今天小编分享的互联网经验：“企业级AI元年”已至，AI如何更好赋能企业发展？，欢迎阅读。
图片来源：AI 生成
如果说 2023 年是生成式 AI 元年的话，那么 2024 年将成为企业级 AI 元年。
从过去一年多的发展来看，AI 技术应用的热门场景更多的还是在消费侧，无论是 " 文生文 " 的大语言模型，还是 " 文生图 " 的多模态模型，更多的是辅助人们进行一些简单的办公，或者提供一些娱乐。
生成式 AI 离真正成熟的企业级应用尚需时日。不过随着技术的不断发展，2024 年，将会有更多的企业级 AI 应用落地，而 AI 与产业的融合也将成为今年科技圈的焦点话题之一。
应用前景广泛
显然，消费侧的场景仅是生成式 AI 的冰山一角，生成式 AI 真正的价值还得看企业侧、行业侧的应用。IBM 大中华区董事长、总经理陈旭东曾公开表示，企业级 AI 应用相较于消费侧，有着更广泛的需求和潜力，" 根据 IBM 多年服务企业用户的经验，我们认为生成式 AI 在包括 HR、财务和供应链流程自动化、IT 开发和运维的智能化，以及企业资产管理、数据安全等方方面面均有着大展拳脚的机会。" 陈旭东指出。
与此同时，根据 IBM 委托 Morning Consult 完成的《2023 年全球 AI 采用指数》报告显示，全球范围内，大约有 42% 的受访企业已在业务中积极部署 AI。
值得注意的是，报告显示，企业级 AI 应用中，中国企业稳居第一阵营。这其中，有近一半的中国企业表示已经在积极采用 AI，85% 的中国企业表示未来 2-3 年会加速 AI 的采用，63% 的中国企业还表示正在积极探索生成式 AI。
从行业角度出发，包括金融、医疗、法律咨询、教培等偏服务型的行业有望率先有较成熟的生成式 AI 落地。
例如，现阶段大模型在金融行业的应用主要还是集中在风险评估和管理，以及知识图谱平台搭建方面。在风险评估方面，大模型可以通过分析大量的历史数据和实时信息，预测市场风险、评估信用风险等，为金融机构提供更加准确和及时的风险管理决策支持。
另一方面，将大模型与知识图谱平台结合，用大模型代替 NLP 技术，金融机构可以在提升效率的同时，提升风控水平。
例如，医疗行业通过行业大模型对大量医疗数据的学习和分析，可以自动识别病变特征，辅助医生进行疾病诊断，提高诊断准确率与诊断效率。IEEE 标准协会新标准立项委员会副主席兼 IEEE 数字金融与经济标准委员会主席林道庄曾对钛媒体表示，现阶段，我国医疗资源比较紧缺，许多人排了很久的队才能看上病，而医生也很忙，通过大模型的辅助，能帮助医生快速的识别诸如 X 光片、CT 等病历，从而大幅提升医生工作效率，也能降低患者等待的时间。
企业级 AI 平台将成最优解
除了金融和医疗行业以外，其他各个行业也都在积极探索生成式 AI 与业务结合的场景。各行业当下对待 AI 的态度如同几年前对待云计算的态度一般。
而 AI 也将 " 接棒 " 云计算，成为未来企业数字化关注的焦点。在 IBM 咨询大中华区总裁陈科典看来，过去十五年间，企业数字化成就了云计算，未来的十五年将迎来企业应用 AI 赋能的关键时刻，而混合云 +AI 也必将成为未来很长一段时间内，企业数智化的最优解。
目前企业级 AI 应用方式主要有三类：嵌入軟體、API 调用和搭建企业级 AI 平台。
嵌入軟體是目前企业应用 AI 赋能业务最简单的方式，但也是差异化最低的一个，无法根据企业自身需求进行更高层次的探索。
相较于嵌入軟體的形式，API 调用具备了一定的差异化能力，企业可以根据自身需求调用外部大语言模型，从中取得一些不一样的效果，" 这个方式相对比较经济、便捷，同时又可以实现一定程度上的差异化需求，" 陈科典指出，" 但企业所用的大语言模型也能被其他企业调用，时间久了差异化的能力会逐步减弱。"
现阶段，企业应用最好的方式就是搭建自己的企业级 AI 平台，而这也是 IBM 目前在企业级 AI 领網域主要的发力点。陈科典对钛媒体表示，IBM 相信，云计算将会是未来很长一段时间内企业数字化的主要手段，而 AI 发展的趋势也是不可逆的，"AI 已经成为企业核心竞争力，所以企业需要打造自己的企业级 AI 平台。" 陈科典如是说，" 虽然这种方式短期上来，企业的投入相较于其他两种更大，但长期来看，企业投入的回报率非常可观。"
方兴未艾
企业搭建属于自己的企业级 AI 平台显然已经成为当下各行业企业提升自身竞争力，以及差异化能力的重要手段之一。但是从现有的应用上来看，生成式 AI 在企业侧的应用仍处于方兴未艾的状态。
纵观生成式 AI 在企业侧应用不难看出，目前仍存在几点问题。
首先，大模型 " 幻觉 " 问题是制约生成式 AI 在企业侧发展的首要因素。企业侧应用不像消费侧，企业侧应用场景大多对于准确性、安全性要求要远高于消费侧的场景，而 " 幻觉 " 的问题将导致企业在决策、安全等方面面临着众多隐患，这也是生成式 AI 之所以在行业应用场景落地较慢的核心因素。
其次，现阶段，大模型主要的能力还是体现在文字、文档处理，一般性的聊天和较浅显的专业问答方面，以及通用视觉领網域的问答和生成方面，对于逻辑推理要求和准确性要求高的专业语言领網域，涉及学科和工程相关图片、视频识别的专业视觉领網域，以及 " 文生视频 " 等能力仍需技术迭代，智源研究院大模型行业应用负责人周华曾对钛媒体表示，具备多模态能力的大模型产品目前仍难以在行业侧的落地应用的能力，" 但是，我相信在 2024 年，多模态模型将成为大模型领網域各大厂商角逐的焦点。而随着多模态模型成熟度不断变高，会有更多的行业应用场景出现。"
再次，安全问题也是企业关注的焦点。当下，数据已经成为企业重要的资产，在利用任何数字技术的时候，企业都会优先考虑安全问题，而应用生成式 AI 赋能业务，需要大量企业内部数据对原有模型进行训练才能达到更好的效果。在这个过程中，如何确保企业数据不会泄露，甚至被竞争对手利用，是当下企业对于应用生成式 AI 赋能业务有所担忧的核心问题之一。针对此，企业需要采取一系列的安全措施和技术手段，如加强数据加密和访问控制、建立安全审计和监控机制、采用对抗性防御技术提升模型的稳健性、完善隐私保护政策和机制等。
从现阶段企业应用 AI 的趋势来看，大多数企业对 AI 应用保持积极的态度，积极探索 AI 与业务相结合的方式，但我们离真正成熟的企业级 AI 应用爆发式涌现还尚需时日。不过无论是企业侧，还是 AI 服务供应商侧，都在积极的探索和布局。
