生成式AI 商业落地白皮书-摘要

小天才学习机打游戏

于 2024-08-08 20:20:27 发布

阅读量606

点赞数 5

文章标签：人工智能运维 rpa 算法 prompt

本文链接：https://blog.csdn.net/m0_59164520/article/details/141035593

版权

今天读完了《生成式 AI 商业落地白皮书》我觉得写得很好，尤其其中对 “创新价值”那部分的论述很精彩，所以做了一个精彩内容的摘要和笔记。

这份白皮书涵盖 12 个行业的 220 个关键场景，关注我私信 “白皮书” 可以获得原始文件。

生成式 AI 商业落地现状

近些日子以来，模型推理价格相对去年降低 99%，极低的成本使得大语言模型的商业化应用变得更加可行，不仅对大型企业有利，也为中小企业提供了前所未有的机会

总体而言，自身科技化程度高或市场竞争压力大的行业，往往在推动生成式 AI 落地这块走在前列。

消费品行业有 56% 的企业在产品研发中使用生成式 AI，汽车行业在营销（80%）和销售（84%）方面的应用尤为突出。智能终端厂商在搜索模块的 AI 应用率达到 90%。医药大健康行业和制造业在 IT、销售和营销领域也都有广泛应用，

53% 的大企业开始落地生成式 AI 创新。显而易见，超过半数的企业已经意识到生成式 AI 的重要性，并开始在这方面投入资源和精力。

中国企业的生成式 AI 应用逐渐进入全面发展期

中国先发企业的生成式 AI 项目将为企业带来平均 10% 的成本缩减

一些先发企业已经开始系统性思考和落地生成式 AI，其中的佼佼者甚至已经开始收获生成式 AI 带来的效益。数据显示，有 37% 的 CIO/CDO（首席信息官/首席数字官）表示其企业的生成式 AI 项目将带来超过 10% 的成本缩减，其中 21% 的高管预期成本将降低 10-19%，16% 的高管预期成本将降低 20% 以上。

同时，高管们对生成式 AI 提升效率的效果也有积极的预期。26% 的高管预计生成式 AI 将带来超过 10% 的效率提升。这意味着，生成式 AI 不仅有助于降低成本，还能显著提高企业的运营效率，为企业在竞争激烈的市场中提供了强有力的支持。

除了降本增效之外，生成式 AI 还正在给先发企业带来这些不可量化的优势：

为用户提供更高专业和更个性化的服务
采集和分析更多维度的非结构化数据
建立行业的知识库并赋能上下游生态
开辟脑力密集型业务的新商业模式

CIO/CDO 心中最有价值的场景

生成式 AI 落地的 6 大挑战

如何评估创新价值，获取项目资源

生成式 AI 是新兴技术，企业在投入之初往往难以准确评估其商业价值。这主要有以下几方面原因：

生成式AI能力边界有待验证
应用人才稀
大模型能力依赖配
新技术导入需配套变革管理

生成式 AI 的真正价值，在于用新的生产力打造差异化的服务和流程，建立长期竞争优势。这是一个极好的机会把数字化团队从企业的成本中心转化成为价值创造中心，从工具的实现方转变成为生产力的提供方。

数字化团队将成为业务创新的主动策划者。

无论是将曾经高昂的复杂人工服务成本降低，还是将难以获取的专业服务变得人人可用，或是带给客户全新的对话型交互体验，，都对重塑品牌的价值定位有极其重要的作用。

行业成功的经验和知识都深藏在头部企业多年积累的文档、流程、人才中。相比通用的基础模型，这些独特的行业知识和经验，才是头部企业的核心竞争力所在。因此，是否能够有效地治理和应用企业独特的产业知识，将会是企业 AI 智能化成功与否的决定性因素。

在这个过程中，数字化团队需要成为知识的治理者和使用者，而不仅是存储工具提供者。他们要深入业务一线，发掘隐藏在员工头脑、业务流程、决策过程中的关键知识，并将其提炼为结构化、可计算的形式。

建立有竞争力的独特产业知识库是艰辛和漫长的，但是这将会是 AI 时代企业最有回报的投资。

当企业建立起自己独特的知识壁垒，就将具备向上下游赋能以及降维打击竞争对手的能力。比如一个制造型工业企业，如果建立起涵盖供应链上下游所有核心零部件的知识库，就可以利用 AI 优化采购决策、预测市场需求、指导产品设计，在提升自身运营效率的同时，还能够利用知识服务绑定上下游合作伙伴，构建难以复制的生态壁垒，最终获得市场的话语权和主导权。

