人工智能无处不在
利用前沿技术推动业务扩张
生成式人工智能（GenAI）如今已成为关注焦点，但其实这只是人工智能全面发展的一个方面。它所证明的一点是——人工智能的使用人群和影响人群比想象中要大得多。这种全民化的趋势引发了实验和投资热潮，其中不仅包括研究智能手机的替代品，还有许多初创公司正致力于研发下一代 ChatGPT。
这一切对企业的日常工作意味着什么，目前还存在许多未知。我们坚信，人工智能已经并将持续对数字化企业的某些关键流程产生重大影响，尤其是软件开发，它能够帮助企业更快制造产品并将其推向市场。
需要注意的是，尽管人工智能目前的发展非常振奋人心，在持续变革方面还是存在一些掣肘的。重量级的商用大语言模型（LLM）功能强大，但至少在目前，对于大多数企业而言，其成本普遍过高，很难大规模投入使用。与之对应的，当下风头正劲的 ChatGPT 可能会成为“一把四处乱敲的锤子”，企业争先恐后地将其整合到自己的流程中，而实际上它可能并非必要，或不是合适的工具。
人工智能似乎每天都有新的突破，然而在采用这些突破性技术之前，企业需做好一些基本的准备工作。正如我们在数据平台视角中提到的，其中一项准备是要制定健全的数据战略，确保随时提供相关、可信和可追溯的基础数据，供人工智能模型使用。如果没有做到这点，人工智能解决方案可能只会让企业加快做出错误的决策。
此外，在使用生成式人工智能等工具时，需对自己想要实现的“好”结果有一个基本概念。虽然可以对这些工具加以引导，但却不能任其在没有监督的情况下工作，也不能把对结果质量的评估交给工具去执行。掌控人工智能系统的方向和输出属于负责任技术的实践之一，也是避免意外后果的关键。
一旦掌握相关参数，我们鼓励企业结合运营期间可能出现的用例，对人工智能进行测试。与其他所有创新一样，在技术真正发挥作用之前，我们很难了解其全部潜力和应用范围。
随着人工智能集成变得愈加复杂，如果出现严重错误， 其影响将成倍增加，对有效风险管理的需求也与日俱增。
随着人工智能集成变得愈加复杂，如果出现严重错误， 其影响将成倍增加，对有效风险管理的需求也与日俱增。
预兆信号
- 企业纷纷发现新的人工智能应用场景。通常是在让人意想不到的领域。 例如，麦肯锡咨询公司（McKinsey）研发了一款聊天机器人，引起了人们的关注，该机器人既是多功能助理，同时又可以与使用者进行沟通交流，可以根据员工的查询浏览公司庞大的文件库和访谈记录，并从中提炼重点，为员工工作提供具体支持。
- 大语言模型逐渐掌握业务行话。越来越多为特定行业或用例研发的大语言模型正在涌现出来，这些行业或用例都有各自的术语，通常是技术性很强的词汇。这方面的示例包括：彭博社（Bloomberg）的 BloombergGPT，专门针对金融数据集进行了训练，以协助完成常见的金融服务行业任务，如命名实体识别和新闻分类；谷歌的 MedPalm，用于为常见的消费者健康问题提供准确而全面的答案，其知识储备已经被证实足以通过美国医疗执照考试。
- 人工智能成为投资新战场。全球最知名的几家企业正在向人工智能领域投入大量资金和资源，试图在这个飞速发展的领域获得竞争优势，其规模之大令人咋舌。微软今年年初向 ChatGPT 制造商 OpenAI 投资数十亿美元，紧随其后，亚马逊向初创公司 Anthropic 投资 40 亿美元。高盛公司（Goldman Sachs）预计，该领域的投资总额到 2025 年将接近 2000 亿美元，甚至在人工智能开始真正提高生产力之前就能达到此金额。
- 人工智能相关股票一路高歌猛进。英伟达公司（NVIDIA）是人工智能系统芯片的领先制造商，其股票涨幅超过 200%，令人瞠目，不过这只是冰山一角。随着分析师和投资者对人工智能行业的关注度倍增，人工智能应用开发商 C3.ai 等知名度较低的公司以及 BOTZ 等专注于人工智能的交易所交易基金（ETF）也实现了股价飙升。
值得关注的趋势
