以初学者的心态接近生成 AI

以初学者的心态接近生成AI 生成式AI正在帮助组织在更短的时间内完成更多工作。一种充满好奇的态度可以帮助领导者抓住新技术带来的蓬勃机遇。 2024年8月 销售力AI首席执行官克拉拉·施（ClaraShih）表示，在生成式人工智能（genAI）引发的快速变化中，采用成长型思维是企业应对的最佳方式，这是本集节目中今天的嘉宾讨论的主题 。在边缘播客。Shih与麦肯锡高级合伙人交谈LareinaYee关于生成式人工智能（genAI）的变革力量如何帮助加速工作流程、变革管理的重要性，以及企业领导者在AI采用方面提出的关键问题。 LareinaYee:你能给我们提供一点技术基础 ，说明你是如何利用这些非结构化数据的，以及这些是如何与你当前的工作相连接的吗 ？ ClaraShih:从软件架构的角度来看，它非常简单。它是模型-视图-控制器（MVC）技术堆栈。传统的数据模型仅限于结构化数据。但现在，它也包括非结构化数据，通过元数据来帮助组织所有这些信息。 讨论的修订版记录如下。如需了解更多关于前沿技术的对话，请在首选播客平台上关注该系列节目。 使用大型语言模型解锁非结构化数据 LareinaYee:在您职业生涯的过程中，克拉拉 ，您开创了企业以更加亲密的方式与客户连接并创造个性化体验的方法。面对所有通用人工智能的可能性，大型语言模型为何能解锁新的可能性？ ClaraShih:最大的释放潜力在于审视互联网上所有未结构化的数据，以及企业内部的自有未结构化数据。如果我们回顾计算历史，数据的使用范围仅限于我们能够存入数据库的信息。这实际上只占到了企业拥有的数据总量的不到20%。 然后是你所看到的视图层。这包括人们今天用于工作交流的平台和自助服务数字互动渠道。 传统上，控制器是代码。但如今，大型语言模型让我们能够从代码和点击操作转变为对话模式，利用自然语言在数据之上创建并调用这种业务逻辑。 LareinaYee:你如何在自己的工作中使用生成式AI？ ClaraShih:我每天都在使用生成式人工智能 。AI领域的变化如此之多，因此我建立了一个相当高效的方法与助手合作，利用生成式AI来总结和综合所有顶级AI播客内容，包括您的播客以及研究论文。 各种数据——视频、语音转录、客户聊天记录 、消息、电子邮件、日程会议——均包含其中 。大型语言模型以及大型视觉模型对于知识工作而言，在分析、总结及生成这类非结构化数据方面的能力正在改变游戏规则。 我通常会筛选出那些看起来对我们Salesforce正在做的事情最有兴趣和相关性的内容。然后我会使用生成AI进行全段转录，并观看精选片段。这是一种在大量消费信息的同时节省时间的方式。 简单的力量 LareinaYee:当你这样做时，这种思考方式是否正在改变你对能够带给产品和服务的能力的梦境？ ClaraShih:许多力量源自简单性，以及为那些专家用户提供更多的能力。这是我们核心SalesforceCRM[客户关系管理]采取的方法。因此，对于想要开始使用、面向小型或中型企业等终端用户的客户，我们提供了这些强大而简单的预配置用例。 语言模型可以更快、更高效、更低成本地运行 ，以便它们可以扩展。 LareinaYee:在一个我们总是急于求成的世界里，当我们把这些模型引入企业和公司时，我们的入职流程是怎样的？ ClaraShih:大多数客户只是试图验证他们的首批应用场景，并从中获得投资回报率（ROI）。这就是为什么我们正在开发的预构建GPT[生成预训练变换器]特性如此重要，比如在我们的金融服务云中，例如，在与客户讨论财务规划之前，你可以生成一个客户档案。 例如，当客户通过电子邮件或聊天提出请求时，我们的大型语言模型会建议一个基于公司官方批准的知识文章和产品文档的响应。这能够将客户服务问题的平均解决时间缩短10%至20%。我们已经在各行各业、各个地区的公司中看到了这一点。 一个节省时间的游戏改变者 LareinaYee:您如何看待软件的未来？