在探讨企业如何应用AI大模型的“道、法、术”系列文章的前两篇文章中,我们已经深化了对“AI大模型”的理解,并通过“AI场景12问”洞察了潜在的AI应用场景。现在,我们将目光转向更为关键的实践环节,即本篇的核心——“AI变革五阶八步法”。
或许您已经听说过“三层五阶八步”这一方法论。实际上,这一方法论自我们团队初步提出以来,经过集团AI专家们的深入研讨、丰富和持续调整,尽管名称未变,但其内涵和认知已经历了多次迭代和升级。
本次分享旨在延续前文的脉络,同时总结我们在实施过程中的实际经验和教训,为企业AI应用提供更为全面和实用的指导。
“五阶八步”的关键在于一套理念:AI大模型的应用,是一场变革。
这一说法的依据在于,我们将AI大模型视为一个“生命体”。正如人类在企业中需要流程、组织、数据和IT的支撑,同理,“AI生命体”在企业中也需要其对应的流程、组织、数据和IT来确保其有效运作。接下来,我们就来深入解析,AI大模型的应用落地,到底意味着哪些变化。
第1阶
业务价值
① 识别业务痛点
所谓识别业务痛点,其实跟传统IT解决方案里没太多区别,基本的方法论也都是适用的,包括分析用户旅程、Design Thinking、商业模式九宫格、SWOT等等。
不过,AI大模型适用的场景,其实是有特点的,我们称之为**“高能耗 + 高门槛”**(自己总结的特点,欢迎指正):
高能耗 :可以从非雇员的角度来审视。一般非雇员团队的工作范围是非核心、低门槛、可替代性强的工作,属于海量、高频、重复的场景,非常适合AI介入。比如说,客服、电网销、测试等。
高门槛 :可以从业务流效和风险地图两个方面来审视。一般意义上,高风险、高经验要求、业务规则复杂、流程频繁变化的场景,很适合AI介入辅助人,因为AI可以及时更新自己的知识库、掌握最新、最完整的流程规范要求。比如说,合同签审、商务申请、客户洞察等。
② 明确业务目标
为了让整个AI项目能有个一致的方向,设置业务目标是必须的。
虽然在前一篇“AI场景12问”里,我们在筛选场景时,对业务价值、业务成熟度、业务运营目标等做了强调。这里再拿出来,是为了把前面初步确定的目标/指标,变成可以确保落地的目标/指标,写在项目的charter或计划书里。
接下来,我将分享一些AI大模型在企业应用中的经验和思考。
1、AI适用的四类场景
AI大模型在企业业务中创造的价值主要集中在四个维度:增收、降本、提质、增效。相应的,则会产生四类比较核心的业务目标:
1. 增加了多少收入?–> 用钱来衡量,关注由AI带来的外部收入增加,这是最直接、最具有说服力的财务指标。
2. 降低了多少成本?–> 用钱来衡量,评估AI如何帮助企业降低内部成本,实现成本效益的最大化。
3. 提升了多少质量?–> 通过作业质量的问题数或客户满意度来衡量,确保AI在提高产品或服务质量方面发挥积极作用。
4. 增加了多少效率?–> 利用计时或计件的方式,明确业务活动的时间指标,量化AI在提高工作效率方面的贡献。
2、一些思考
这里有几个有趣的思考:
“四类目标”背后其实是“四类场景”,是有“鄙视链”的,大致优先级排序就是我上面的顺序,能够用“钱”来衡量的,就不用“质”来衡量,也就绝不用“效”来衡量。
这四类目标,其实在某些场景下,要综合起来看,可能会横跨多个,也有可能会互相演化。尽可能从下往上演化,就价值目标就升级了。如果确实不行,再降级。当然,要降级时,就值得审视下这个场景要不要搞了。
跟业务对齐目标,其最好的办法就是把业务的计划拿过来,直接从业务团队的KPI里选取,或者采用与业务KPI强相关的支撑指标。
再和大家分享2个错误案例:
错误案例1-AI回答准确率xx%: 这是最常见的AI项目目标,也是最容易犯的错误。AI答准率是技术目标,不是业务目标,是无法让业务sponsor买单的,对准这个目标,很可能IT同学搞的很热火朝天,但是业务结果很差,最终项目早期热闹,上线以后就不了了之。
错误案例2-AI提效xx%: 提效百分比这事儿,太玄学了。这两年AI项目做下来,能不用比例就不要用比例,一定要用具体的计时或计件数。举个例子,客服场景的业务目标不应该是客服AI的答准率,而应该是客户的工单的处理时长、自助解决率、自闭环率等这些业务侧的KPI。
3、一些难点
最后,业务目标这件事儿,看起来在整个“五阶八步”里是容易的,但实操起来可能是最难的。这里我们也踩过不少坑,有三个非常有趣的难点:
-
在开工前,如何证明AI介入就能带来业务目标改进?