采纳
-
应用程序的内置功能，可将公开可用的生成式人工智能模型的功能与模型之外的特定知识（如产品信息）相结合。
-
此类方法可以推导出输入数据和机器学习模型结果之间的因果关系。如果机器学习模型能够推而广之，那么使用为数不多的训练数据即可有效运行。
-
去中心化身份（DiD）也称为身份自主权，是一种基于开放标准的身份架构，使用自主独立的数字 ID 和可验证的凭证来传输可信数据。虽然不依赖于区块链，但目前许多示例都是基于区块链以及其他形式的分布式账本技术和私钥 / 公钥加密技术进行部署，目的是保护在线交互的隐私和安全。
-
更精细的数据访问控制，如基于策略的访问控制（PBAC）或基于属性的访问控制（ABAC），在决定谁有权访问数据时，可以应用更多的情境元素。
分析
-
政府对人工智能的使用进行监管和指导，目的是确保负责任地使用人工智能系统并确保其后果，其中包括监测、合规性和良好实践。
-
将人工智能工具和技术与行为科学和管理科学相结合，目的是针对情景规划、运营研究等各种复杂问题，提高决策能力，扩大决策者的影响力。
-
基于人工智能的虚拟助手和非玩家角色，在元宇宙中再现人类交互。
-
不熟悉提示工程的人可能会难以获取背景信息和其他数据，因此可以通过共享背景和数据，降低入门门槛，让人工智能更易于使用。
-
通常以自主方式实现设备间直接交互和信息共享的技术。决策和行动只需很少的人工干预或根本无需人工干预。
-
可跨越不同交流模式的人工智能模型交互。例如，聊天机器人既能理解书面语言，也能用口头语言做出回应。
-
这种系统可对复杂分布式系统中的指标进行监控，并在发现问题时采取纠正措施，通常用于安全工作，但也越来越多地用于在停机状态后实现恢复和复原。
-
一套新兴技术，用于认证数据来源并管理整个企业的数据使用。 经证明，在跟踪和加强实现可持续发展目标的进展方面，该技术具有变革性意义。
预测
-
这是指针对（或使用）机器学习系统进行的攻击。攻击者可能会篡改训练数据，或者识别模型分类不佳的特定输入，从而故意制造出意外的结果。
-
能够识别、解释、处理、模拟和响应人类情感的系统和设备统称为“情感计算”。
-
大多数服务条款（TOS）或最终用户许可协议（EULA）都包含难以理解的法律术语，没有法律背景的人很难理解。知情同意的目的是改变这种局面，使用简单易懂的条款，明确说明对客户数据的使用方式。
采纳
分析
预测
-
通用人工智能（AGI）具备完成一系列智能任务的广泛能力，经常与人类水平的智能相提并论。这与当今的“狭义”人工智能形成了鲜明对比，后者可能表现非常出色，但只能完成非常具体的任务。
-
在量子计算引擎上调整和执行的机器学习算法，通常用于分析经典（非量子）数据。
机会
若在该视角上抢占先机，企业即可：
- 实现更顺畅、更快速的人机交互。自然语言处理（NLP）技术的进步为人机交流开辟了新途径，包括通过日常对话展开交流。这既扩大了可以与这些系统进行交互的人员范围，也简化了任务规划和执行的过程，例如汇总信息、针对查询提供合乎情理的答案、为支持某些角色提供相关背景和信息，或策划生成内容。
- 终结对“茫然无措”的恐惧。无论执行什么任务或项目，最初构思和从零开始往往是最艰难的。人工智能可以结束这种“茫然无措”的状况，为人们执行研究并提供建议或见解清单，即使与预期结果或成品相去甚远，这些建议或见解也可以激发灵感，促使僵化的头脑采取行动。
- 实现任务自动化，而非岗位自动化。许多人认为人工智能系统可能会取代很多岗位，但由于这些系统。要人类参与指导并最终评估人工智能的产出，因此这种可能性较小。尽管如此，人工智能可以自动完成或辅助人类完成大量任务，使工作更一致、更高效。如果有任何任务需要获取和分析大量信息（如大量研究论文或医疗 / 金融信息数据库），都可以在大语言模型的帮助下进行。人工智能的能力水平会不断提升，但总得来说，正如一些人所建议的那样，可以将人工智能视为“优秀的人才，而非软件”，也就是将其视为一个称职的研究助理或一群好心的实习生。人工智能可以胜任某些工作，但肯定不能包办一切。
