行使铸造的自然人 Gen AI 援助手为您的业权能

核心观点与关键数据

• 生成式AI对企业的重要性：定制的企业特定生成AI技术能够更快实现业务目标，产出更具洞察力和原创性的内容，是最大化企业结构化和非结构化数据价值的最有效途径。2024年诺贝尔科学奖（物理学和化学）授予与人工智能相关的发现，确认了其对现代生活的重要性。
• 通用大语言模型（LLM）的局限性：公开数据和增加处理能力不足以带来特定领域的改进，通用型LLM（如ChatGPT或Gemini）缺乏专门且高质量的数据，无法在公司专业领域内具备专业知识，可能产生错误的答案或“幻觉”。
• 企业级生成式AI的优势：定制私有生成式AI（代理AI）通过使用透明、可访问的来源和可验证的结果提高准确性，专注于特定领域，并通过针对特定商业领域的精炼数据进行训练，产生上下文相关的结果。代理AI的实施允许在更复杂和高级的情景中扩展使用案例。
• 企业级生成式AI的益处：企业级AI代理具有更高的推理能力，在专业领域产生更精炼的回应，使公司自身独有的洞察最有可能催生出独特的创新。据Gartner称，68%的企业在尝试将AI集成到高度依赖内部数据的工作流程中时遇到困难。
• 理想应用场景：理想的生成式AI模型能够在整个工作队伍中提升生产效率，例如简化业务开发团队响应RFP的过程，加快人力资源部门选择合格人才的速度，或提高接触中心客户互动的质量。

关键技术与方法

• 数据摄入框架（DIF）：自定义私有语言模型（LLM）的关键组件是其数据摄入框架（DIF），负责提取、组织并准备数据以供将来检索，确保模型能够在适当的时间访问到正确的信息。
• 检索增强生成（RAG）：支持使用定制化的检索增强生成（RAG）来辅助训练好的大规模语言模型（LLM），可以提高响应的准确性。RAG模型更具动态性，能够进行广泛匹配并提供最新的信息，但精确度较低，因此设置边界条件至关重要。
• 多层“护栏”系统：大模型系统依赖于多个阶段的“护栏”以确保质量并减轻风险，包括输入过滤、中间防护栏和最终输出过滤器，使通用人工智能系统与组织价值观保持一致。
• 成本控制措施：运行大规模语言模型（LLM）的成本如果未经控制可能会急剧上升，通过专注于特定任务的应用和简化的工作流程，组织可以更好地预测开支并使其AI投资与业务优先事项保持一致。使用自定义LLM结合RAG可以将计算负担转移到检索机制上，从而降低成本。

应用案例与结论

• 应用案例：银行和保险、研究与开发、医疗保健提供者、Sales等领域可以通过使用生成式人工智能代理实现多种业务目标，如信用备忘录生成、契约监控、可疑活动报告提交、演绎书生成、索赔处理等。
• 具体案例：一家领先的美国保险公司通过实施自定义的私有生成式AI模型，分析历史索赔数据、保单数据以及外部风险因素，制定承保建议，并将承保案件的处理时间减少了40%，提高了风险评估的准确性。
• 结论：使用针对领域和业务功能量身定制的自定义私有生成 AI 代理的 Gen AI 解决方案，能够帮助企业最大化数据价值，保障数据安全，并通过成本控制和多层“护栏”系统实现高效、合规的AI应用。

专家与公司信息

• 专家联系：Pinaki Bhagat，AI 和生成 AI 解决方案领导者，金融服务，副总裁，生成 AI CoE 负责人，金融服务。
• 关于凯捷：capgemini 是一家全球性的业务和技术转型合作伙伴，帮助组织加速向数字化和可持续世界的双重过渡，同时为企业和社会创造实际影响。该公司通过从战略与设计到工程的一系列服务和解决方案，利用其在人工智能、云技术和数据领域的市场领先能力，结合深厚的行业专业知识和合作伙伴生态系统，提供端到端的服务。