高管指南：如何将生成式AI融入运营

第 1 部分：了解生成式 AI 的发展前景

• 什么是生成式 AI？ 生成式 AI 是一种深度学习模型，能够根据提示生成输出结果，其能力取决于其根据已有数据预测并生成符合统计学概率的输出结果的能力。
• 什么是 Machine Learning？ Machine Learning（机器学习，ML）是人工智能的一个重要分支，它通过使用算法从数据中学习和获取知识，赋予生成式 AI 持续“学习”的能力。
• **什么是大型语言模型 (LLM) **？ 大型语言模型 (LLM) 是 Machine Learning 领域中的一种计算模型，是一种专门处理人类语言的生成式 AI，能够执行各种自然语言处理 (NLP) 任务。
• 什么是幻觉？ 幻觉是指 LLM 生成的不正确或误导性的结果，需要通过检索增强生成 (RAG) 技术来对抗。
• **什么是检索增强生成 (RAG) **？ RAG 是一种对抗幻觉的技术，通过使用由矢量数据库支持的高度相关搜索，从特定的数据集或数据上下文中检索信息，从而对 LLM 生成的输出进行增强或“校验”。
• 什么是矢量数据库？ 矢量数据库用于存储矢量嵌入，也就是字词、图像或视频的数字表示形式，支持语义搜索，能够根据提供给生成式 AI 的提示进行快速的语义搜索。
• 生成式 AI 能做什么？ 生成式 AI 能够创建、总结、发现和自动化任务。

第 0 步：列明部署生成式 AI 的理由并确定可能实现的目标

• 识别限制工作效率的流程： 通过削减繁琐任务，给员工更多空间来发挥创意。
• 知识库： 包含各类信息性内容，如支持文章或内部流程，可以被收纳其中。
• 确定您想要首先解决的生成式 AI 用例： 将生成式 AI 融入运营的关键第一步。

第 2 部分：将生成式 AI 融入运营

• 确定您所期望的理想结果： 决定用户将如何与您的解决方案进行交互，例如增强搜索应用程序或聊天机器人。
• 评估影响。衡量成效： 制定一套关键绩效指标 (KPI)，帮助衡量对您而言的“优秀”意味着什么。
• 选择一个模型（未来行动计划）： 预训练 LLM、微调模型、RAG，需要根据成本、语言、IT 生态系统、部署能力和时间表、数据隐私法规以及管治来选择。
• 大胆试错，快速迭代： 建立反馈循环、扩充您的 LLM、优化用户体验、建立一个可扩展的参考架构。
• 管治与运维： 考虑成本管理、日志、确定回应情感、监测幻觉、标记不确定的答案等因素。
• 设定时间表。给出基准点： 列出一个时间框架，比如以一个季度为例，设立 30 天和 90 天的目标。

新时代大幕已经开启

• 生成式 AI 的创新正在飞速发展，成功都离不开坚实的基础。
• 制定最符合自身需求的生成式 AI 实施策略，可以帮助您充分发挥数据的价值。
• 根据运营需求定制和调整 AI 工具，可以确保其相关性和有效性。
• 必须负责任地处理数据隐私保护、安全性以及敏感性和伦理问题。
• 生成式 AI 还提供了一个机会，让公司内的所有人都能使用这项技术并提升技能。