到目前为止，高级聊天机器人、数字助理和编码助手似乎是新一代人工智能在商业领域应用的一些最佳领域。

来源：Jacob Lund / Shutterstock

【睿观：生成式AI为企业带来了前所未有的机遇，但也伴随着一些挑战。企业应以审慎的态度拥抱这项技术，结合自身实际情况，选择合适的应用场景，并不断探索和创新，才能真正发挥生成式AI的潜力，推动业务发展。

1.生成式AI正在重塑客户交互和内部效率，但幻觉风险和投资回报率仍需关注： 高级聊天机器人和数字助理在改善客户服务和提高内部效率方面的潜力。例如，Bolt使用智能聊天机器人处理客户投诉，德国电信使用AI助手处理大量客户互动。数字助理可以辅助完成各种任务，例如信息检索、文档创建和会议总结。然而，也要关注 使用生成式AI的挑战，特别是“幻觉”问题，即AI生成不正确或无意义的内容。此外，企业在投资这些技术时，需要仔细评估其投资回报率，确保实际应用能够带来预期的效益。因此，企业在部署生成式AI时，应优先考虑风险较低的应用场景，并建立有效的监控和纠错机制。

2.生成式AI赋能特定行业和业务流程，定制化和专业化是关键： 分析药物研发、网络安全、业务流程增强和预测分析等多个特定行业的应用案例，例如Gen AI用于药物研发中的分子建模和相互作用预测，以及用于金融和保险行业的风险评估。这些案例表明，生成式AI在解决特定行业和业务流程中的复杂问题方面具有巨大潜力。此外，数字助理可以针对特定需求进行专门设计，例如在采购敏感化学品时添加特殊处理说明。这说明，企业在应用生成式AI时，需要根据自身的具体需求进行定制化和专业化的开发和部署，才能最大程度地发挥其效用。

3.从非结构化数据中提取洞察是生成式AI的重要优势，多模态输入将是未来的发展趋势：生成式AI能够从以前难以处理的非结构化数据（如文本、视频和语音消息）中提取有价值的信息。例如，FourKites使用AI从视频监控系统中提取数据，用于航运和跟踪。这表明，生成式AI正在帮助企业解锁以前未被利用的数据资产，从而获得更深入的业务洞察。此外，多模态输入（例如图像和视频）将是未来的发展趋势。这意味着，未来的生成式AI系统将能够处理更丰富的数据类型，从而提供更全面和准确的信息。企业应积极探索如何利用生成式AI处理非结构化数据，并关注多模态输入技术的发展，以便在未来的竞争中保持领先地位。】

2022年 11 月 ChatGPT 的推出引发了生成式人工智能淘金热，各大企业纷纷采用这项技术并展示创新。

当今企业中根深蒂固的许多AI用例都使用较老、较成熟的 AI 形式，例如机器学习，或者没有利用 AI 的“生成”功能来生成文本、图片和其他数据。传统的聊天机器人、产品推荐引擎和其他一些有用的工具可能仅依赖于早期形式的 AI。

企业AI 平台提供商 Domino Data Lab 的 AI 战略主管 Kjell Carlsson 表示，一些行业（例如生物技术）正在寻找使用新一代 AI 的方法，但许多尝试该技术的企业迄今为止发现的用例数量有限。他说，对于许多企业来说，新一代 AI 的投资回报难以捉摸。

“现实情况是，很多用户没有足够的[信息]来制定利用生成式人工智能用例的人工智能战略，而且他们无法快速获得足够的价值，”他补充道。“他们正在大力推广几个用例，但他们也在构建传统机器学习和‘预测性’人工智能用例组合。”

许多人工智能专家表示，目前生成式人工智能的用例只是冰山一角。随着生成式人工智能变得更加强大以及用户在实验中变得更加富有创意，更多的用例将会出现。

然而，一些新一代人工智能用例已经涌现。以下是一些最受欢迎和最有前景的用例。

一、高级聊天机器人

虽然使用单词和短语识别的简单聊天机器人已经存在了几十年，但具有新一代人工智能功能的新型聊天机器人可以在处理许多客户请求时使对话听起来更自然。

IT分析师 Forrester 将语言人工智能和人工智能代理列为2024 年十大新兴技术之一。例如，欧洲拼车和送货服务 Bolt 已经部署了一个智能聊天机器人来处理大多数客户投诉，从而节省了大量成本。

卡尔森指出，许多尝试使用人工智能的公司都担心幻觉，但对于低水平的客户投诉，几次失误并不是什么大问题。“如果我们不小心进去免费提供一顿饭，而我们本应该拒绝给某人一顿饭的信用，那么风险非常低，”他说。

