今天小編分享的互聯網經驗:“企業級AI元年”已至,AI如何更好賦能企業發展?,歡迎閱讀。
圖片來源:AI 生成
如果說 2023 年是生成式 AI 元年的話,那麼 2024 年将成為企業級 AI 元年。
從過去一年多的發展來看,AI 技術應用的熱門場景更多的還是在消費側,無論是 " 文生文 " 的大語言模型,還是 " 文生圖 " 的多模态模型,更多的是輔助人們進行一些簡單的辦公,或者提供一些娛樂。
生成式 AI 離真正成熟的企業級應用尚需時日。不過随着技術的不斷發展,2024 年,将會有更多的企業級 AI 應用落地,而 AI 與產業的融合也将成為今年科技圈的焦點話題之一。
應用前景廣泛
顯然,消費側的場景僅是生成式 AI 的冰山一角,生成式 AI 真正的價值還得看企業側、行業側的應用。IBM 大中華區董事長、總經理陳旭東曾公開表示,企業級 AI 應用相較于消費側,有着更廣泛的需求和潛力," 根據 IBM 多年服務企業用戶的經驗,我們認為生成式 AI 在包括 HR、财務和供應鏈流程自動化、IT 開發和運維的智能化,以及企業資產管理、數據安全等方方面面均有着大展拳腳的機會。" 陳旭東指出。
與此同時,根據 IBM 委托 Morning Consult 完成的《2023 年全球 AI 采用指數》報告顯示,全球範圍内,大約有 42% 的受訪企業已在業務中積極部署 AI。
值得注意的是,報告顯示,企業級 AI 應用中,中國企業穩居第一陣營。這其中,有近一半的中國企業表示已經在積極采用 AI,85% 的中國企業表示未來 2-3 年會加速 AI 的采用,63% 的中國企業還表示正在積極探索生成式 AI。
從行業角度出發,包括金融、醫療、法律咨詢、教培等偏服務型的行業有望率先有較成熟的生成式 AI 落地。
例如,現階段大模型在金融行業的應用主要還是集中在風險評估和管理,以及知識圖譜平台搭建方面。在風險評估方面,大模型可以通過分析大量的歷史數據和實時信息,預測市場風險、評估信用風險等,為金融機構提供更加準确和及時的風險管理決策支持。
另一方面,将大模型與知識圖譜平台結合,用大模型代替 NLP 技術,金融機構可以在提升效率的同時,提升風控水平。
例如,醫療行業通過行業大模型對大量醫療數據的學習和分析,可以自動識别病變特征,輔助醫生進行疾病診斷,提高診斷準确率與診斷效率。IEEE 标準協會新标準立項委員會副主席兼 IEEE 數字金融與經濟标準委員會主席林道莊曾對钛媒體表示,現階段,我國醫療資源比較緊缺,許多人排了很久的隊才能看上病,而醫生也很忙,通過大模型的輔助,能幫助醫生快速的識别諸如 X 光片、CT 等病歷,從而大幅提升醫生工作效率,也能降低患者等待的時間。
企業級 AI 平台将成最優解
除了金融和醫療行業以外,其他各個行業也都在積極探索生成式 AI 與業務結合的場景。各行業當下對待 AI 的态度如同幾年前對待雲計算的态度一般。
而 AI 也将 " 接棒 " 雲計算,成為未來企業數字化關注的焦點。在 IBM 咨詢大中華區總裁陳科典看來,過去十五年間,企業數字化成就了雲計算,未來的十五年将迎來企業應用 AI 賦能的關鍵時刻,而混合雲 +AI 也必将成為未來很長一段時間内,企業數智化的最優解。
目前企業級 AI 應用方式主要有三類:嵌入軟體、API 調用和搭建企業級 AI 平台。
嵌入軟體是目前企業應用 AI 賦能業務最簡單的方式,但也是差異化最低的一個,無法根據企業自身需求進行更高層次的探索。
相較于嵌入軟體的形式,API 調用具備了一定的差異化能力,企業可以根據自身需求調用外部大語言模型,從中取得一些不一樣的效果," 這個方式相對比較經濟、便捷,同時又可以實現一定程度上的差異化需求," 陳科典指出," 但企業所用的大語言模型也能被其他企業調用,時間久了差異化的能力會逐步減弱。"
現階段,企業應用最好的方式就是搭建自己的企業級 AI 平台,而這也是 IBM 目前在企業級 AI 領網域主要的發力點。陳科典對钛媒體表示,IBM 相信,雲計算将會是未來很長一段時間内企業數字化的主要手段,而 AI 發展的趨勢也是不可逆的,"AI 已經成為企業核心競争力,所以企業需要打造自己的企業級 AI 平台。" 陳科典如是說," 雖然這種方式短期上來,企業的投入相較于其他兩種更大,但長期來看,企業投入的回報率非常可觀。"
方興未艾
企業搭建屬于自己的企業級 AI 平台顯然已經成為當下各行業企業提升自身競争力,以及差異化能力的重要手段之一。但是從現有的應用上來看,生成式 AI 在企業側的應用仍處于方興未艾的狀态。
縱觀生成式 AI 在企業側應用不難看出,目前仍存在幾點問題。
首先,大模型 " 幻覺 " 問題是制約生成式 AI 在企業側發展的首要因素。企業側應用不像消費側,企業側應用場景大多對于準确性、安全性要求要遠高于消費側的場景,而 " 幻覺 " 的問題将導致企業在決策、安全等方面面臨着眾多隐患,這也是生成式 AI 之所以在行業應用場景落地較慢的核心因素。
其次,現階段,大模型主要的能力還是體現在文字、文檔處理,一般性的聊天和較淺顯的專業問答方面,以及通用視覺領網域的問答和生成方面,對于邏輯推理要求和準确性要求高的專業語言領網域,涉及學科和工程相關圖片、視頻識别的專業視覺領網域,以及 " 文生視頻 " 等能力仍需技術迭代,智源研究院大模型行業應用負責人周華曾對钛媒體表示,具備多模态能力的大模型產品目前仍難以在行業側的落地應用的能力," 但是,我相信在 2024 年,多模态模型将成為大模型領網域各大廠商角逐的焦點。而随着多模态模型成熟度不斷變高,會有更多的行業應用場景出現。"
再次,安全問題也是企業關注的焦點。當下,數據已經成為企業重要的資產,在利用任何數字技術的時候,企業都會優先考慮安全問題,而應用生成式 AI 賦能業務,需要大量企業内部數據對原有模型進行訓練才能達到更好的效果。在這個過程中,如何确保企業數據不會洩露,甚至被競争對手利用,是當下企業對于應用生成式 AI 賦能業務有所擔憂的核心問題之一。針對此,企業需要采取一系列的安全措施和技術手段,如加強數據加密和訪問控制、建立安全審計和監控機制、采用對抗性防御技術提升模型的穩健性、完善隐私保護政策和機制等。
從現階段企業應用 AI 的趨勢來看,大多數企業對 AI 應用保持積極的态度,積極探索 AI 與業務相結合的方式,但我們離真正成熟的企業級 AI 應用爆發式湧現還尚需時日。不過無論是企業側,還是 AI 服務供應商側,都在積極的探索和布局。