如何解锁生成式人工智能的隐藏价值

2023-06-26 04:06

提示工程（Prompt engineering）只是开始，探索更多可能，正当其时。

ChatGPT的横空出世，一如近三十年前问世的Mosaic浏览器，都将对这个世界产生深远影响。1993年，作为全球首款免费网络浏览器，Mosaic的推出掀起了一场互联网革命。新生的线上分销渠道给各行各业的供应和变现模式带来了一场革命。例如，数字下载和流媒体服务订阅迅速成为媒体行业的“新常态”，而百视达（Blockbuster）和Tower Records等坚持旧有商业模式的企业则很快发现，自己已经陷于困境。正如我们的同事菲利普•埃文斯（Philip Evans ）和托马斯•沃斯特（Thomas Wurster）所写的那样，“受新兴信息技术冲击，最受瞩目的商业模式也可能在未来灰飞烟灭。”

一场同样深刻的革命即将上演，而ChatGPT只是这场革命的冰山一角。虽然Gen-AI的应用前景广阔，但企业只是在优化现有的技术，而不是追求更长远的创新。例如，许多相关企业在大力投资提示工程技术¹，以至于涌现出了像PromptBase这样专门交易提示词（Prompt）的平台。这种投资或许可以产生短期收益，比如提高一些工作效率，但却未能乘上当前加速变革（类似大语言模型领域的摩尔定律）的大潮。

¹提示工程（Prompt Engineering）指在不更新模型参数的前提下、通过输入文本等方法来操控大型语言模型（Large Language Model）以指导其行为、引导其生成我们需要的结果的方法。

此外，虽然我们知道不是一切都会发生变化，但互联网革命的经验告诉我们，世界的变化将难以预测。未来五到十年，基础模型（如支撑ChatGPT等应用的底层模型GPT3.5）和供应商（例如OpenAI和Stability AI）的市场格局或将发生巨大变化。从市场的快速变化即可看出这一趋势：谷歌迅速推出Bard争夺市场份额，还有大规模投资涌入Gen-AI初创企业。目前尚不清楚Gen-AI的用例有多大的潜力，也不清楚将对商业产生何种影响。因此，企业应该以重塑未来商业模式为目的，在组织内部和产品方面探索如何应用Gen-AI技术，着力挖掘有潜藏的巨大商机。

在进行相关研究和与客户进行沟通时，我们发现，有早期迹象显示，部分企业已在有目标地开展相关实验。例如，一些企业已将Gen-AI探索项目定位为“特殊项目”，并在一开始就为其配备了创新沙盒。我们还看到有企业组建了跨职能团队，整合设计、营销、业务和技术等各方力量，激发灵感碰撞。要想获得最有效的实验效果，企业应同时对商业运营和新技术进行探索。

员工队伍会受到哪些影响？

虽然企业不应将提高工作效率作为实验的唯一目标，但还是应该在组织内进行小规模实验，了解自己组织的独特文化会受到哪些影响以及在哪些方面可以最大限度地提高工作效率。这些实验不应局限于探索如何使用AI来增进任务能力，而是要关注人与人工智能相结合的合作模式，从而识别能够优化具体任务或职能部门工作的应用模式。与传统AI对团队合作和互动模式的影响类似，Gen-AI或将对团队氛围产生全新影响，因而需要开发出创新型解决方案来打造积极、高效的工作环境。

例如，GitHub进行了一项实验，评估使用其工具Copilot对开发者的工作效率和幸福感产生的影响。他们发现，88%的开发者认为，使用该工具有助于提高自己的工作效率，60%—70%的开发者则表示自己获得了更大的工作成就感。也有一些公司另辟蹊径，尝试使用定制化解决方案来提高生产力。比如谷歌就设计了自己的集成开发环境（IDE），用于预测开发者后续会输入哪些代码，借助该工具，产品迭代时间可以缩短6%。

如何为企业定制解决方案？

有部分企业选择利用自己的专有数据来微调基础模型应用，以此取得定制化效果。例如，咨询公司正在用专有数据做尝试，对内容丰富但存储分散的知识库进行集中管理，同时提供便捷的查询路径。如此一来，即便出现人员流动，也可以确保相关知识可以保存在公司之中，让员工可以便捷地查询到专家信息，而不会给相关工作人员造成太大负担。

在采矿等传统行业中，由于许多老专家已临近退休年龄，新工程师又青黄不接，如果能将知识储存在ChatGPT等互动聊天机器人中，将大有裨益。再举个例子，Jasper.ai是一款生成营销内容并基于专有营销数据进行微调的专业应用。营销团队和销售团队可以使用这些工具快速创建高质量内容。鉴于微软计划为ChatGPT推出定制功能，开发此类应用将变得容易许多。但企业也不能只盯着ChatGPT，其他许多大语言模型（如Anthropic、BERT和Macaw）也大有用武之地。

