本文介绍了生成式人工智能(GenAI)在中国最具发展前景的19个用例,这些用例可以改善企业运营、增加营收、提升客户体验并缩小风险敞口。中国的首席信息官(CIO)可参考本文,根据用例成熟度及其业务影响制定投资战略。
概述
在一系列开源和商用基础模型的引领下,生成式AI的近期进展在中国的所有行业中开启了新的可能性。在Gartner最近举行的网络研讨会 探索生成式人工智能对企业的影响(2023年7月)中,59%的与会者表示其公司在ChatGPT发布后增加了对人工智能(AI)的投资,12%的受访者已在企业中采用了生成式AI解决方案。
中国CIO需要主动了解这些新的生成式AI解决方案对企业机构和客户而言的潜在风险和价值。图1中的用例棱镜从业务价值和可行性两个维度出发,介绍了19个最具发展前景的生成式AI用例,可针对与特定供应商解决方案相关的战略规划和投资决策提供支持。中国的CIO可参考本文,根据用例成熟度和业务影响制定投资战略。
图1:中国生成式人工智能用例棱镜
使用方法
本文所明确的生成式AI用例按更广泛的AI用例类别进行分类,评分详情中对此进行了说明(见图2)。这些用例类别可与Gartner关于AI的其他研究报告相互参照。本棱镜中最常用的用例类别包括:
-
内容创建(包括营销内容生成、人力资源内容生成和设计增强)
-
会话式用户界面(UI)(包括虚拟客户助理、虚拟销售助理、虚拟IT助理、企业聊天机器人和会话式AI化身)
本用例棱镜从业务价值和可行性的维度介绍了这些用例,可用于企业针对特定供应商解决方案开展战略对话和推动投资决策。本文中并未涵盖所有相关用例,您还可参考其他已发布的、最符合您情况的生成式AI用例棱镜。
工具包
借助配套工具包,企业机构可以根据需求自定义用例棱镜。获取工具包并下载相关Microsoft Excel文件(本文中提供了下载),个性化调整具体用例、业务价值和可行性维度、相对权重,以及用例评分。
评分详解
图2展示了每个用例在业务价值和可行性维度方面的评分详情。每个维度的具体涵义可参考表1。
图2:中国生成式人工智能用例计分卡
Table 1: 用例维度详解
维度 | 说明 |
增加营收 | 用例能够通过产品和服务的销售、政府分配或拨款来实现营收增长、提供更多资金。 |
提高效率 | 用例能够以同等或较少资源实现或超越绩效目标,从而降低成本。 |
管理风险 | 用例能够通过降低潜在的声誉、安全、运营风险并/或提高敏捷性来应对未来的市场颠覆,从而帮助企业机构消除未来绩效中的不确定性。 |
非财务价值 | 用例能够协助企业机构实现其非财务目标,或与关键任务相关的其他目标,可能包括:创新的非财务价值,多元、平等与包容,可持续性,或社区发展。 |
技术可行性 | 企业机构满足用例技术要求的能力。相关因素包括生成式AI技术本身的核心能力、供应商的支持力度、企业机构的技术基础设施现状,以及用例所需的技术人才。 |
内部就绪度 | 企业机构使用并纳入某个用例的能力和开放程度,包括内部利益相关者理解、信任和有效执行某用例的意愿。 |
外部就绪度 | 企业机构外部环境对成功用例实施的促进程度,包括:法律和监管环境,用例社会评价,以及实现用例所需的数据访问、素养和参与度。 |
来源:Gartner(2023年10月)
用例类别评分详解
图3展示了四类用例在棱镜图中的分布。下文概述了每个用例的评分依据。
图3:用例棱镜分类
用例棱镜分类
根据棱镜图上的位置,用例可划分为四个类别。点击类别名称,可跳转至该类别用例的评分依据:
-
成功率高:位于棱镜顶部的用例兼具高可行性和高业务价值,在大多数情况下都能取得成功。
-
风险略高:位于棱镜左侧的用例具有较高的业务价值,但可行性较低,风险较高。
-
收益有限:位于棱镜右侧的用例可行性高,但业务价值较低,其特点是低风险、低收益。
-
仅限特例:位于棱镜底部的用例,业务价值和可行性都低,因此优先级较低,但特定情况除外。
成功率高