另一个例子是，德国电信使用人工智能来改进其Frag Magenta 人工智能助手，该公司预计聊天助手每年将能够处理 3800 万次客户互动。

二、数字助理

包括微软和谷歌在内的多家大型IT 公司一直在大力推广人工智能数字助理，即副驾驶，尽管首席信息官们可能并不完全看好它们的投资回报率。这些助理可以搜索组织内部的黑暗角落以获取信息、创建文档和幻灯片演示，并总结电子邮件链和视频会议。副驾驶人工智能还可以生成供应链文档，例如向供应商索要报价。

一些视频会议应用程序现在可以生成转录和摘要，Otter.ai等独立工具也是如此。Grammarly 等应用程序可以纠正语法、拼写和标点符号中的错误。

人工智能辅助采购解决方案提供商Labviva 联合创始人兼首席技术官 Nick Rioux 表示，数字助理还可以针对特定需求进行专门设计。例如，如果一家公司定期采购敏感化学或生物化合物，那么人工智能可以在采购订单中添加特殊处理说明。

他说：“企业生成人工智能最有前景的用例是那些通过增强功能（如内容生成、建议和手动任务自动化）简化人类任务的案例。”

三、编码助手

最常见的人工智能用例之一是编码助手。人工智能可以编写基本的软件代码，让人类程序员专注于更复杂的任务。

数据编排初创公司Astronomer 的首席技术官 Julian LaNeve 表示，这些代码副驾驶员还可以帮助程序员在遇到问题时专注于代码，而不是求助于搜索引擎或其他资源来寻找答案。

“他们可以编写代码注释，让 LLM 为他们完成代码，”他提到大型语言模型时说道。“这可以让开发人员处于我们所说的‘心流状态’和‘专注状态’，而不是分散注意力去搜索示例。”

人工智能咨询公司GenEdge Consulting 创始人兼执行合伙人 Natalie Lambert 补充说，Gen AI 对网站开发特别有帮助。通过创建网站代码，Gen AI 可以显著减少更新网站所需的时间和成本。

“通过利用ChatGPT 等工具，即使没有深厚技术专业知识的用户也可以直接在他们的网站上开发和实施代码，”她说。“这使开发过程变得民主化，让网络专家能够在人工智能的帮助下实现他们的愿景。”

许多在整个软件开发生命周期中实施人工智能的企业目前正在努力解决该技术的局限性和团队影响，以及他们自己的经验教训。

四、营销支持

一些人工智能专家和用户指出，营销支持是新一代人工智能的优势之一。安全即时通讯工具提供商Brosix 的联合创始人兼首席执行官 Stefan Chekanov 表示，新一代人工智能可以创建个性化的营销材料、分析客户数据并协助创建内容。

“根据我的经验，在人工智能的帮助下，内容创作和社交媒体管理会更加高效，”他说。“花在琐碎的调度、优化和编辑上的时间更少，意味着专家可以专注于高价值的任务，这相当于节省了成本。”

其他人表示，Gen AI可以根据产品评论进行市场分析，甚至可以在客户意识到问题之前预测客户问题。

“对于产品公司来说，了解客户反馈至关重要，”银行和保险提供商USAA 的人工智能和数据科学总监 Aswini Thota 表示。“他们需要知道客户喜欢或不喜欢什么、新兴趋势、区域偏好以及客户如何评价新产品。”

他说，Gen AI可以从产品评论中提取客户见解，而公司无需委托调查。在 Gen AI 出现之前，数据科学家构建了自定义自然语言处理 (NLP) 模型，用于情绪分析和意图提取，但 Gen AI 为这些早期工作增添了新内容。

Thota补充道：“Gen AI 允许我们在同一数据集上制作多个提示，只需按一下按钮，组织就可以提取情绪、讨论主题和预期用途。”

五、药物研发

人工智能基础设施平台CUDO Compute 的首席营销官 Lars Nyman 表示， Gen AI 正在用于药物研发，通过对复杂分子进行建模并预测其相互作用，“其速度之快让传统方法看起来就像停留在拨号上网时代”。他表示，Gen AI 可以大大缩短新药上市所需的时间。