- 革新软件交付。有人误以为，在构建软件的过程中，GenAI 主要是一种用于方便编码的工具，而实际上，它可以覆盖开发生命周期的方方面面。除协助编码外，GenAI 的潜在应用还包括：与人工智能一起集思广益，改进我们的需求和测试方案；通过将自然语言转化为对日志和指标的查询，改进事件响应和调试；产品和战略构思；以及搜索非结构化机构信息，为开发人员提供有价值的背景信息。根据相关经验，我们认为人工智能辅助软件交付有可能将软件开发生产率提高 30%。
我们的工作成果
与 Jugalbandi 一起利用语言模型增强对话式人工智能
我们开发了一款聊天机器人，帮助用户了解印度政府纷繁复杂的各种福利计划。这证明人工智能不仅有能力以简易清晰的形式浏览、处理和总结海量信息，还能以特有的方式满足更广泛的用户群的需求。我们将一些现有的大语言模型和翻译模型结合起来，通过语音传入和传出多种本地语言和方言，实现强大的人工智能对话功能。
这不仅可以为文盲率较高的农村用户群提供了解政府服务的渠道和信息来源，还能大大扩展和简化印度政府与许多偏远和非城市地区民众的互动。
可行建议
需采取的行动（采纳）
- 明确人工智能倡导者。他们可以帮助指导企业了解新解决方案的潜在用例，但要明白，人工智能将以不同的方式应用于企业的几乎所有部门，这意味着这些拥护者需要保持开放的心态。 让人们对“好”有一个清晰的概念，从而降低风险，确保人工智能计划关注有意义的业务成果。
- 在短期内，特别要关注员工和人工智能如何协同工作。确保团队了解人工智能如何增强（而非威胁）他们的核心任务，以及在哪些方面需要他们做出判断。关注并控制所用服务的成本，通常这些成本对个人用户不可见，但会迅速增加。根据任务类型，可以为了降低成本而牺牲一定程度的准确性，因为准确性稍差的模型运行成本可能要低得多。
- 明确为企业带来真正价值的人工智能用例， 以及不会使用人工智能的领域，具体原因可能是人工智能在这些领域没有商业意义、成本超过必要的投资或者相关风险太高。由于潜在的应用领域非常广泛，而且还在不断扩大，因此需要这些决策导向来指导相关工作，取得更好的成果。
- 慎重选用技术。“人工智能”有时已成为各种技术的总称，最近还被用于单独指代生成式人工智能。鉴于生成式人工智能的功能和用例与其他技术（如机器学习，有时被归入人工智能范畴）可能截然不同，因此需要明确您拟用的技术与您试图解决的问题之间的联系。
- 尽早确定并传达“规范”。在与人工智能进行日常互动之前，团队应了解在安全、数据源和审核系统或其输出的透明度和 / 或偏差方面的标准和期望。此外，还需知晓何时应放弃不可能产生预期结果或导致过高风险的实验。
需考虑的事项 （分析）
- 商用大语言模型的开源替代产品正在不断改进， 而且每天都有更多的替代产品出现。免费提供的模型可为聊天机器人和客户支持应用提供坚实的基础，可升级为保护企业知识产权的专用模型。
- 人工智能体。OpenAI 等公司最近纷纷推出编程接口，这些接口能够将公开生成式人工智能模型的功能与模型之外的特定知识（如产品信息）相结合。
- 供应商的新产品。亚马逊（Amazon）和谷歌云（Google Cloud）等公共云供应商宣布，在 2023 年底为软件开发人员提供大量新产品和新服务。大多情况下，这些工具可提供引人注目的功能，例如人工智能辅助部署和操作开发中的软件。鼓励人工智能倡导者定期评估各种产品。
需注意的事项 （预测）
- 监管政策纷纷出台。正如欧盟目前关于人工智能法案的辩论持续不断，各国政府都在争相立法，以防范人工智能带来的一些负面影响，而有关人工智能各个方面的新规则很可能会纷至沓来。企业需积极制定政策，主动选择做正确的事而不要等到迫不得已之时才行动，这样才能顺理成章地合规。