除了现有的专有数据，企业还应研究如何将各类专业化数据数字化，以便与基础模型一起使用。2022年12月，英伟达发布了BioNeMO，这是一款旨在支持分子数据表示、化学结构和其他功能的基础模型。BioNeMO预计将大大缩短新药研发时间。事实上，2023年1月，ProFluent就曾做过展示，该公司使用2.8亿个蛋白质序列对基础模型进行训练，并利用该模型创造出了此前未曾发现的酶，其中一些具有抗微生物的特性。

在探索Gen-AI新能力的过程中，

可以使用哪些创造性方法？

鉴于Gen-AI仍处于起步阶段，企业必须发散思维，为Gen-AI寻找独特或隐藏的应用场景。但是，如果缺少适当的管控举措来有效管理意料之外的使用，那么隐藏能力（也称能力过剩）或将构成严重威胁。如果能够发现Gen-AI的独特能力，并加以妥善控制，企业将在市场竞争中获得明显优势。

要想探索Gen-AI的独特能力，可以考虑将现有数据转化为新的形态（比如将数字数据转化为视觉数据），方便利用现有的许多预训练模型，如此一来，企业将可以充分利用Gen-AI应用的既有能力，在不改变基础系统的情况下产生新的输出。通过这种方式，只需对基础模型和转换数据进行微调，即可解锁各种可能。

例如，Riffusion将原始音乐数据转化为频谱图（以图像形式展示的音乐频谱），并使用频谱图对Stable Diffusion 进行微调，打造出一款支持文本输入（如“Sunrise DJ set to hard synth solo”）并据此生成全新音乐作品的系统。另一个整合现有Gen-AI系统并通过转换数据提供全新解决方案的例子是tome，该应用可以将输入的自然语言自动生成幻灯片。不过这些都还只是开始。目前，转化数据在Gen-AI以外的领域也已有应用，比如声学成像可以用于发现压缩空气系统的空气泄漏问题。可以想象，此类应用的准确度还将进一步大幅提高，甚至可以让Gen-AI实时检测成为现实。

在材料科学领域，科学家们突破了传统设计思维（通过已知的材料结构为特定用例探索最佳属性），转而进行“逆向设计”，这是Gen-AI的另一个独特能力。在进行逆向设计时，科学家们首先要设计出所需的属性，然后再利用基础模型生成具有相应属性的化学化合物，换句话说，逆向设计是“从属性到结构”，而不是传统的“从结构到属性”。虽然逆向设计目前仍主要用于材料科学领域（航空航天、医药、电子等领域也有涉及），但其他行业也可以借鉴这种理念，重新思考哪些要素可以事先主动设计，而不是被动决定。

在上述示例中，企业可以直接从训练基础模型（如DALL-E2、ChatGPT、Stable Diffusion和Midjourney等基础应用）所投入的财务、工程和研发资源中受益。如此一来，企业即可在不大量投资开发新模型的情况下，比竞争对手先一步发现诸多基本的新用途和价值，在竞争中占得先机。

高管团队应与手下的数据工程师通力合作，找出创造性的方法来发现新的解决方案，并评估哪些解决方案可能为公司带来最大价值。首先要问自己如下问题：

在哪些方面还有尚未充分利用但对公司业务职能至关重要的数据？
这些数据是否可以轻松用于对现有的基础模型进行微调？
为方便利用现有系统，这些数据可以转换为哪些新形态？
是否存在可以逆向设计的假设？
你期望获得哪些输出，这些输出在组织的哪些方面可以派上用场？

● ● ●

当今世界，自动化系统正被越来越多地用于提供基本功能，在此背景下，企业领导者在应用Gen-AI时应该多一些创新精神，多一些战略考量。他们还需要牢记，这场实验的最终结果是商业模式的创新。在互联网革命之后，我们不再需要像过去那样在丰富性或覆盖面之间进行取舍，传统的商业模式遭受到了毁灭性打击。在不远的将来，Gen-AI也将让现在为大众普遍接受的商业取舍成为历史。谁能把目光放长远，超越简单的小修小补，找到过去不可能实现的商业模式，谁就能在未来的竞争中占得先机。

点击下方阅读原文获取完整版内容

↓↓↓

关于作者

范史华（François Candelon）是BCG亨德森智库全球负责人。

Lisa Kraye是波士顿咨询公司（BCG）驻BCG亨德森智库代表，技术与商业实验室。

Abhishek Gupta是波士顿咨询公司（BCG）研究员，增强型集体智能。

Leonid Zhukov是波士顿咨询公司（BCG）合伙人兼副董事，数据科学。

关于中国区专家

阮芳是波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG组织与人才专项亚太区及中国区负责人，中国企业领导力学院负责人，BCG亨德森智库中国区联席负责人。

何大勇是波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG亨德森智库中国区联席负责人。

感谢BCG同事陈瑜瑜对本文的贡献。

如需联络，请致信[email protected]