在上一期中，我们分享了科技企业迈向高韧性可以从四方面展开思考。在这一期中，我们将聚焦生成式AI这一至关重要的新技术，解读其如何赋能科技企业，以及高管们应当从技术、流程两方面来部署生成式战略，从而赢得先机。在全球科技发展的进程中，很少有技术革命能够像生成式人工智能（AI）一样如此迅速地被推广和应用。在5年前，机器智能（Machine Intelligence）的技术水平还远落后于人类，但是，过去一年以来，随着基础模型中的序列预测不断发展，大幅降低了通用基础模型的使用难度，从而提高了感知、理解、交流、创造、推理和使用工具的能力，使其达到了可与人类相媲美的程度。比如，ChatGPT在2022年末公开发布后，让很多以前没有AI使用经验的人们也能使用这些模型。在此背景下，ChatGPT公开发布两个月后就积累了1亿多用户，用户积累速度是前冠军TikTok的五倍。当然，生成式AI的“一夜爆火”离不开十年磨一剑的发展历程。其实，作为历史上最重要的科技拐点之一，目前，生成式AI仍处于发展的早期阶段。然而，置身于当前瞬息万变的环境中，贝恩认为，对于科技企业，基础模型和生成式AI的发展不仅是技术革命，更是一场经济革命。若企业采取观望态度，可能将陷入落后境地。贝恩研究发现，虽然科技企业为生成式AI搭建大型基础模型的成本很高，而且与模型的规模成正比（图1），但是，若企业善用这些模型进行实验，将会降低在业务中应用基础模型和生成式AI的难度。
图1：过去6年，基础模型在规模和成本上
比如，在不久之前，AI项目（和人才）通常集中在大型的云服务提供商。如今，随着实验和应用的成本大幅降低，贝恩观察到，AI正在逐步渗透更多的行业和能力领域，并且快速赋能企业创新和创造价值。
为了更好地助力科技企业领导者评估企业在基础模型和生成式AI领域的机遇，在全球范围内，贝恩专门研究并展现了高管们如何看待这一机遇，他们正在哪些领域进行投资和试验，以及未来几个月最有可能出现的颠覆性方法。
相较前几代，最新的基础模型拥有更强的语言能力，并且在测试中取得了更高的分数。AI在理解、推理、生成和处理非结构化数据方面的成本和表现发生了巨大变化，而且正在彻底改变科技企业中与知识相关的工作。
贝恩研究显示，通过利用大型语言模型和AI工具，可以赋能科技企业的员工提升20%的工作速度，同时不会降低他们的工作质量。在实践中，许多科技企业已经在部署基础模型和生成式AI工具，从而降低成本、提高效率、提升质量（图2）。
图2
进一步看，全球领先的科技企业已经在销售和营销、IT工单处理、HR人才招聘和绩效管理、软件开发、客服中心和服务台等应用领域取得了早期成果，不断提高效率。例如，部分软件公司正在评估、推广以生成式AI为基础的编码助手，贝恩针对这些企业的调研显示，75%的高管认为“AI已经达到或超过了他们的目标”，76%的高管认为“AI能够帮助加快产品上市时间”，63%的高管则认为“AI能够提高代码的质量”。在应用最广泛的行业中，IT系统集成商是最早采用AI的企业，紧随其后的是营销、广告和科技公司（图3）。
在赋能科技企业“成本更低、速度更快、效果更好”以外，贝恩观察到，基础模型和生成式AI正在打破限制，为科技企业带来前所未有的新价值。某科技企业通过运用生成式AI模型，根据庞大的客服咨询应答数据库，为客服人员如何回答客户的询问提供建议。在新技术的帮助下，该公司新入职的客服人员只需两个月就能达到以前6个月才能达到的熟练水平。可汗学院（Khan Academy）的AI向导Khanmigo可以根据学生的理解程度，在不同层次上解释复杂的概念并帮助学生理解这些概念。通过利用生成式AI，科技企业可以从根本上改变客户与软件和数据的交互方式。例如，美国软件服务商New Relic推出了Grok，让负责监控应用程序和基础设施的用户可以使用自然语言查询深层系统遥测数据，大幅简化了以往复杂的用户体验。生成式AI能够帮助科技企业获取更多用户数据和相关外部数据，从而扩大交易型应用程序的价值。例如，家乐福推出了一款名为“Hopla”的购物助手，不仅能为消费者生成购物清单并将其与官网整合，还能根据消费者的预算和饮食习惯，向他们推荐新的商品和菜单。通过利用生成式AI，科技企业可以大幅缩短产品的开发时间，并为产品增加新功能。例如，许多制药公司正在使用生成式AI来加快研发速度。其中，Insilico Medicine利用AI技术识别药物化合物可以标靶和键合的分子，从而帮助预测临床试验结果。在这个过程中，通过利用生成式AI，完成这些任务的时间将缩短为原来的1/3，成本更是只有原来的1/10。在游戏开发方面，腾讯 AI Lab 在 2023 游戏开发者大会上发布了自研的 3D 游戏场景自动生成解决方案，通过生成式AI技术，帮助开发者在极短的时间内打造出高拟真、多样化的虚拟城市场景，大幅提升了游戏开发效率。以道路布局为例，使用腾讯3D虚拟场景自动生成解决方案，开发者画出城市主干道和海岸线后，AI 模型可在 1 分钟内填充合理的路网细节。
对于科技企业的高管，生成式AI的大范围普及带来了巨大的机遇。目前，大多数的高管都在密切关注生成式AI如何为企业创造增值。未来，如何解决一系列技术和流程问题，从而快速部署生成式AI将愈发重要。对此，贝恩从技术层面、流程层面分别提出了以下建议，希望为广大高管带来启发。
首先，为了确保合规，保障数据和客户的安全，我们的公司应当制定相应的隐私和安全机制。第二，我们应当制定可靠的内部自建和外部采购战略，从而确保将内部自建资源仅投入到能够建立差异化优势的领域，同时合理选择供应商，保持平衡，避免被供应商套牢。第三，为了测试和维护复杂、非确定性模型的质量和韧性，以及输入数据的质量，我们应当建立正确的机器学习运营和工程流程，此外，我们还应当拥有一个可扩展的重复使用组件和模型架构。最后，我们要准备好足够的计算资源，从而覆盖从云端到边缘的各种算力和性能设计点。2. 流程层面
首先，我们应当在沙盒环境中展开快速实验并取得成功，进而展示潜在价值。其次，在首次实验之后，我们应当制定扩展和变革管理路线图，从而激发并帮助我们实现全部的潜在价值。最后，我们应当具备根据材料创新的需求重新设计业务流程和部署劳动的能力。
在过去一年中，生成式AI迅速普及，并为生产力和创造力做出了巨大贡献，在科技领域内外掀起了广泛的热潮。展望未来，伴随大型基础模型的建立，推动实验成本相对降低，相关的产品和服务很有可能在不久的将来迅速发展。值此关键阶段，所有的科技企业都应当思考如何利用生成式AI创造新价值，从而赢得先机。
在下一期中，我们将为您带来激发科技企业的商业生产力的三条法则。敬请关注！