位于棱镜顶部的用例兼具高可行性和高业务价值,在大多数情况下都能取得成功。
Table 2: 评分详解:高价值、高可行性用例
用例 | 业务价值 | 可行性 |
1. 营销内容生成 AI用例类别:内容生成 为营销活动生成内容,例如电子邮件、产品描述、社交媒体发帖以及营销活动。内容可以采用文本、图像、音频或视频格式,并且可以按照客户细分市场、市场或渠道进行个性化调整。 | 增加营收(3):提高内容质量和创意,用以改善营销活动质量、沟通效率和电子商务体验,从而提高营收。 提高效率(4):相比人工流程大幅提高内容创作的效率,并具规模效益。 管理风险(2):使用针对公司的具体数据,确保内容符合质量和品牌定位。 非财务价值(2):帮助设计师拓宽创意视野,提出更好的新创意。 | 技术可行性(4):该能力已在多种场景下得到证明,表明该技术已准备就绪。 内部就绪度(4):业务用户充分了解此类功能,并期望将其用于日常工作。 外部就绪度(2):生成的内容在某些情况下可能导致侵权。 |
2. 采购支持 AI用例类别:决策智能(支持和增强) 准备需求建议书(RFP)文件。基于大量文档汇总材料、供应商和需求。 | 增加营收(1):帮助企业机构降低成本(即分析定价数据和市场趋势,以确定成本节约机会;根据历史数据制定谈判策略)。 提高效率(4):大语言模型(LLM)可以显著提高生产率(例如,起草采购需求建议书和询价单,审核和分析合同,以及通过预定义模板电子邮件与供应商沟通)。根据历史数据需求预测提供建议。 管理风险(3):大语言模型有助于降低风险(例如供应商绩效监控、按时交付率、合同条款评估与合规整改)。 非财务价值(3):大语言模型将重新定义采购和寻源流程,取代采购专家处理一些繁琐任务(例如,起草需求建议书、审核合同、提醒供应商绩效的关键指标、助力采购专家进行需求预测分析、寻源策略、谈判战略,以及自动处理一些自助电子邮件)。 | 技术可行性(4):大语言模型已准备好承担自然语言分析和处理的大部分任务,还可以利用外部工具搜索最新的监管条款,以帮助审核合同。从技术上讲,这项技术已准备就绪。 内部就绪度(3):采购部门在确定某些试点用例后,有意愿使用大语言模型来提高生产率并降低风险。端到端流程评估可能仍需要进行一些工作,但单点案例已经准备就绪。 外部就绪度(3):未发现主要障碍,但并非软件即服务(SaaS)工具,无法用于采购中的特定用例。也可在本地部署进行过内部调优的开源模型。 |
3. 虚拟客户助理 AI用例类型:会话式UI 在进行售前问询(如产品推荐、可用性、促销和预约),以及售后服务(如变更/取消订单、退货、维修)时,以自然语言处理客户问询。 | 增加营收(3):在产品、折扣、付款和送货方面为售前问询提供支持,以更快地完成销售并增加追加销售机会。 提高效率(4):大幅节省常见问题的人工问答时间,使人工座席能够专注于需要人工解答的价值更高的问题。 管理风险(1):利用预定义的内容和模板,确保合规性和良好的客户体验。 非财务价值(1):减少客服代表的工作量,提供更高的自我成就感。 | 技术可行性(3):具有较强的会话能力,但需要利用已标注的公司数据进行微调,这需要耗费额外的时间和精力。 内部就绪度(4):服务团队了解生成式AI的聊天功能,希望将其用于日常工作。 外部就绪度(4):与上一代聊天机器人相比,客户欢迎更好的交互体验,因为上一代聊天机器人无法处理更复杂的问题,通常会将问题移交给人工座席。 |
4.应用开发和测试 AI用例类别:内容生成 减少软件工程师在编程任务上花费的时间和精力,例如文档记录、重构、调试和修复代码。优化测试工作、功能和非功能测试等,加快软件测试速度。 | 增加营收(2):减少编写代码所需的时间和工作量,提高代码质量,以减少平均恢复时间等,从而节约成本。 提高效率(4):提高软件工程师的生产率,扩展其迭代能力,并提升功能改进速度。 管理风险(2):建立风险意识,并制定降低风险的计划,以确保合规。 非财务价值(3):优化代码质量,加快开发,提高测试和开发人员的满意度。 | 技术可行性(4):已存在供应商解决方案,包括支持AI代码助理的集成开发环境。支持多种开发框架和语言。 内部就绪度(2):软件工程团队了解生成式AI的开发能力,但高级开发人员仍然对生成式AI的代码质量以及代码和数据的法律、安全和合规性问题存在顾虑。 外部就绪度(2):大语言模型生成的代码可能需要额外引用其源代码,否则可能会产生版权问题。 |
