“理性的人让自己适应世界,非理性的人坚持改变世界,让世界适应自己。因此,所有进步都取决于非理性的人。”萧伯纳的这句名言在人工智能(AI)飞速发展的今天似乎更具启示意义。当AI浪潮席卷而来,企业如何才能不被时代抛弃,真正享受到技术进步带来的红利?某跨国制造业企业数字化总监王益民的观点或许能给我们带来一些启发。
AI落地:企业应用的“最后一公里”困局
近年来,人工智能尤其是生成式人工智能(AIGC)成为了炙手可热的话题。从机器视觉识别到自然语言处理,AI技术的应用范围不断扩大,为各行各业带来了巨大的想象空间。然而,在企业应用领域AI落地却面临着“最后一公里”的难题。
王益民指出,尽管AI技术已经发展多年,但在制造业中,除了机器视觉识别和质量控制等少数领域外,大部分AI应用场景和投资回报率并不高。企业在寻找合适的AI应用场景上依然困难重重。
这一现象背后的原因是什么?无论CIO也好还是企业的业务负责人也好,思考的关键是如何才能找到AI应用的“突破口”。王益民认为:“找到合适的场景,即找到AI这把‘锤子’可以敲入的‘钉子’”。
王益民着重指出,“寻找‘钉子’要从业务需求的具体场景出发,以ROI为导向。”
然而如何才能找到AI应用的“钉子”?
王益民表示,企业需要从以下几个方面着手:“首先,要以业务场景需求为导向。AI不是为了应用而应用,而是要解决实际的业务问题。企业应该从自身业务需求出发,寻找那些可以通过AI技术提升效率、降低成本、优化流程的场景。”
“其次,要以ROI为导向,企业在选择AI应用场景时,要关注投资回报率。选择那些能够带来显著效益的场景,这才能真正体现AI技术的价值。”
“在AI推进中要从小处着手,逐步推广。AI应用可以先从一些小型的、容易实现的场景入手,逐步积累经验,然后再推广到更广泛的领域。”
“打破经验主义,拥抱创新。AI时代,企业需要打破传统的经验主义思维,原有的经验、甚至原有的大型供应商由于其规模、风险偏好会变得保守、难以调整方向,反而一些新兴的、敢于创新的小型供应商更具活力与创新精神,企业应与这样的供应商一起积极拥抱创新、共同成长,才能找到AI应用的新思路。”
AI应用的“成功案例”与未来展望
王益民以本企业为例,分享了一些AI应用的成功案例,他指出:“在人力资源场景,通过AI进行简历筛选和打分,可以大幅提升招聘效率,从而节省人力成本。在公司法务方面:利用AI进行合同审核,可以降低对外部律师事务所的依赖,大幅节省了企业的法律费用。AI客服的应用也更加普及,企业的400客服通过AI客服机器人可以替代部分人工,实现7*24小时在线服务,大幅提升客户满意度和响应速度。企业知识管理的潜能巨大,AI可以帮助企业进行知识检索、文档分析等大量繁琐的的文档工作,提高知识管的理效率。”
这些案例表明,AI技术已经可以为企业带来实实在在的效益。随着技术的进步和应用的深入,AI将为企业带来更多可能性。
当然,AI的应用也并非一帆风顺。AI结果的准确性、数据安全、算法偏见、伦理风险等问题都需要企业认真面对和解决。王益民强调:“AI的准确性方面是大家普遍遇到的难题,正所谓‘垃圾进、垃圾出’,在这方面的工作企业没有可以取巧的地方,只能认真积累,提升数据治理水平,不断优化数据的准确性逐步减少模型幻觉。”
抓住AI机遇,迎接智能未来
人工智能时代已经到来,企业需要积极拥抱AI,寻找应用场景,才能在未来的竞争中立于不败之地。
正如王益民所说,AI就像一把“锤子”,企业需要找到合适的“钉子”才能真正发挥AI的价值。在AI应用的道路上,企业需要保持理性也要敢于创新,才能真正抓住AI机遇,迎接智能未来。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。