作者 | 李冬梅
生成式 AI 的兴起，为企业和个人带来了前所未有的机遇和挑战。近日，Gartner 研究副总裁蔡惠芬（Tracy Tsai）分享了生成式 AI 对企业带来的三大颠覆性力量：极简的使用者界面、以“人本”为主体的体验和明显的交付价值。她强调，生成式 AI 不是一项单纯的技术，而是一场业务革新，将颠覆传统的业务流程、工作方式和人机交互体验。
最明显的例子就是 iPhone 的出现颠覆了人们对于手机形态的认知。iPhone 的推出，以其极简化的用户界面和直观的触控式交互体验，对消费者市场产生了深远的影响，并迅速波及到企业应用领域，促使企业应用也转向更为直观和友好的交互方式。OpenAI 推出的生成式 AI，例如 GPT 系列，再次以更低门槛的准入方式引领了大模型普惠化风潮，并逐步渗透至企业应用场景。
生成式 AI：企业创新的加速器Gartner 的调查显示，“生成式 AI”被视为能够实现高速增长的关键技术。企业纷纷探索其应用价值，例如提升产品/服务质量、缩短价值实现时间、提高员工生产力和改善客户体验。然而，要有效利用生成式 AI 进行产品创新，企业需要关注客户价值而非技术本身。
生成式 AI 不仅仅是技术层面的创新，更是一场深刻的业务革新。它将颠覆原有的业务流程、工作方式和人机交互体验，并影响到各个业务部门和岗位。例如：在客服领域，生成式 AI 可以取代人工客服，提供 7x24 小时的智能服务，快速响应客户需求，并提供个性化解决方案；在人力资源管理中，生成式 AI 可以自动筛选简历，识别关键信息，提高招聘效率，并帮助企业找到更合适的人才；在营销上，生成式 AI 可以根据客户数据和偏好，生成个性化的广告内容，并进行精准投放，提升营销效果......
为了更好地了解技术提供商的需求，Gartner 进行了一项调研，询问技术提供商希望利用生成式 AI 提供或提升的前四大客户价值。
调研结果显示，技术提供商最关注的客户价值包括：提升产品/服务质量、缩短价值实现时间、提高员工生产力以及改善客户体验等。
尽管 AIGC 充满“魔力”，但企业在开展业务时面临的市场环境往往是复杂多变的，还会受到法规、安全、API 规范等多重因素的影响，使得生成式 AI 的落地和应用面临诸多挑战。
企业应用需要遵循严格的法规和标准，确保数据安全和隐私保护，这对生成式 AI 的应用提出了更高的要求。此外，企业内部 API 接口众多，且规范复杂，生成式 AI 需要与这些接口进行集成，才能实现高效的应用。要解决这些问题，就要求生成式 AI 必须具备几大核心关键能力，才能推动其在企业中发挥价值。
把握四大关键能力，让 AIGC 发挥价值最大化
Gartner 指出，合成数据、个性化能力、对话式 AI 能力和 AI 智能体是生成式 AI 的四大关键能力，能够有效交付客户价值。
合成数据：弥补数据不足和偏差，提升数据质量，实现精准预测和个性化推荐。个性化能力：根据客户行为和反馈提供个性化解决方案，增强客户体验。对话式 AI 能力：通过自然语言理解和推理，快速实现价值，简化操作流程。AI 智能体：自主或半自主地感知、决策、行动和实现目标，提高员工生产力。蔡惠芬通过多个案例展示了生成式 AI 的应用场景。拿合成数据来讲，在银行场景中，银行可以利用合成数据模拟欺诈行为，快速识别和阻止欺诈风险。企业则可以利用合成数据模拟客户行为，优化产品定价和提升营销效果。
个性化能力在教培十分重要。例如，教育软件 Khanmigo 就能够根据学生学习情况提供个性化指导，提升学习效果，而对话式 AI 能力则基本上已经植入于市面上所有的对话机器人产品中。借助大模型归纳总结能力，对话机器人可以根据用户喜好调整个性，增强互动体验。
AI 智能体更是未来 AIGC 发展的大势所趋。微软推出的 AutoGen 能够帮助开发者快速搭建生成式 AI 应用，AI 智能体协助员工完成各种任务，例如自动回复邮件、查找资料和预定酒店。
未来趋势：AI 智能体将是大势所趋Gartner 预测，AI 智能体将成为大势所趋，将 AI 能力通过智能体内嵌到现有应用中，将提升用户体验和个性化程度。
所谓“AI 智能体”，这是 Gartner 的一个定义、就是说：AI 智能体是一个自主或半自主的软件实体，它能够利用 AI 技术在数字或实体环境中进行感知、做出决策、采取行动跟实现目标。这个智能体能够从事多功复杂性的任务，它可以是从头到尾都是自动化的、也可以是人机合作的、也可以是引导式的，就是看使用者的决策是什么。
Gartner 认为，在未来 AI 智能体会扮演一个关键的角色：如何填补企业在嵌入式 AI 的应用里所需要的开发和应用侧上的能力。这种情况不仅仅单靠某一项 AI 技术可以解决，要硬件、软件和服务充分融合。
有 AI 智能体加持的端到端的解决方案与传统的单点式解决方案不同，它更加注重于系统性的、端到端的解决策略。以模拟数字时刻为例，当“人、事、物”在虚拟与实际的场景交织中，可能会引发一系列事件时，这样的解决方案能够运用其强大的数据合成能力，模拟这些事件可能带来的各种线上与线下的影响，并据此生成相应的解决方案。
以飞机延误为例，乘客通常会面临一系列困扰，如转机时间、酒店预订、租车安排以及会议调整等。然而，通过端到端的解决方案，就可以迅速模拟出最佳的衔接航班时间，并自动通知酒店、租车公司和会议组织者进行相应的调整。这样，乘客在抵达机场时，就已经得到了新的安排，减少了不必要的焦虑和困扰。
除了飞机延误，智能城市中的许多事件型场景也能受益于这种端到端的解决方案。例如，在车祸发生时，生成式 AI 可以迅速收集现场数据，包括最近的 GPS 信息，模拟出事故现场的情况，并据此为保险公司提供理赔建议，为警方提供救援指导。同时，它还能预测救护车到达的时间，并协调交通信号灯，确保救护车能够顺利通行。这种从模拟到执行的快速响应，正是生成式 AI 在数字时刻中所展现出的强大能力。
Gartner 认为，在未来的发展中，以 AI 智能体为主要趋势的生成式 AI 将继续发挥其在跨领域融合和端到端解决方案中的重要作用，推动社会向更加智能化、高效化的方向发展。
原文链接：