我们如何重新调整或重新设置我们的期望和标准？ 当客户准备追求更多，或者对于拥有复杂数据科学或机器学习团队的大型企业，我们提供AI平台。在最基础层面，客户可以自定义驱动这些预设应用场景的提示模板，以精确匹配其组织需求。我们还有模型构建器。对于希望预先训练或微调模型的公司，它们拥有大量数据，无需编写代码即可调整模型，亦可使用自有模型 。 我们也注意到，随着企业从试点阶段过渡到生产阶段，他们意识到并非每次都需要最昂贵、最先进的模型，如Claude3或GPT-4等。他们正在优化自己开发的较小规模，有时甚至是开源的模型。 ClaraShih:这一变革管理比技术本身更为艰巨 。不仅仅是首席信息官（CIO）在说服公司其他部门尝试生成式人工智能，而是每个员工都渴望行动、充满好奇，并视之为与十年前互联网和云计算同等甚至更重大的变革。 在花费时间整合数据、拥有数据仓库、数据湖 ，并确保其接触中心的每个员工都利用这些数据的公司中，存在巨大的优势。我们观察到那些没有组织好数据的公司正在加速推进这些基础项目，因为他们深知这是安全且大规模部署AI所必需的。 我们看到那些没有组织好数据的公司正在加速推进这些基础项目，因为他们知道这是确保安全大规模部署AI所必需的。 -ClaraShih LareinaYee:您之前提到AI有望从根本上改变我们的工作方式。能否为我们简要介绍一下从应用场景到改变工作流程这一旅程的具体情况？ ClaraShih:此前，当客户通过电话、聊天或消息询问问题时——他们可能对购买的产品存在一些问题——与客户合作的服务代表会记录工时，努力将客户的配置、保修和权益与合适的知识文章匹配起来。 当他们找到答案后，会复制、粘贴并以适合发送给客户的方式紧急格式化内容。然后发送出去，同时祈祷客户不会因等待时间过长而感到不满。 但有了通用人工智能（genAI），我刚才描述的那些传统上需要几分钟甚至数小时的步骤，现在可以在一瞬间完成。因此，客户等待时间和问题解决时间都大大缩短了，这意味着公司可以更高效地用更少的资源完成更多工作。 没有留下任何未触及的工作 LareinaYee:如果我考虑日常消费者的体验 ，我期待更快、更好的服务。但如果是作为雇主或客服代表，这是否意味着我的工作结束？我应该如何看待这个机会？ ClaraShih:这是一个如此重要的问题。每一项工作都会发生变化。每个人都需要撰写新的职位描述，因为许多之前耗时的任务可以被自动化或加速完成。这意味着我们需要学习如何利用这些技术来更有效地完成工作。我们还必须发现，在有了更多空闲时间后，还能做些什么额外的工作。 LareinaYee:如果我是一名呼叫中心代表或销售代表，并且我说，“我想以技术为导向，但担忧我的工作安全，并希望投资于未来所需技能” ，对于这样的人群，你会建议些什么？ ClaraShih:每一位知识工作者，无论你是销售员、市场营销经理还是客户服务代表，都应该学习如何提示，以便能够有效地与大型语言模型互动。 让我犹豫的是，每一次重大新技术的出现都会伴随着新的风险。有时，这些风险在一开始就得到了预见。但很多时候，存在未知的未知。这正是我们在互联网和网络安全领域发现的情况。 你也必须学习AI安全。例如，正如你绝不会将社保号码输入到你不了解的随机网站中一样，你对于向大型语言模型输入何种类型的数据也必须极其谨慎。 人们还需要认识到AI（人工智能）持续发展。这并非一次性学习提示后就万事大吉的事情。因为模型以指数级的速度改进，随着时间的推移，你必须不断练习和提升。 我认为在人工智能领域，这一点同样适用。我喜欢的一个框架是以四个D来考虑风险：数据隐私 、数据安全，既包括消费者的个人数据隐私，也包括企业确保其数据不泄露至公司外部或模型中 。在任何组织内部，不同的人对不同的数据有不同的访问权限，因此你需要确保在任何类型的人工智能助手或互动中都得到尊重。 