5. 研究伙伴 AI用例类别:决策智能(支持和增强)+ 知识发现 在生成研究计划、构建研究架构、开展研究和总结关键发现方面,为研究人员提供内部支持。处理不面向客户的活动细节,提高研究人员的效率。 | 增加营收(2):通过支持研究人员更高效地完成行政任务,可以节省研究人员的时间,使其有精力产生更多创新思路,以服务客户并促进业务发展。 提高效率(4):减少完成研究和行政任务所需的时间,提高顾问的效率和成效。 管理风险(3):可能降低研究人员忽略研究伙伴相关回应和建议的风险。 非财务价值(3):通过构建品牌和树立客户对研究人员的信心,支持高接触业务模式。 | 技术可行性(3):并不存在供应商解决方案,但一些投资服务公司正在对大语言模型进行训练,并在内部进行用例试点。 内部就绪度(3):投资服务公司基于内部数据对大语言模型进行训练,已开始尝试并试点这一用例。预计会有一些员工对此有抵触情绪。 外部就绪度(3):人们高度期待采用生成式AI来提高研究人员的生产率,同时尽量减少人为监督带来的风险。 |
6. 数字工作场所支持 AI用例类别:决策智能(支持和增强) 在用户的配合下,提供指导和自动化,使PowerPoint、Microsoft Word和Excel中的任务效率更高、成效更好。帮助用户制作高质量的文档和演示文稿,减少错误并节省时间,最终提高生产率和整体工作质量。 | 增加营收(2):有助于提高文档和演示文稿的质量,节省员工时间,从而打造更好的产品和服务。 提高效率(4):提供指导和自动化,使PowerPoint、Word和Excel中的任务效率更高、成效更好。实现会议录音转录流程的自动化,并总结关键点,帮助用户提高生产率和整体工作质量。 管理风险(2):确保生成的文档、会议纪要和演示文稿内容完整且质量达标。 非财务价值(1):减少员工的工作量,提升自我成就感。 | 技术可行性(3):已存在供应商解决方案,其能力已多次得到证明。 内部就绪度(4):业务用户了解此功能并期望将其用于日常工作。 外部就绪度(4):无重大外部问题。 |
7. 非结构化数据处理和存储 AI用例类别:感知 使用大语言模型整理和存储来自各种数据源(如文档、文件、会议纪要和客户交互)的非结构化数据,以进行深度的知识挖掘、检索和分析。 | 增加营收(2):整理大量非结构化数据以进行进一步分析和挖掘,最终可能有助于增加营收。 提高效率(3):取代之前由人工执行的许多普通任务。 管理风险(3):作为企业洞察引擎和高级分析的基础,可以大幅增强当前的风险管理工具能力。 非财务价值(3):处理非结构化数据并获得洞察,这是企业未来的关键任务。 | 技术可行性(3):大语言模型是非常强大的工具。对于特定的自然语言处理(NLP)任务来说,规模更小、开源和微调的模型是很好的选择。多模态模型发展迅速,但相对较新。 内部就绪度(4):大语言模型可帮助数据团队加快数据处理速度,并提高数据质量。 外部就绪度(3):无重大问题,但仍需解决客户的数据隐私问题。 |
8. 设计增强 AI用例类别:内容生成 识别现有数据中的模式,生成新的设计概念。还可以根据用户的指令和偏好来生成设计,从而显著提高设计效率。 | 增加营收(3):根据训练数据和企业场景自动生成设计并进行研发。加快设计和研发,为企业带来竞争优势。 提高效率(4):大幅缩短交付时间,并减少员工的工作量。 管理风险(1):可通过人工验证来管理风险。 非财务价值(2):提升员工体验,避免部分冗余工作。 | 技术可行性(3):已被一些企业采用,虽然如果设计有具体要求,仍需要定制化解决方案。 内部就绪度(3):已在媒体、设计和制药行业获得采用;其他行业可能还需要一些时间。 外部就绪度(2):该领域提供了许多工具,特别是用于生成图表、文本和图片。知识产权和版权仍是阻碍企业广泛采用的关键问题。 |
