模型，并使用企业内部专有数据来培训员工，以及微调商业和开源基础模型。

施耐德表示，“作为一名数字化领导者，你总是在寻找那些优秀的平台和工具，而我们在疫情期间得到了它。这迫使我们以完全不同的方式运营。突然之间，我们变成了分布式虚拟公司。”

“GAI可以提供直觉的答案，它善于以直观的方式表达想法，让人们容易理解。”—普拉萨纳•坦博

施耐德指出：“我认为GAI是一个广受瞩目的工具。它引起了高管们的高度重视，这是我从未见过的。80%的受访高管现在表示，GAI将对他们的公司和行业产生重大影响，但只有约50%的人认为他们有能力充分发挥其潜力。同时有92%的财富500强公司正在利用OpenAI的ChatGPT做一些事情或构建一些东西。现在每个人在某些方面都是数据科学家。”

战略规划和客户服务

GAI可以帮助企业以新的方式进行更高效的战略规划。坦博指出，GAI处理数百万文本文档的能力也有助于识别组织的“可操作因素”。例如，它可以帮助公司分析其行业的竞争动态，并计划分配资源和投资；或者用于绩效评估和灌输企业文化。

他问道：“如果你每年进行30000次绩效评估，而且持续10年，并将重要评估标准归结为员工最关心的一小部分元素，如企业文化或公平性，那么这几个元素是什么？又如，你如何将数千次客户服务对话中的信息归结为一系列可操作的因素？GAI可以帮助我们提取所有这些数据，并以可付诸行动的方式将其归纳结论呈现给我们。

企业级学习是GAI另一个前景广阔的领域。宾大计算机学教授伯奇（Chris Callison Burch）说：“这些预先训练好的模型可以在学习方面发挥惊人的作用。”他的研究领域包括自然语言处理，从那里诞生了大型语言模型。

伯奇特别指出了一种名为RAG（retrieval augmented generation）的功能，即“检索增强生成”，它能让用户发布查询来检索信息并进行汇总。企业还可以使用该工具上传内部文档，并通过语义搜索对其进行索引以供检索。“这些都非常令人兴奋。”

“GAI将人工智能和人类大脑结合起来，而那些知道如何利用GAI的公司将以最快速度实现这一目标。”—斯科特•施耐德

企业应用曲线

企业并没有急于使用GAI，它们的采用曲线是由其业务的风险敏感性等因素决定的。富尔顿银行首席营销官兼首席数据科学家帕特尔（Avi Patel）表示，企业界正在试验GAI，但速度缓慢。企业应该跟上GAI的发展，了解什么对他们有效，什么无效。”

帕特尔指出，在监管特别严格的行业，公司将根据其活动的风险敏感性来尝试GAI。例如，他们可能首先在风险相对较低的任务中试验GAI，如文档归纳或摘要，这将使日常工作更加有效。但一个令人担忧的问题是，在使用第三方工具进行摘要的过程中，敏感文档有泄露的风险。

其他早期采用者最初专注于低复杂性的活动，如为企业提供自动化服务的Automation Anywhere。该公司负责商业应用和数据的副总裁德瓦鲁（Tejasvi Devaru）对GAI的早期成功感到鼓舞。在会议召开前的六个月里，他的公司已经实践了20多个实用案例。在一个涉及客户服务领域的机器人流程自动化的案例中，他的公司能够将60%左右的工作流程自动化，这使团队能够专注于更紧急的电子邮件，并提供更好的客户服务。他说，这相当于节省了近1万个小时的客服时间。

在另一个例子中，德鲁瓦的团队利用GPT从采购订单中提取特定信息，以确保销售订单和客户采购订单之间的准确性。这使他们能够“从采购订单等非结构化文档中提取结构化信息”，在每个客户都有不同格式的情况下，要人为筛选2万多份采购合同的产品信息和其他详细信息是一项挑战。传统方法过于昂贵或耗时。现在他们使用GPT处理大约80%的相对不那么复杂的采购合同信息。他表示，向GPT的转变已经对约85万美元的现金流改善产生了重大影响。

公司的客户服务“偏离率”（deflection rate）也在获益。这是一种衡量客户支持请求通过聊天机器人和教程等自助机制解决的指标，该过程无需人工干预。德鲁瓦说：“现在我们有30%的偏离率，我们希望将其提高到60%。”

GAI用户面临的早期问题

GAI用户面临的一大挑战是其所谓的“幻觉”（hallucination）问题，即训练不足的数据可能会产生不准确或有偏见的输出，并且与现实世界的设置不匹配。德鲁瓦说：“如果你想解决一个需要更高准确性的商业案例，这就有问题了。在这些场景中让人参与进来是很有用的。”

“公司应该跟上GAI的发展，了解什么对他们有效，什么对他们无效。”—阿维·帕特尔

德鲁瓦指出，想要使用GAI的企业必须根据自己的具体需求做出一些选择。一种是从目前存在的大约1.7万个大型语言模型中选择适合他们的技术；ChatGPT只是其中之一。“我们需要考虑业务需求是什么，以及使用哪种语言模型。其中如谷歌的Bard，在应对安全威胁方面特别有用，而另一些，如OpenAI Ada，则擅长总结文档。”

企业用户的另一个问题是决定他们是否应该使用像ChatGPT这样的云上公共模型，还是内部模型。德鲁瓦指出，即使一家公司使用公共模型，它也可以包含安全功能，例如确保其专有数据不被GAI获取用于训练语言模型，或者在将其信息进行匿名化。

随着公司对GAI越来越适应，并开始看到实实在在的收益，他们将把这项技术用于更高级别或更敏感的活动。帕特尔说：“目前公司可能只考虑风险非常非常低的项目中使用。但最大的影响将是当公司能够在大型语言模型中使用他们的内部表格数据和上下文学习的能力来了解与客户相关的风险，或是了解让客户购买下一款产品的可能性。”

机器+人类的增强智能

德鲁瓦感到兴奋的另一个功能是GAI能够将对话或文本转换为SQL（结构化查询语言），从而能和数据库相连。“我们正在考虑的用例是向企业领导展示一个对话式界面，让GAI回答诸如‘我们上一季度的销售数据是什么？或者我们一个季度最大的交易是什么？趋势如何？’之类的问题。这就是我们想要释放的潜力。”

施耐德的EVERSANA公司从事的是生命科学行业，他看到了未来更大的可能性。“有很多事情让我感到兴奋，比如把声音还给失去说话能力的人，因为你现在可以从他们以前的历史对话中产生声音。或者把视觉还给失明者。”

斯奈德说：“归根结底，我认为AI不是人工智能，而是增强智能。这是把人工智能和人类大脑相结合。那些想办法解锁的公司将以最快速度实现这一目标。”