AI风险的四个D LareinaYee:在这个人类转折的时刻，什么给了你乐观，什么给了你担忧？ 第二个D是误导信息——利用通用人工智能生成错误信息和误导信息的行为，考虑到即将到来的美国总统选举，这一点尤其重要。我们在上一次选举中看到了错误信息和误导信息的存在 ，我认为现在这种风险更大了，因为这些AI工具的获取变得如此容易。 ClaraShih:让我感到乐观的是，正如我们之前在技术颠覆中所见，这通常会打开一片机遇的世界。传统上没有获取特定资源、教育或特定技能机会的人们现在可以参与到这个新的经济体系和可能性之中。我认为这是非常令人兴奋的。 在全球范围内，存在众多未解决的问题。当然，在商业世界中，我们都希望业务能更快增长并运行得更为高效。然而，如果我们将视角转向医疗保健或教育领域，以前其实很难将这些服务扩展到更广泛的群体中去。接着还有气候问题以及新药研发等领域，这些新兴技术的应用前景几乎无穷无尽。 第三大问题为歧视，以及这些大型语言模型在互联网上训练时所使用的消费者数据集。其中包含大量偏见、有毒、种族主义和性别歧视的内容。 第四点确实是一个长期关注的问题，即取代。回顾过去，一些工作被互联网所替代，但大多数工作则完全发生了转变。设想一下，如果今天的销售人员不懂如何使用搜索引擎或电子邮件，他们可能找不到工作。同样地，AI技能也会带来同样的结果。然而，也将创造出我们今天无法想象的新职位。这就是互联网带来的变化。 学习以同事的身份看待数字机器人 LareinaYee:克莱拉，您正在利用技术引领变革。如果我们向前展望十年，您能否为我们描绘一下销售、营销和服务可能有何不同？ ClaraShih:我们已经通过自服务机器人实现了这一点，这些机器人被许多客户部署在客服和商务领域。你可以将机器人视为一个数字同事 。在过去，人们会在电话、聊天或通过消息或电子邮件中为客户提供服务，帮助引导客户完成交易。这些机器人变得非常强大，尤其是现在它们由大型语言模型驱动。这就是一个单一数字工作者的例子。 ClaraShih:当我们谈论销售、营销和客户服务部门时，我们是在组织结构内部与我们的客户打交道。然而，客户并不这么思考。 作为客户，我们购买产品和服务并对其提出疑问。我们对升级、获取新事物以及交叉销售感兴趣。我们不期望或希望被从一个部门转移到另一个部门以满足这些需求。我们只希望有一个了解我们的所有信息、我们需要什么，以及组织的产品和服务的一切的人，无论是AI还是礼宾服务。因此，客户360度视角的目标将通过AI得以实现。 LareinaYee:我们已经讨论了个性化多年。随着生成式AI的应用，我们能够以个体而非群体或段落的形式满足人们的能力发生了根本性的变化。这将改变我们的营销方式、销售策略以及如何应对问题的方式。 ClaraShih:是的，我认为这是从企业层面的角度来看。组织也将从根本上转变，从仅仅是人的组织转变为由人类和数字化工作者共同协作的组织。 LareinaYee:你能告诉我们这是什么样子吗？我的一部分是兴奋的，一部分是害怕的。 但请考虑让多个数字工作者处理不同领域内的不同类型任务，他们在不同的数据集上可能具有基于检索增强生成（RAG）的能力，这能提升他们的专注度和准确性。 然后，思考让这些AI与其它AI协同工作，就像它们与人类合作一样。人类始终处于主导地位，监督、协作并掌控全局。但现在，他们能够扩大规模并在任何给定时间内完成更多任务。 关于AI的热门企业问题 LareinaYee:克拉拉，除了构建技术外，你还与许多客户进行了交流。从他们那里，你听到了哪些信息？ ClaraShih:当我们与客户讨论AI时，有三个反复出现的主题。第一个总是围绕信任。无论他们是CIO（首席信息官）、首席收入官还是CMO（首席营销官），客户都认识到大型语言模型固有的新风险。因此，我们大量讨论信任问题。 一旦客户在信任层面感到舒适，接下来✁问题总是：“我们能驱动出什么样✁业务成果？这些生成式AI✁成本会累