生成式人工智能对企业的影响和意义第2期：消费者和企业领域的应用案例

上一期我们讨论了生成式人工智能背后的技术路线，并指出在基础设施、平台和应用程序这三层技术栈中，最为成熟、稳定和商业化的是基础设施层。同时，基础设施层也是最先迎来商业价值爆发式增长的一个环节，其中，代表性企业英伟达（Nvidia）就曾在本年5月24日宣布，预计今年前7个月能够实现110亿美元的销售额，比华尔街的估计高出 50%以上，而该销售额主要由目前世界上第一个为“生成性人工智能”设计的芯片H100需求所推动的。

目前全球正在经历一场人工智能的盛宴，在未来几十年各种支持人工智能应用将影响经济生活的方方面面，全世界将对生成式人工智能的需求有望能够摆脱通货膨胀、货币政策的影响，并跨越经济和政治周期。

本期我们将主要介绍生成式人工智能在消费者和企业领域的应用案例，其中比较有名的包括2022年OpenAI的DALL·E2模型，其根据简单的文本创建并生成图像的能力引起了全世界的关注，除此以外，还有Bing利用OpenAI的ChatGPT实现的互联网搜索功能等消费型应用案例共同说明了全球将很快进入消费型应用程序的“寒武纪大爆发”。

德勤在《生成式人工智能对企业的影响和意义》报告中将生成式人工智能消费者应用分成了四个大类：

①效率——优化计划、研究和产品开发等任务

②指导——提供个性化指导或学习内容

③创作——生成或增强内容，复制创意过程

④娱乐——建造游戏、虚拟人物和其他娱乐项目

由于变化的速度太快，使得预测变得极富挑战性，随着工作的深入，类别之间可能会有重叠。而且，随着未来几代人工智能的发展，尤其是当出现那些能够实现多模态交互或完全在单个设备上运行的人工智能后，预计会出现新的类别。

而面对各种各样的人工智能应用产品，德勤认为具有以下特点的生成式人工智能产品对消费者具有更强的吸引力：

①快速进入市场

利用消费者通过社交媒体提升认知度的特性，使企业通过积极和高贡献的用户群体高效地扩大规模，降低企业的获客成本，提升产品覆盖率。

②职业效用

能够为职场创造价值的产品，更容易在可持续的商业模式中被适当运用，像写作助手这类，与之相反的是那些具有“炒作周期”上的产品。

③无缝集成

能够整合到现有的工作流程，并提供有效解决方案的，容易促进更多用户采用并形成 “粘性”，如早期文档编辑软件中的的Grammarly (语法检查工具)，或者最近OpenAI与 Bing 的合作也沿用了这种平台整合的策略。

目前可用的部分消费者用例示例（图来源：德勤《生成式人工智能对企业的影响和意义》）

以上是从消费者角度的应用案例，与消费者不同，企业更关注的是先进的功能、经过验证的投资回报率、定制化、组织内容、安全性和技术支持等方面。

在生成式人工智能的形成初期，最受欢迎的企业应用是用于推动内部或B2B产出的，通用的或适用于跨行业跨职能的“横向”应用案例。然而，与其他突破性技术类似，生成式人工智能在特定行业的“垂直”应用案例，存在着更可持续的价值创造机会。

横向应用案例通常针对的是企业已成立的自动化中心，这些中心本身已具备大量的如知识库、客服聊天记录等的训练数据，是企业成本优化和提高生产力的核心之一。生成式人工智能的应用，能为企业的成本中心提供效率提升的公举，如一些创意型营销任务，比如撰写广告文案、博客或社交媒体标题，可能需要人类花费数小时或数天的时间才能完成。相比之下，生成式人工智能可以在几分钟内完成可行的初稿，只需要由人工进行编辑即可。

更进一步的，可为企业在效率提升之上，重新定义工作的预期，为更专业的应用程序打下商业基础，例如研究团队总结第三方信息、产品经理编写需求文档、社交媒体营销人员完善文案以及客户服务团队创建案例摘要和建议解决方案等应用案例。

垂直与横向的企业用例示例（图来源：德勤《生成式人工智能对企业的影响和意义》）

相比之下，垂直应用案例针对需要领域知识、上下文和专业技能的特定行业工作流程。在垂直应用中，基础模型可能需要进行微调，甚至需要新的专用模型。例如，生成式人工智能可以根据风险回报描述创建定制的证券组合，或者根据患者的病史和症状推荐个性化的治疗方案。

但这些高性能的垂直应用案例，均需要对该领域有细致入微的了解。例如，在软件领域中，生成式人工智能可以根据简单提示设计可组合的代码块，这需要对高效编码、编程语言和技术术语有隐性的了解。

相对于消费者，企业对生成式人工智能的选择标准，更倾向于应用的功能、定制化、回报率等，德勤认为企业采用的生成式人工智能标准包括以下五方面：

①易用性——通过开箱即用的连接和低代码/无代码工具与现有系统和工作流程集成，从而降低企业的IT资源成本并方便前端用户使用。

②安全和隐私——符合数据安全标准（例如SOC2、HIPAA、GDPR），并对机密数据实现角色/身份级别的访问控制以确保合规性。

③健壮的生态系统——提供广泛的开发和服务伙伴，以扩展、定制和共同开发专业数据集、使用案例和应用程序。

④透明度和可解释性——了解模型输出和响应是如何产生的，并有能力对不准确结果进行根本原因分析。

⑤灵活性和定制化——能够创建参数、使用专有数据进行训练和定制嵌入，同时保护数据和调整的隐私和所有权。

在分析了生成式人工智能在消费者和企业领域的应用案例基础上，可以总结得到生成式人工智能市场未来发展的六个趋势。

①垂直特定的使用案例会因对专有数据的依赖而获得高价值，数据将成为一种货币，创造出新的经济体系。

②虽然所有行业最终都能从生成式人工智能中获益，但数据丰富的行业如银行、零售、酒店业、信息服务等，将更快普及生成式人工智能技术。

③企业更倾向于投资具有明确投资回报率的用例，如聊天机器人、搜索、市场营销文案等。

④文本相关的应用将最先商业化，但其成功往往更具主观性。

⑤不同市场监管的速度、范围、监督和报告要求可能会有所不同，确保数据质量、透明度、公平性、安全性和鲁棒性，是建立值得信赖的AI的关键因素。

⑥生成式人工智能仍存在一些伦理问题，这项技术的后续发展更多倾向于是为人类的工作表现提供帮助而不是取代人类导致劳动力失业。

可以看出，虽然生成式人工智能具有许多潜力，但在大规模部署之前必须克服诸多挑战，后续我们将讨论生成式人工智能商业化的可行性问题，即如何建立可持续的商业模式，保障生成式人工智能行业的健康发展。

（本文内容为笔者对德勤《生成式人工智能对企业的影响和意义》报告的部分摘录以及笔者阅读过程中的个人观点，欢迎大家批评指正。）