用例在每个维度上按0~4分打分,0分最低,4分最高。 |
来源:Gartner(2023年10月)
风险略高
棱镜左侧的用例具有较高的业务价值,但可行性较低,因此风险较高。
Table 3: 评分详解:高价值、低可行性用例
用例 | 业务价值 | 可行性 |
11. 企业聊天机器人 AI用例类型:会话式UI 将企业内部知识库与会话能力相结合,帮助内部员工更轻松地发现所需信息,最终提高企业运营效率。 | 增加营收(2):更快提供更明智的洞察,帮助企业发现新的机会。 提高效率(4):帮助员工发现相关信息,并提供洞察/建议,以提高企业的整体运营效率。 管理风险(2):基于大量数据的全面及时洞察,有助于发现无法轻易识别的潜在风险。 非财务价值(4):企业洞察引擎可在人与信息间建立联系,这是企业数字化转型的关键目标之一。 | 技术可行性(2):可增强语义搜索和答案生成,虽然信息访问控制、知识库数据质量和及时性都是需要解决的问题。多模态模型仍然比较新,无法在企业场景中很好地理解图形。 内部就绪度(3):许多企业机构拥有丰富的知识库,最终用户期望有一种解决方案能够跨不同数据源提供全面的洞察。 外部就绪度(4):无重大外部挑战。 |
13. 客户反馈分析 AI用例类别:感知 汇总客户反馈中的关键信息,通常用自由文本书写。使用公司特定数据训练后,可以提取预定义维度的信息,如产品、质量、价格、准时率和服务。 | 增加营收(2):帮助明确产品功能和服务质量的改进机会,最终提高客户忠诚度和留存率。 提高效率(4):减少服务团队人工阅读和汇总客户反馈的工作量,以便改进项目。 管理风险(2):提高客户忠诚度,减少客户流失和潜在的品牌损害。 非财务价值(2):发现改善机会,以保护品牌形象和声誉。 | 技术可行性(2):需要基于需进行标注的公司特定数据进行训练。企业还需要定义希望提取的元数据,以使其发挥效果。 内部就绪度(3):服务团队已做好准备,但可能不具备标记和训练的资源。需要数据分析和IT团队的支持。 外部就绪度(3):需要客户同意,以负责任地使用数据。 |
15. 自主代理 AI用例类别:自主系统 用于处理复杂用例。将复杂用例分解为较小的任务,将其分派给不同的系统,并以自动化工作流程的形式汇总结果。 | 增加营收(3):创建一站式新业务模式(例如,差旅预订)。 提高效率(4):对任务进行规划并排序,缩短同步多个系统的时间。代理将代表人类做出决定,并显著提高生产率。 管理风险(4):通过强化学习为模拟环境或反馈循环收集更多信息,更好地应对动态多变环境中的风险。 非财务价值(4):展示此类技术的优势。代理将从根本上改变现代企业应用的范式,从人工用户界面转变为机器用户界面。 | 技术可行性(1):幻觉问题、黑盒性质以及无“人工介入”控制,这些需要在技术方面得到解决。 内部就绪度(2):采用代理的风险很高;无法应用于关键用例。此外,对应多数企业机构而言,业务流程和应用依赖关系的简化工作仍在进行中,尚未准备好明确代理采用的范围。 外部就绪度(2):大语言模型供应商在收集更多人工反馈方面取得了良好进展,以便为这些模型设置护栏,但距离实际实施还很遥远。这可能导致潜在的违规行为。 |
