生成式AI为企业带来了巨大的机遇，但同时也带来了挑战。通过找到合适的应用场景、选择合适的技术、将用例转化为收入并制定长期创新计划，企业可以成功地将生成式AI从概念转化为现实，并创造出真正的价值。以下是如何确保你关于人工智能的好点子转化为能帮助人们从新兴技术中获益的东西。
图源：Eugene Mymrin/Getty Images
在OpenAI（在美国成立的人工智能研究公司，核心宗旨在于“实现安全的通用人工智能，AGI”，使其有益于人类。OpenAI于2015年由一群科技领袖，包括山姆·阿尔特曼、彼得·泰尔、里德·霍夫曼和埃隆·马斯克等人创办。）推出ChatGPT（是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务。）两年后，生成式人工智能已经达到了行业专家公开质疑这项新兴技术是否被过度炒作的地步。
Gartner（高德纳，Gartner Group公司成立于1979年，它是第一家信息技术研究和分析的公司。它为有需要的技术用户来提供专门的服务。Gartner已经成为了一家独立的咨询公司，Gartner公司的服务主要是迎合中型公司的需要，它希望使自己的业务覆盖到IT行业的所有领域，从而让自己成为每一位用户的一站式信息技术服务公司。）最近预测，到2025年底，至少30%的生成式人工智能项目将在概念验证阶段后被放弃。这样的失败意味着分析师表示，该技术在其最新的新兴技术炒作周期中已经达到了“trough of disillusionment（泡沫幻灭低谷期，指由于技术未能满足过高的期望，人们开始失望。市场兴趣开始下降，批评增多。）”。
对于生成式人工智能来说，这种滑入创新深渊是一个巨大的落差。去年，科技公司的首席执行官们开始他们的主旨会议演讲时，还会激动地谈论着一波人工智能驱动的产品浪潮。
如今，经常听到同样的首席执行官们甚至会为提到生成式人工智能而道歉。这些科技老板们认识到专业人士对生成式人工智能感到失望。一项有望大幅提升生产力的技术常常被困在起跑线上。
然而，一些高管正在超越探索阶段，帮助他们的组织拥抱生成式人工智能。以旅游专家Tripadvisor（是全球领先的旅游网站，主要提供来自全球旅行者的点评和建议，覆盖全球的酒店、景点、餐厅、航空公司，以及旅行规划和酒店、景点、餐厅预订功能。）的数据和人工智能负责人Rahul Todkar（拉胡尔·托德卡）为例，他告诉笔者，这项技术是游戏规则的改变者。
图示：Todkar：“I'm a believer in generative AI technologies.”/Todkar（托德卡）：“我是生成式人工智能技术的信徒。”
图源：Tripadvisor
“我是生成式人工智能技术的信徒，”他说，“有很多关于‘这是真的还是炒作？’的讨论。我站队‘这项技术的影响和好处是真实的’这一阵营。我们已经在我们公司看到了这一点。”
Todkar（托德卡）解释了Tripadvisor如何在生产服务中使用生成式人工智能，来造福其客户和公司的利润。
一、找到一个合适的挑战
Todkar（托德卡）说，TripAdvisor认识到，为旅行者规划一次成功的旅行是个普遍的痛点。“我们在这一领域有很多不同的产品和解决方案，”他说。
“但是对于生成式人工智能，我们一直在思考的是，‘我们如何从让旅行者感到超级简单、愉快和高度个性化的角度重新构想这个过程？’”
Todkar（托德卡）表示，他在TripAdvisor的团队一直在进行一项由数据驱动的使命，以改变客户体验。
他们利用公司庞大的客户数据存储，使用生成式人工智能、大型语言模型和内部开发的推荐引擎为旅行者创建个性化内容。
作为这项符合隐私要求的开发工作的结果是TripAdvisor的旅行计划解决方案。“我们能够在九个月的时间里推出、迭代和完善这个工具，”他说。
“这个工具的应用情况非常棒。我们最近通过生成式人工智能解决方案创建了超过一百万个旅行方案，在我看来，这是一个巨大的里程碑。”
Todkar（托德卡）说，这些应用量只是衡量工具成功的一个指标。这项技术也有助于提升客户体验和参与度，且该技术有助于为进一步的成功指明方向。
“这非常吸引人，”他说，“我认为这对企业和我们的客户来说都是双赢。这是一个伟大的创新，我们将最新技术与用户体验结合在了一起。”
二、使用正确的技术
像TripAdvisor的旅行规划解决方案这样成功的人工智能解决方案只是冰山一角，Todkar（托德卡）表示，他的公司的基础技术工作集中在两个领域：基础和模型。
“这一切都始于将数据放在正确的位置，”他指的是公司部署的Snowflake AI Data Cloud for Travel and Hospitality（是Snowflake公司为旅游和酒店行业提供的一个数据云服务解决方案。该服务旨在帮助旅游和酒店行业的客户更好地管理和分析数据，以优化业务运营和提升客户体验。），“很多时候，很容易对使生成式人工智能解决方案成功所需的基础数据关注不够，”Todkar（托德卡）说。
