投资研究 | 大语言模型在企业中的应用

最新推荐文章于 2024-07-31 10:13:19 发布

IT猫仔

最新推荐文章于 2024-07-31 10:13:19 发布

阅读量947

点赞数 28

文章标签：语言模型人工智能自然语言处理

本文链接：https://blog.csdn.net/2301_82275412/article/details/139598599

版权

_一、_大语言模型的简介及特点

大语言模型（英文：Large Language Model，缩写LLM），是一种人工智能模型，在大量的文本数据上进行训练，旨在理解和生成人类语言。LLM的特点是规模庞大，包含数十亿的参数， 使得大语言模型在语义理解的基础上，具备了强大的自然语言推理、决策与生成能力。

相比于传统的自然语言处理，大语言模型拥有以下几个更出众的能力，使得它更像一个人脑，也是传统的自然语言处理所并不具备的。

（1）反思的能力： LLM是一个框架，为智能代理配备动态记忆和自我反思的能力，以提升推理技巧。

（2）自我批评的能力： 它允许自主代理通过改进过去的行动决策和纠正之前的错误来迭代改进。

（3）逐步思考的能力： 模型被指导“逐步思考”，从而诞生思维链条，以便利用更多的测试时间来计算，将困难的任务分解成更小、更简单的步骤。并逐渐形成思维树，通过在每一步探索多个推理可能性，扩展了思维链条。

二、大语言模型在企业中的应用方向

大语言模型在企业的应用场景通常不是直接简单的对话输出，而是作为背后的“大脑”参与到现有的企业应用，成为企业业务流程的一部分。

我们认为大语言模型会渗透在企业内部的每一个角落，协同员工进行生产效率的提升。在各个事业部中去发挥大语言模型总结、归纳、创作、分析的能力， 加快办公流程的推进和更智能的决策。

LLM在以下几个方面，为企业提供更智能化的决策：

1、问答及搜索环节

大企业内部为了精细化管理，一般都会出很多制度，像标准、规范、工作流程等文档，企业内部基本每个部门都会有自己的制度，不管是对于新员工还是老员工来说，制度太多，无法全面掌握。当需要这些制度时，办公OA系统搜索功能只能按照关键字搜索，搜索结果还需要二次过滤，还只能搜标题，结果往往不尽人意。有了AI模型后，可以将这些制度文档内容格式化后，投喂给模型进行训练。而且参考现在newbing做法，附上问答结果的参考地址。

2、文档阅读方面

比如新老员工交接，新员工需要阅读大量老员工移交的文档，新员工上手需要一段时间；或者我们在看一份文档的时候，由于文字多、时间也比较紧，这些场景下如何快速提效？可以将文档投喂给AI模型，让模型总结出文档结构、知识要点等内容，通过问答形式整理出归类结果。

3、会议纪要整理

企业内部开会有时候比较冗长，会后还需要出会议纪要，通常是一件费时费力的事情。可以将录音转文字后喂给AI模型，让模型给出会议要点等内容，形成会议纪要的模板。

4、智能客服机器人

可以取代一部分呼叫中心坐席人员，投喂知识库内容给大模型，模拟坐席，自动回复客户的各种问题。

5、内部审计及各类合规检查

企业内部的各种审计和合规检查活动还是比较多的，需要各个部门配合，并且审计和检查工作量十分繁重，有的甚至需要临时搭建系统来完成工作。

其实可以将审计要点、合规检查的规则投喂给模型，再将素材投喂到模型，由模型评估素材的合规性。

三、大语言模型应用潜力的探索

智能体的发展是大语言模型能够在企业中得到很好应用的关键要素。

大语言模型本质是一个语言模型，其能力拥有一定的限制。要在复杂的企业内部体系中使用，如在对垂直领域业务的理解、思考和执行，工具的使用和任务的调度，弥补人类提示词交互过程中的缺陷等方面，仅仅依靠大语言模型是不够的。

因此我们认为，大语言模型在企业的应用，会逐渐演变成为智能体的形式。上文提到， Agent 智能体是 LLM（大语言模型）、记忆（短期/长期/感官）、自主规划（思维连、子目标分解、反馈、自我改进）和工具使用（搜索、计算、编程）的融合。

智能体通过结合用户的指令，明确指令意图，后根据推理和规划进行行动的执行，并根据环境反馈进行感知，与记忆检索判断是否达到预期，从而进一步执行，最终体现在内容结果（如内容总结，经营分析后的结果）或者是具体任务执行（如自动摘要后邮件发送）中。

举个例子，假设某位部门领导提出，“我想要了解本月部门运营情况，并发送本人邮箱和副总邮箱”。这是一个非常模糊的提问。智能体需要明确指令意图，去拆解这个问题：部门的运营情况由哪些指标构成？然后去检索核心关键的指标，并把数据进行汇集。然后根据指标，进行比对分析。需要智能体明确历史核心指标，进行比对。根据环境做出反馈，若上月数据足够充分，则进行全面的分析，若数据不充分，需要进行汇报或进一步挖掘数据。最终形成报表，呈现给领导，后执行将结果发送到邮箱中。

智能体会逐渐从辅助员工办公到替代员工办公

我们类比自动驾驶，目前我们企业内部业务流程运转依赖传统的SaaS工具，处于L1阶段。1-2年内，随着大语言模型的来到，会进一步通过Chatbot的模式，里面内嵌了一部分的分析能力，辅助业务执行，不替代人进行”严肃任务”的处理。

智能体带来交互形态的改变

Embedded一问一答模式： 现在企业应用大语言模型的阶段，用户使用大语言模型，就像使用浏览器一样，在某个流程中一问一答，有问题就在对话框内进行搜索和交互，以获得大预言模型的结果。

Copilot协同办公模式： 协同员工办公的每一个流程，如要组织员工开会并将开会内容整理成会议纪要，将会议纪要内容同步给参会同事和领导。Copilot在召集员工开会开始，帮忙进行员工的通知，会议议题辅助设计，参会地点时间安排预约，会议时间到点的提醒，针对每个员工对应会前准备的提醒，再到会议过程中内容录音，总结生成，可视化摘要并同步屏幕，最后会议内容总结。每个流程都在智能体的协同下进行完成和实现。

Agent替代办公模式： 智能体成为了企业的数字员工，员工交互设立目标后，由智能体进行统一拆解任务，计划任务，执行任务及结果反馈。人与业务的交互只是在智能体的交互中就结束了。

结语

大语言模型在企业内部的应用，会像自动驾驶一样，拥有从L1-L5发展的规律。未来企业的交互形态=一个企业大智能体+多个垂直领域小智能体。 一个企业会有一个统领所有软件工具的智能体，负责跨业务调度和与垂直领域下的SaaS工具的Agent进行合作协同。如在企业场景中，企业大智能体调度飞书，金蝶，金山文档，网易邮箱的智能体进行协同财报梳理和经营分析报告的汇总和发送。

企业大语言模型的应用将成为未来企业降本增效的关键，拥抱大语言模型的企业将在数据-算法的飞轮下快速增长并拉开差距。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：