16. 虚拟销售助理 AI用例类型:会话式UI 支持各种销售任务,包括寻找销售线索、发送外联电子邮件和后续沟通、寻找产品资料和案例研究、准备报价和提案,以及起草合同。 | 增加营收(3):帮助销售人员找到合适的内容,提供个性化沟通并发现交叉/追加销售机会,从而提高签单率甚至提升交易规模。 提高效率(4):在寻找适当潜在客户和产品信息、起草沟通文件/提案、配置报价/产品捆绑销售,以及确定下一步最佳行动方面,大幅节省销售人员的时间。 管理风险(1):确保销售人员能够访问授权内容并采用最佳实践。 非财务价值(1):提高销售团队的专业水平,提升客户感知度。 | 技术可行性(2):需要与各种内部系统(例如,营销自动化、目录、定价、报价引擎、销售自动化和销售分析)集成,以提供全部功能。 内部就绪度(2):销售人员尚未看到最终解决方案发挥作用;除了一些组件(例如,个性化电子邮件)外,生成式AI也未展示出全部能力。 外部就绪度(2):如果客户知道沟通内容是由生成式AI生成的,或者与其谈判的是机器而非人类,则可能会产生反效果。 |
用例在每个维度上按0~4分打分,0分最低,4分最高。 |
来源:Gartner(2023年10月)
收益有限
棱镜右侧的用例可行性高,但业务价值较低,其特点是低风险、低收益。
Table 4: 评分详解:低价值、高可行性用例
用例 | 业务价值 | 可行性 |
9. 人力资源内容生成 AI用例类别:内容生成 根据角色和需求生成技能要求和职位描述,还可以为员工开发培训内容。 | 增加营收(1):提高HR招聘和培训效率,进而帮助新员工快速上岗,为业务提供支持。 提高效率(3):提高HR的工作效率。 管理风险(1):提高公司效率,但无法完全自动执行流程;需要额外的验证,以避免生成的内容不正确或存在偏见。 非财务价值(3):此用例可提高招聘和培训效率,改善员工体验,加快新员工的融入速度。 | 技术可行性(4):技术上来说是内容生成,当前实现难度不大。但是必须基于企业场景才能更准确。 内部就绪度(3):目前对企业的可见性有限,对这些场景的需求并不紧迫。 外部就绪度(3):带有偏见的内容和版权问题可能给企业带来风险,特别是对外发布的职位描述。 |
10. 安全运营增强 AI用例类别:决策智能(支持和增强) 通过交互式威胁情报、警报强化、安全报告生成、事件响应等方式增强安全运营。 | 增加营收(0):生成式AI将提高安全效率并更好地保护企业的数字资产,以支持包括业务数字化在内的业务增长。 提高效率(4):生成式AI将通过代码扫描、代码建议、事件解决建议等方式,提高安全团队在应用安全和安全运营等多个领域的效率。 管理风险(4):错误的建议或行动可能导致安全事件并影响业务的开展。可以通过在实施前的专家验证来降低风险。 非财务价值(2):减少安全团队的工作量和重复任务,缩短事件响应时间。 | 技术可行性(3):一些企业已经采用了代码辅助功能,目前大多数安全供应商已将AI/机器学习(ML)集成到其工具中。目前,有三家供应商发布了安全领域的大语言模型,但均未上市。 内部就绪度(3):一些企业正在其安全部门中试点。由于安全团队忙于业务用例的生成式AI安全控制,因此还需要一段时间才能做好准备。 外部就绪度(3):需要对版权或代码知识产权风险进行更多控制,并提高向客户提供的安全建议的准确性。 |
12. 虚拟IT助理 AI用例类型:会话式UI和智能自动化 允许最终用户使用自然语言获得自助服务、减少事件,以及请求互动时间。提供多种支持,以文字或文档格式生成自助服务指南、自动执行任务(例如访问、资源、硬件请求),以及向各个团队分配事件。 | 增加营收(1):更快地满足最终用户需求,提高员工生产率。 提高效率(4):加快最终用户请求的解决,并提高IT生产率。 管理风险(1):减少会导致安全风险的人工错误(例如向错误的人员授予访问权限)。 非财务价值(3):提高最终用户的满意度,使每个人都能使用新兴技术。 | 技术可行性(3):市场中已存在为虚拟助理使用生成式AI的供应商解决方案。 内部就绪度(3):虚拟助理对企业而言并非新兴事物,而利用生成式AI打造虚拟助理对利益相关者具有吸引力。唯一的问题是投资回报率。 外部就绪度(3):缺少有关内部使用的法律或监管要求。 |