-
在开工后,如何证明业务目标的改进是AI带来的?
-
另外,业务还会担心,万一业务真提效了,明年要砍我的预算或者人头怎么办?
对于前两个挑战,我们可能无法找到标准的解决方案,但关键在于业务团队的决心和投入。对于第三个挑战,则需要我们展现出变革的领导力,确保AI的应用能够带来真正的业务价值,而不是简单的替代或削减。
第2阶
流程
有了场景和目标之后,剩下的工作就是IT解决方案设计的工作,只不过这一次我们融入AI元素,甚至以AI为核心来看设计。接下来的“流程、组织、数据、IT”四阶,其实都是IT解决方案设计过程中的思考维度。
为什么不仅仅只考虑IT?很简单,就是只考虑IT整个事儿做不下去,别问我们咋知道的。下面先看“流程”部分。
③ AI融入作业流
在做整个设计时,基于“AI融入作业流”来思考和规划,至关重要。
因为这里有一个陷阱:AI飞轮转不起来。
为什么ChatGPT没有啥流程,咋的我们自己用一下AI大模型就需要流程了呢?
这里的核心是,AIGC 2B与2C的区别,我跟大家捋一下这个逻辑,根源就2C类应用可以获得上亿的MAU,2B则只能以千、百为记。于是就开始这个恶性循环:
-
没有足够的用户
-
没有用户就没有反馈(主动反馈率低于5%)
-
没有反馈就没有数据(足量的高质量数据)
-
没有数据就没有AI大模型的持续改进
这样就闭环了,企业内部AIGC应用,指望AI的增长飞轮自己能转起来,是没戏的。
但是我们也有我们的优势,那就是我们可以调整用户的流程、交互,甚至习惯,因为我们在某种意义上是“垄断”的。
这里的核心设计,就是**“作业即标注”**的飞轮。通过在作业流程中预埋AI的交互,让我们的用户在作业时,不经意间就使用了AI,并对AI结果做了反馈。
第3阶
组织
④ 成立AI团队
如何组建一个AI团队这个事儿,我们也不能说完全搞清楚了,只是觉得:要干成这件事儿,现有的资源配置和角色是不够的。
这里大致给个示意(葫芦图),蓝色部分是传统软件开发的几个关键角色,红色部分是我们为了AI大模型应用而改造或新增的角色。
有几个新的概念,这里稍作解释:
AI训练师: AI的业务导师,教AI怎么做事的,关键业务活动就是标注数据、给予专业的反馈。
AI SA: 这是关键角色,也是每个AI子项目的领头羊角色。一方面,承担了IT解决方案架构师的角色;另一方面,对AI能做啥、不能做啥、落地方案是啥非常清楚。这块的人才目前是最缺失的,属于复合型人才。
AI SE: 这也是一个新的角色,包括提示词工程、模型微调、数据处理等等新IT技能。当然,除了新要求,也包括传统IT SE所专长的IT方案设计,毕竟AI大模型应用,还是需要一整套工程方法来支撑的。
随着大模型的持续爆火,各行各业都在开发搭建属于自己企业的私有化大模型,那么势必会需要大量大模型人才,同时也会带来大批量的岗位?“雷军曾说过:站在风口,猪都能飞起来”可以说现在大模型就是当下风口,是一个可以改变自身的机会,就看我们能不能抓住了。
那么,我们该如何学习大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一、大模型全套的学习路线
学习大型人工智能模型,如GPT-3、BERT或任何其他先进的神经网络模型,需要系统的方法和持续的努力。既然要系统的学习大模型,那么学习路线是必不可少的,下面的这份路线能帮助你快速梳理知识,形成自己的体系。
L1级别:AI大模型时代的华丽登场
L2级别:AI大模型API应用开发工程
L3级别:大模型应用架构进阶实践
L4级别:大模型微调与私有化部署
一般掌握到第四个级别,市场上大多数岗位都是可以胜任,但要还不是天花板,天花板级别要求更加严格,对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。
以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/50b83498f6107114bbd4cec7ca5a6b0a.jpeg)
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
以上的AI大模型学习资料,都已上传至CSDN,需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/50b83498f6107114bbd4cec7ca5a6b0a.jpeg)
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。