采购Copilot许可,只能算是在办公场景下有策略地安全运用AI技术的一小步。
相信很多朋友对《蜘蛛侠》电影中“能力越大,责任越大”的经典台词印象深刻。企业领导者同样如此,在围绕AI技术开展的规划和筹备当中,这应当成为一条重要的指导性原则。
2024年初,微软发布了AI助手Copilot for Microsoft 365,广泛面向不同规模组织开放使用。这对企业用户而言无疑是一个巨大的机会,有望把握AI带来的强大生产力提升。
但合规性、数据隐私与工作中断等显著风险也随之而来。为了确保能成功采用AI技术并降低与之相关的风险,企业经营者必须主动出击,认真谨慎地谋篇布局。
微软Copilot能够完成一系列令人印象深刻的任务,包括即时总结大量内容,检索并整理多个文件中的信息,分析数据,以及起草电子邮件、文章和演示文稿。
早期采用者达成的实效也证明,该工具确实能在办公场景下发挥积极作用。根据微软介绍,70%的用户发现Copilot提高了自己的工作效率,57%的用户认为Copilot强化了自己的创造力,68%的用户则表示Copilot改善了自己的工作质量。
换句话说,Copilot拥有改变工作方式的巨大潜力。能够为AI技术应用做好准备的组织将快速推动生产力提升,将其他竞争对手甩在身后。而且这种领先效应就如同复利计算,能够持续自我放大。Copilot与其他同类AI工具将在使用过程中学习和改进,因此当下的投资不仅能够带来短期收益,更将随时间推移而持续扩大回报。
有些朋友可能还在怀疑Copilot及其他AI工具在办公场景下的普及程度,那我们不妨用一组数据进行比对:互联网经过七年时间才积累下1亿用户。而为了达成同一规模里程碑,Facebook花了四年半,ChatGPT则仅仅用了两个月。AI技术的浪潮即将到来,这股浪潮已经到来,而且疾如闪电、根本不可阻挡。
采购Copilot许可,只能算是在办公场景下有策略地安全运用AI技术的一小步。在员工们实际使用Copilot之前,组织需要首先完成以下四个AI就绪预热步骤:
1. 对领导层开展AI与Copilot相关教育。成功的Microsoft 365 Copilot就绪之旅,其第一步应该是获得领导层的全面支持。高管团队需要了解AI的总体功能与Copilot的具体特性,确定其在整个组织内的实际用例,以及哪些职能角色将从AI助理中受益最多。
2. 对Copilot技术就绪情况进行评估。这也是企业在部署AI时面临的一大关键障碍。数据必须位于正确的位置,以便Copilot能够灵活访问并据此提供有价值建议。同时,组织还须确保Copilot只能访问到必要数据,例如用户不得通过Copilot接触到员工工资或监管机构所控制的信息。
简而言之,围绕数据保留下数据共享建立起适当的访问控制与策略才是重中之重。微软也确实提供一款名叫Microsoft Purview的工具,用于帮助组织管理、保护和治理数据,但众多组织还希望求助于值得信赖的第三方以协助解决AI筹备带来的一系列高风险因素。
3. 制定Copilot采用规划。即使是以往生产力最高的组织也能从Copilot中获取受益,但我们不可能直接打开这款工具,就指望着获得惊人的赋能成效。领导者和员工必须重新评估自己的工作流程,确保这款工具能够在哪些方面更好地提高生产力。比如哪些日常任务在占用大量时间,Copilot又能如何介入以帮助减轻工作量、让员工专注于处理价值回报更高的任务?
此外,为了确保Copilot的广泛普及,领导者还必须组织关于Copilot及其功能特性的内部培训。培训课程应包含提示词工程——毕竟输入Copilot的提示词质量,将直接决定该工具输出结果的质量。微软Copilot Lab就是一款很棒的工具,能够针对多种特定场景提供提示词工程指导和建议。
4. 围绕Copilot制定短期与长期发展目标。组织应该明确自己希望通过Copilot实现哪些目标。举例来说,在企业内部提高生产力、减少非必要会议、加快销售线索的响应以及推动各部门间的顺畅协作等。请注意区分短期目标与长期目标,之后利用Copilot仪表板跟踪该工具对于生产力的实际影响。这套仪表板能提供多种实用指标,例如活跃用户数量、他们正在使用哪些Copilot功能、具体节约了多少时间等。
现在正是行动起来,为Copilot全面普及做好准备的最佳时机。在未来一、两年内,率先采用Copilot的组织将迎来令人印象深刻的生产力提升。更重要的是,Copilot工具将在整个过程中不断改进,发展成越来越强大的生产加速助推器。
好文章,需要你的鼓励
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
T-Tech公司研究团队开发了SAE Boost助推器系统,通过训练专门的"错误补偿器"来增强AI理解工具对专业领域的理解能力。该系统在化学、俄语和外交等领域测试中显示出显著改进效果,同时完全保持原有通用能力。这种模块化设计为AI系统的持续优化提供了安全可靠的路径,对AI可解释性研究具有重要意义。
阿里巴巴通义千问团队发布开源编程模型Qwen3-Coder-480B-A35B-Instruct,专门用于软件开发辅助。该模型采用混合专家架构,拥有4800亿参数,支持25.6万token上下文长度,可在数秒内创建完整功能应用。在SWE-bench基准测试中得分67.0%,表现优于GPT-4和Gemini。模型基于Apache 2.0开源许可,企业可免费使用。AI研究者称其可能是目前最佳编程模型,特别适合企业级代码库理解、自动化代码审查和CI/CD系统集成。
斯坦福大学研究团队开发出革命性AI系统,能够像生物学家一样"看懂"蛋白质三维结构并预测功能。该系统通过多层次分析方法,在蛋白质功能预测方面达到90%以上准确率,为新药开发和精准医疗开辟新道路。这项技术不仅加速了蛋白质研究进程,更为解决复杂疾病提供了强大的AI助手,预示着人工智能与生物医学融合的美好前景。