14. 自助数据分析 AI用例类型:知识发现 识别海量数据流中的模式,构建预测并提供洞察。可以自动完成数据分析,为数据科学家以外的人员提供自助数据分析。 | 增加营收(2):改善自助分析,进而提高流程效率,增加营收机会。 提高效率(3):改善自助分析,进而在多个层面提高流程效率。 管理风险(2):使企业能够更加专注于数据,但无法完全满足对数据分析内部专业人员的需求。 非财务价值(3):在几个运营领域扩大数据分析的优势,同时避免对数据科学家进行适当投资。 | 技术可行性(2):生成式AI可以执行自助数据分析,但将该功能集成到更大的平台具有挑战性。 内部就绪度(3):很多中国企业机构数据成熟度不够高,无法充分利用此类解决方案。这可能会影响数据可用性等许多方面。 外部就绪度(4):未发现主要障碍。 |
用例在每个维度上按0~4分打分,0分最低,4分最高。 |
来源:Gartner(2023年10月)
仅限特例
位于棱镜底部的用例具有业务价值低、可行性低的特点,因此优先级较低,但特定情况除外。
Table 5: 评分详解:低价值、低可行性用例
用例 | 业务价值 | 可行性 |
17. 会话式AI化身 AI用例类型:会话式UI 利用文本转视频技术,实现内部和客户沟通的人性化并提升创造力,从而实现超个性化。 | 增加营收(3):面向客户,可被大量受众在线使用。提供个性化推荐和产品/服务促销,以增加营收。 提高效率(2):取代人工介绍产品、回答客户问询和提供客户服务。 管理风险(1):与管理风险并无直接关系,但客户反馈可用于进一步的风险识别。 非财务价值(3):精心设计和实施的AI化身可建立良好的公司形象,是公司品牌的一部分。 | 技术可行性(2):多模态模型和多模态系统(结合不同的AI模型)发展迅速,但仍处于初始阶段,灵活性和性能仍有待提升。 内部就绪度(3):AI化身有助于轻松完成面向客户的任务,节省人力成本。 外部就绪度(2):由于生成式AI的发展和炒作,客户对AI化身的性能提升抱有较高期望,这既是机会,也是挑战。 |
18. 自然语言即席报告 AI用例类型:会话式UI 提供自然语言数据的即席查询、报告生成和可视化。使用提示界面来询问数据和分析解决方案的问题,询问特定的数据类型、时间范围、个人以及对趋势或模式的回答。 | 增加营收(2):主要侧重于行政管理,但可帮助管理层发现潜在营收机会的异常值。 提高效率(1):通过识别模式和异常值,减少报告工作量,提高整个团队的生产率。 管理风险(3):成效取决于报告质量,而且无法保证随着时间的推移报告内容维持不变。 非财务价值(1):更快识别问题和异常值。 | 技术可行性(2):可提供类似功能,还将取决于可用的数据。 内部就绪度(2):可能希望借此获得额外的功能,而不是替换原有功能。 外部就绪度(3):对外部公民透明,不存在外部障碍。 |
19. 重大事件支持 AI用例类型:异常检测/监控+决策智能+知识发现 将警报翻译为可用于沟通的非技术语言;分析监控数据和历史事件数据,以提供潜在的根本原因分析;汇总技术文档和知识文章,为相关值班专家提供可能的解决方案,以加快重大事件的解决。 | 增加营收(0):预期无影响。 提高效率(3):缩短平均修复时间(MTTR),减少IT技术人员的工作量(例如沟通、诊断和故障排除以及信息收集)。 管理风险(1):业务部门可在重大事件发生期间或之前立即采取行动,减少业务中断时间。 非财务价值(3):显著降低对业务运营的影响,特别是对严重依赖IT的企业而言。 | 技术可行性(2):现有大语言模型已具备此用例的功能,但供应商尚未尝试创建类似功能。 内部就绪度(2):用户部署此用例的兴趣浓厚,但需要较为成熟的IT服务管理(ITSM)以及准确的数据来支持此用例,并且需要进行人工检查以确保准确性/相关性。 外部就绪度(3):缺少有关内部使用的法律或监管要求。 |
用例在每个维度上按0~4分打分,0分最低,4分最高。 |
来源:Gartner(2023年10月)