全球IT 服务提供商 MSRcosmos 表示，Gen AI 可以帮助制药公司预测药物相互作用、重新利用现有药物并根据患者的基因组成制定个性化疗法。

2024年初，NVIDIA 宣布推出面向医疗行业的 AI 驱动的 Clara 计算平台，以及用于药物研发的新一代 AI 平台 BioNeMo。

包括强生公司在内的一些生物科技和制药公司正在推动人工智能成为药物研发的下一个重大突破。

六、网络安全和欺诈检测

多家网络安全公司正在使用人工智能来增强工具，以查找客户网络和计算基础设施上的可疑或异常行为。对话式自动化解决方案提供商Conversica 的首席执行官 Jim Kaskade 表示，人工智能系统还可用于高级欺诈检测，通过分析交易模式和用户行为，可以非常准确地预测欺诈活动。

例如，Palo Alto Networks提供Cortex XSIAM安全运营平台，该平台结合了该公司在 ML 模型和数据存储方面的专业知识以及 Google 的 BigQuery 企业数据仓库及其 Gemini AI 模型。目标是实时向安全分析师发出威胁警报，同时网络安全平台不断了解新威胁。

七、业务流程增强

生成式人工智能在企业业务流程增强方面找到了最佳点。在这方面，公司正在探索使用生成式人工智能来提高业务关键型工作流程的效率，这些工作流程通常是其垂直行业所独有的。

例如，金融和保险行业的一些公司正在使用人工智能帮助承销商评估潜在客户。Credibly 是一个面向小型企业的贷款平台，该公司联合首席执行官兼创始人 Ryan Rosett 表示，该公司使用人工智能与机器学习相结合来评估贷款风险并加快贷款流程。

“Credibly正在利用 Gen AI 为我们的承销商提供超能力，”他说。“作为一家金融科技贷款公司，我们的成功取决于对寻求融资的企业主进行快速而准确的风险评估。”

安永的一项调查显示，截至2023 年底，几乎所有保险公司都已采用或对其感兴趣。约 42% 的保险公司已经投资了人工智能，约三分之二的保险公司预计通过使用人工智能，收入将增长 10% 以上。

在法律领域，法律信息服务巨头LexisNexis正在拥抱生成式人工智能，以应对执行副总裁兼首席技术官 Jeff Reihl 所认为的该公司所在行业的颠覆性威胁。

“我们全员上阵，”Reihl 告诉 CIO.com。“我们做了一个重大调整，因为从交互能力、答案的全面性和数据生成能力来看，这都是一个游戏规则的改变。它的能力令人震惊。”

LexisNexis此后发布了自己的生成式 AI 解决方案 Lexis+ AI，提供链接的法律引文，确保律师能够获得准确、最新的法律先例。

八、预测分析

虽然新一代人工智能模型传统上擅长检索和总结信息，但组织现在正在使用该技术进行预测分析。

例如，人工智能和机器人风险投资基金Interwoven Ventures 的普通合伙人 Erez Agmoni 表示，一些公司使用人工智能来预测航运时间表。

航运公司马士基前人工智能和机器人部署主管阿格莫尼表示，由传统人工智能驱动的预测分析并不是什么新鲜事，但新一代人工智能在这一任务中表现出色，因为它能够处理非结构化数据，而不需要预定义的算法。

他说，运输时间表难以预测，有多种因素会影响货物到达最终目的地的时间。仅靠查看历史数据的简单算法不足以提供准确的交货日期。

托运人需要多个系统来共享过去和当前的数据，包括多条航线的表现、天气、劳动力绩效和金融市场状况等信息。“能够解决像这样的问题可以为参与者带来数十亿美元的收益，这使得人们迫切希望找到解决方案，”阿格莫尼说。

九、从多个来源提取非结构化数据

最复杂的大语言模型（LLM）可以帮助组织的人工智能战略利用以前未开发的非结构化文本、视频和语音消息数据。例如，供应链可视化平台供应商 FourKites 的执行副总裁 Sriram Nagaswamy 表示，一些组织正在使用人工智能从视频监控系统中提取数据。

他说：“我们在人工智能领域看到的最令人兴奋的突破之一是能够提取各种应用程序中可用的非结构化数据，但以前这些数据过于繁琐或耗时，这有可能彻底改变市场。”

例如，许多航运港口都配有摄像头，并定期更新。

“如果我们开始捕捉这些画面，我们只需查看车牌或集装箱号，就能准确知道哪些卡车进出。”他说。“大多数港口都有这些摄像头24/7 全天候可用，因此数据的民主化和更自然的数据收集方式将是最容易实现的成果，可以解锁有价值的航运和跟踪见解。”

Nagaswamy看到，具有处理多模式输入和输出能力的 LLM 的采用趋势很大，尽管准确率可能无法立即达到 99%。

纳加斯瓦米说：“随着人们逐渐习惯与大语言模型（LLM）交谈或发送图像或视频这一简单方式，我们将在未来一年看到这一功能在民主化方面取得重大进展。”