作者
自 2022 年末以来，生成式人工智能领域蓬勃发展。该领域的这一新动态意味着，Artefact 支持的大多数主要品牌现在都在考虑将这些技术整合到其业务应用中，以在效率竞赛中胜出，并获得客户和员工的采用。然而，它们在这方面的成熟度却参差不齐：推出用例的公司寥寥无几（60% 已启动项目，约 26% 已推出 POC），只有 3% 已将其产业化。生成式人工智能技术将如何为企业带来重大而直接的业务影响？
数字 - 2023 年 6 月
企业加速使用人工智能的技术转变
在过去的六个月里，生成式人工智能（Generative Artifical Intelligence）的参与者们一直在跑马拉松，不断宣布该领域的重大进展。从微软（Microsoft）的开放式人工智能（Open AI）、谷歌（Google）的 PaLM、亚马逊（Amazon）的 Bedrock 和 Meta 的 LLama 等网络巨头，到 开放源代码 对于开发者来说，许多生成式人工智能参与者都提供了推动商业应用创新的技术。例如，GPT 集成了必应搜索引擎和微软办公套件，而所有谷歌产品都将受益于 PaLM 2。. 亚马逊 和 Meta 都开始将生成式人工智能整合到自己的广告产品中。而最近出现的数百种开源解决方案，也让各种背景的开发者更容易获得这类技术。.
并非所有参与者都采取相同的战略方法。有些公司，如开放人工智能公司（Open AI），专注于其模型的超高性能，而其他公司，如谷歌，也在开发更轻便但更有效的算法版本。这些版本对于在用户设备（移动设备、台式机、联网扬声器）和专门的 ’商业 “软件中进行本地集成更为有效。.
这一充满活力的生态系统鼓励在 B2C 和 B2B 市场中使用生成式人工智能。对于企业来说，这代表着最大化自身及其员工和客户绩效的新机遇。根据高盛（Goldman Sachs）最近的一份报告，在未来十年内，这项技术可将美国的劳动生产率和国内生产总值提高 7%。.
基于生成式人工智能 “增强 ”业务运营的四类应用
在整个业务价值链中使用生成式人工智能并不是什么新鲜事，但现在其使用已经变得更加民主和多样化。对于一些大品牌和为其提供支持的人工智能服务公司来说，使用案例的设计和部署已经进入测试阶段。.
尽管可能性是无限的，应用也取决于业务需求，但这些主要用途可分为以下几类 四个类别.
"(《世界人权宣言》) 首先涉及到先前复杂的 data 人工智能功能可为几乎没有或根本没有 data 分析专业知识的角色提供帮助。通过人工智能功能开发的直观工具，企业用户可以在几秒钟内访问、咨询和分类大量的 data，获得仪表盘和新的 data。自然语言处理（NLP）的最新进展使这些专业人员与 data 的交互变得更加容易。因此，财务、营销或物流等领域的专业软件可以通过生成功能进行 “增强”，自动执行重复性和/或耗时的任务，协助这些角色进行决策。. Artefact 该解决方案通过检测大量 data 中的信号，准确定位客户和潜在客户的意图。国际零售商还可以通过交叉比对众多参数，更好地管理库存和优化定价政策，从而更好地了解特定产品或类别销售额增减的原因。.
第二个问题涉及公司与各 audiences 之间的关系. .我们正在与许多品牌合作，创建由生成式人工智能驱动的聊天机器人和呼叫中心，在类似于人与人之间对话的互动过程中，以更加相关和高度个性化的方式回应客户的请求。还可以从这些交流中获得洞察，从而更好地了解品牌呼叫者的需求和期望，提高客户满意度。.
第三类, 目前已被广泛使用的是 内容生成. .这是一个快速发展的应用程序，用于开发和改编文字、图像和声音，为公司的营销活动提供素材：网站内容、产品介绍、邮件、广告、演示等。例如，我们正在为一家汽车集团实施一个 ’内容增压器 “项目。该解决方案利用制造商专有的 data，并利用先进的社交网络监控技术，为品牌制作个性化内容。创意专业人员现在可以从耗时的任务（如改编概念）中解脱出来，专注于其附加价值：构思和战略。.
第四大应用是提高效率 或物流流程。例如，银行保险领域的公司一般都有几种专门用于风险预测或欺诈检测的算法。这些工具对所捕捉到的各种信号的解释可能不尽相同。在这种情况下，人工代理应该能够快速、轻松地做出决策。这时，可以添加一层生成式人工智能，以人类易于理解的方式总结导致初始算法得出结论的原因。.
颠覆经济和组织的浪潮
我们正处于一场使用革命的开端，不仅在日常生活中，而且在商业应用中。生成式人工智能非常直观、易用，因此很快就会在公司中部署，以避免在个人和专业应用的流畅性之间产生太大的差距。.
整个业务价值链都将受到影响，虽然我们仍处于早期阶段，但第一批集成已经非常有前景。为了充分利用人工智能，并为未来做好准备，品牌需要在这一领域迅速成熟起来。为了应对人工智能在技术、环境和道德方面带来的挑战，它们需要招募新的职能部门并使员工适应新环境，选择正确的人工智能生成技术，建立适当的管理机制，与业务部门一起确定使用案例，并确保所开发应用的透明度、道德和环境影响。.
