最近，生成式人工智能因其新穎、獨特的應用和對商業世界的潛在影響而受到關注。
但是，就像任何新發明一樣，人們對它到底是什麼以及它能做什麼存在一些困惑做。我們採訪了 3Pillar 的首席傳播者 Scott Varho，他認為公司不應該急於採用生成式 AI沒有考慮他們的需求和潛在價值。
BN:我們都聽過流行語，但究竟什麼是生成式 AI?
SV:生成式 AI 是人工智能的一種形式淨新內容，包括文本、圖像或語音。例如，聊天交互模型 ChatGPT 能夠與用戶進行對話。它能夠回答後續問題、承認錯誤、挑戰用戶並識別不適當的請求。
通過簡單地輸入一個快速短語，像 ChatGPT 這樣的生成式 AI 可以創建完整的博客文章、詩歌、歌詞、代碼、藝術品等等。在生成式 AI 出現之前，AI 和機器學習 (ML) 只能分析現有數據或根據現有數據採取行動。
BN:這可以為企業帶來哪些好處?
SV:除了創建新內容外，生成式 AI 還顯示出以下潛力:
數據生成:創建大量合成數據或關於數據的數據，可以訓練其他機器學習模型或測試新產品和服務.數據合成:挖掘大型數據集以突出潛在有價值的模式 個性化:在產品體驗或數字化服務中為用戶提供個性化體驗和/或內容。自動化:自動執行重複性任務，例如數據輸入或圖像註釋，這可以節省企業的時間和金錢。
雖然生成式 AI 可能會對商業世界產生重大影響，但請務必注意，具體收益會因業務、行業以及技術的應用方式而異。關於人類和數據的心理，我了解到的一件事是，他們不願意根據他們不確定的數據做出相應的決定是否準確或是否能說明全貌。當他們不了解數據是如何生成的時，這種自然的（和健康的）懷疑會增加。
BN:考慮採用該技術時的主要考慮因素是什麼?
SV:就像任何閃亮的新發明一樣，公司不應該在不考慮公司的真正需求和潛在價值的情況下急於採用生成式人工智能。新發明引起轟動和關注，但真正的創新是以創造價值的新方式做或使用某事。已經存在很長時間的東西可能比新穎的東西更具創新性（產生更大的價值）。例如，與其使用 ML 這樣的發明來推薦產品，不如構建決策樹來推動產品推薦——而且維護成本更低。
簡而言之，公司無法接受新的為了技術而技術。在考慮是否使用生成式人工智能時，企業需要考慮其目標市場的需求，找出技術背後的“原因”，並以精益方式測試應用程序，以了解其真正的價值潛力和局限性。價值應該是構建具有業務影響和推進數字化轉型的數字產品的北極星。
BN:哪些行業可能從生成式 AI 中獲益最多?
SV:許多領域都可以從生成式 AI 中受益，因為它可以快速創建新的內容和想法。例如，創意產業可以使用生成人工智能作為藝術、音樂和文學作品的起點。營銷和廣告可以將其內容生成功能用於抵押品和活動。生成式 AI 還可以幫助開發新的想法和假設，對研究領域很有用。
謹慎地說，生成式 AI 可能會影響產品設計和開發。然而，真正的創新需要工匠的協作，他們最終擁有做出高度戰略性業務決策的技能。良好的判斷力和關於權衡取捨的公開討論是在短期和長期內提供產品價值的關鍵因素，這是任何形式的人工智能都無法做到的。
最終，生成式人工智能應該幫助人類和使它們更有效率，而不是完全取代它們。它應該消除重複、乏味的任務，但不會接管批判性思維、洞察力和決策制定。不過，在它做任何事情之前，應該仔細考慮並測試人工智能在上下文中的價值。
BN:您認為我們距離廣泛採用還有多遠?
SV:這是一個“水晶球”問題，存在激烈的爭論。如果我們看看另一種已經出現但採用速度比預期慢的技術，我們可以看看自動駕駛汽車。該技術現在已有數年曆史，但完善它的過程以及承擔必要的法律和財務方面的努力（即對可能由自主系統引起的事故的保險索賠）花費了更長的時間。我們將看到兩種力量在採用過程中發揮作用:急於宣稱一些炒作，而為客戶提供價值的實際工作仍在繼續。
我已經與那些擁有“人工智能驅動”的企業領導者交談過產品的客戶正在積極支付。當被問及他們從這些產品的 AI 部分中獲得了多少收益時，他們只承認了很少。該技術仍處於初期階段，需要大量培訓，並且只能執行其設計目的。儘管如此，ChatGPT 已經表明它可以提供一種替代體驗來搜索網絡知識，這是谷歌非常重視的威脅。
與此同時，人工智能生成的任何類型的內容都是基於當涉及到歸屬和版稅時，由擁有權利的人創作的材料將受到挑戰。鑑於這些因素，我想說我們會看到很多聲稱正在使用人工智能（利用炒作），而實際採用仍然是這些產品和服務的外圍或補充的核心。那些搶在前面並想出如何應用這些技術來創造價值的人可能會成為其更大的市場現有企業的收購目標。
如果我必須做出預測，則距離廣泛採用還有五到五年的時間七年後。採用的主要障礙之一是組織的執行和執行級別的人才對技術的好處和局限性有深入的了解。
圖片來源: 佩什科娃/ Shutterstock