“所以，从实验到生产始于数据——将所有数据放在一个地方，这就是我们使用Snowflake（是一家国外的SaaS公司,主要提供数据仓库和分析解决方案,为企业提供了一站式数据解决方案。）的地方。这是底层技术。”
Todkar（托德卡）表示，说他的数据团队使用这些基于云的基础来构建一种“深思熟虑的方法”来处理生成式人工智能，结合最好的大型LLMs（大型语言模型。是使用深度学习算法处理和理解自然语言的基础机器学习模型。这些模型在大量文本数据上进行训练，以学习语言中的模式和实体关系。LLM可以执行多种类型的语言任务，例如翻译语言、分析情绪、聊天机器人对话等。）和内部开发工作。
“我们使用现成的商业大模型——也就是OpenAI，我们使用了很多GPT系列的模型——然后将该技术与我们内部的推荐系统模型结合起来，这些模型是我们随着时间的推移获得专利并构建的，”他说。
“我们可以通过应用不同的模型并以一种能做出上下文相关推荐的方式进行包装，为旅行者创造最佳体验。”
三、将用例转化为收入
生成式人工智能的正确用例也会产生其他好处。Todkar（托德卡）说满意的客户增加了Tripadvisor的收入。
“我们已经看到，当旅行者找到正确的推荐时——这些建议对他们来说是个性化的，并且与他们想要做的事情相关——对这些特定建议的参与度会有很大不同，”他说，“这项技术提供了高达三倍的参与度——这种参与度可以增加客户在我们网站的停留时间并增加收入。”
他举了一个四口之家都是素食者（包括两个孩子）的例子，他们使用旅行计划工具来获得个性化的度假推荐。“如果我和我的孩子们一起去Napa（纳帕谷/Napa Valley，是美国著名的酒谷、著名的加州葡萄酒产地，位于美国加利福尼亚州旧金山以北的纳帕市，以生产葡萄酒而闻名，其知名度就像中国贵州的茅台和山西的杏花村一样，人们一般就叫它纳帕。）旅行，当我要求推荐时，可想而知酒庄将不在我考虑的范围内，”他说。
“所以，请根据这些帮我推荐一个在Napa方便的落脚处。当我寻找我的餐厅用餐选项时，如果我是素食者，请帮我选择一个合适的地方。”Todkar（托德卡）说，根据旅行者需求定制的人工智能推荐会大大增加参与度。
“我们看到的是用户喜欢这种程度的个性化。这个过程背后是我们拥有的大量数据做支持，”他说，“我们的论坛中有大量数据，用户在其中聊天、互动和讨论旅行。所有这些简介都融入了我们的个性化推荐中。”
四、制定长期创新计划
Tripadvisor正在探索生成式人工智能的其他用例。其中一个用例，review summarization/评论总结，已经投入应用约六个月了。Todkar（托德卡）说这个应用程序说明了公司计划如何用新兴技术做更多事情。
“比方说，芝加哥有一家很棒的披萨店，有数百条评论。没有人有能力和时间通读所有这些评论，”他说，“那么，你如何用关键的、有意义的指标来总结呢，比如‘这是餐厅最好的地方，这些是需要注意的事项？’”
“我们已经使用生成式人工智能和大型语言模型完成了所有这些评论总结。”
从长远来看，Todkar（托德卡）认为生成式人工智能可以用来为用户创造互动和多模态体验。他说TripAdvisor网站上有大约5亿张图片，包括用户发布的照片和业主提供的图片。这些图片可以用于创建个性化推荐和新的参与度和体验水平。
“我们的网站上有大量的照片收藏，可以用于模型，”他说。
“如果你在找一家餐厅，且你是素食者，你当然不想看到牛排的图片。所以，我们呈现的图片可以个性化 —— 这是我们正在攻克的下一个前沿领域。这是我们拥抱这些机会的未来之路。”
作者：Mark Samuels（马克·萨缪尔斯）
译者：宝蓝
【睿观：
生成式AI是一项具有巨大潜力的技术，但要将其转化为实际应用并创造价值，企业需要克服概念验证阶段的挑战，将技术与业务需求紧密结合。
明确痛点： 针对用户普遍存在的痛点，如旅行规划的复杂性，利用AI提供个性化、高效的解决方案。
数据驱动： 基于庞大的用户数据，构建个性化推荐模型，提升用户体验。
坚实基础： 建立强大的数据基础设施，如数据云平台，为AI模型提供高质量数据。
模型组合： 结合商用大模型和内部开发的模型，打造更精准、高效的解决方案。
提升用户参与度： 个性化推荐能够显著提升用户参与度，增加网站停留时间。
创造新收入来源： 通过提供更精准、个性化的服务，增加用户付费意愿。
持续探索新应用： 不断挖掘AI在不同业务场景中的应用潜力，如评论总结、多模态体验。
构建技术壁垒： 通过不断创新和积累技术经验，建立竞争优势。
生成式AI不是炒作，而是实实在在的生产力工具。
成功的关键在于将技术与业务需求紧密结合，并持续迭代优化。
数据是AI发展的基石，高质量的数据能够显著提升模型效果。
个性化是AI应用的关键，通过满足用户个性化需求，可以提升用户满意度和忠诚度。】