而支撑这种知识和洞察的，正是企业长期积累的独特数据资产。因此，AI 项目的更大价值，不仅在于解决眼前的业务问题，更在于推动企业构建自己的数据资产。

这些数据资产，涵盖了企业内外部的结构化和非结构化数据，记录了企业运营的方方面面，蕴含了市场、客户、产品、运营的种种规律。它们不仅是 AI 实现智能化的基础，更是企业洞察先机、把握未来的关键所在，将会是AI 时代企业的立命之本。

场景选择难，失败率高

我们亲见许多企业因为选择了困难的甚至错误的场景，导致创新团队陷入不断过度承诺和低于期待交付的恶性循环，最终甚至损坏到一个企业的创新土壤。

在评估阶段和实施阶段，至少有以下17个问题团队应该研究清楚并互相对齐：

科技团队和业务团队是否能对场景的业务价值、实际业务流程和 AI 的能力边界达成一致，这对生成式 AI 项目成功至关重要。

怎样做好 AI 项目的落地准备工作

大多数 CEO 对其组织的生成式 AI 的准备程度持有过于乐观的态度。

生成式 AI 产品并非简单地接入大语言模型就大功告成。

生成式 AI 落地项目并非传统的“客户 - 供应商”关系的项目，业务团队不再是被动的需求方，而是 AI 系统训练和优化过程中的重要参与者。他们既是 AI 的使用者，也是 AI模型学习的对象，需要与技术团队形成紧密的反馈闭环，不断补充场景、纠偏算法，共同“调教”AI，让其从“学生”蜕变为“专家”。这对项目组织方式和流程都提出了新的要求。

做好生成式 AI 能力建设的长期规划

在当前，生成式 AI 的 PoC 项目的失败率依然很高，在一些企业中，AI 落地的失败率甚至超过一半。在团队能力和知识积累还不完善时，做好分阶段规划、获得成功经验对实现速赢至关重要。

项目初期就对齐业务价值和科技发展路线
帮助业务团队形成对大模型能力的合理认知
注意统筹规划短期回报和长期目标

生成式 AI 落地不可能一蹴而就，企业要以开放和务实的心态拥抱变革。通过对业务价值的精准判断，对技术能力的客观认知，对长短期目标的统筹规划，以及对成败经验的复盘提炼，才能在 PoC 阶段高效积累,降低决策风险，加速价值变现。

生成式 AI 团队新能力图谱

8 步实施大模型接入

最后

“

在一项技术的早期阶段，性能进步的速度相对较慢。随着这项技术变得更加易于理解、掌控和扩散，技术改进的速度将加快

这一代人的科技范式革命：从信息平权到智能平权

回顾过去 20 年，互联网对社会和商业的影响是颠覆性的。它催生了全新的商业模式和巨大的市场机会，也深刻改变了人们的生活方式和社会运作方式。电商、社交网络、共享经济等新业态蓬勃发展，巨头企业纷纷诞生，传统行业也在互联网的赋能下转型升级。生成式 AI作为新一代颠覆性技术，其商业化进程可能会重演互联网的发展轨迹。

互联网通过连接世界上的每一个人，使得信息的生产、传播和获取变得前所未有的便捷和低成本，从而实现了信息的平权。而人工智能大模型，尤其是生成式 AI，正在让知识和智能也走向平权

“

成熟的科技总是无形的，但成熟的科技有如电，已经不会再带给企业任何创新红利

最后，当 AI 技术变得无处不在、无所不能时，它将像互联网一样，成为数字社会不可或缺的底层操作系统，与商业浑然一体，进入“无形”的阶段。在这个阶段，AI 将深度融入商业和社会的方方面面，成为支撑一切活动的基础设施。人们可能已经习惯了 AI 的存在，不再把它看作一种独立的技术，而是将其视为理所当然的工具和助手。到那时，商业模式将以 AI 为基础，但 AI 本身不再带来创新红利。就像今天的互联网,它已经渗透到每个角落，但人们关注的是由它支撑的各种应用和服务，而不是互联网技术本身。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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。

在这里插入图片描述