本輪人工智慧（AI）浪潮與過去的技術突破時期有何不同？中國能否走出一條獨特的AI發展之路？
微觀層面上，企業如何將AI技術推廣到日常營運中，從而提升效率和生產力？企業上下該如何建立起對AI的信任、如何在各個業務和職能推廣該技術？企業又該如何規避那些可能由AI導致的風險呢？
就這些問題，第一財經記者在2024世界人工智慧大會暨人工智慧全球治理高級別會議（WAIC 2024）期間專訪了埃森哲全球副總裁、全球數據能力主管董筱珊（Teresa Tung）。
AI繁榮比過去的科技突破時期更加普惠
第一財經：我們目前正在經歷的AI繁榮與過去的技術突破有什麽區別呢？
董筱珊：我認為一個區別在於其普惠性。舉個例子，當ChatGPT於2022年11月問世時，我的孩子們和父母立刻就能輕松使用這項技術，這在雲技術和大數據技術取得突破時並未發生過。那些技術很大程度上仍主要由技術專家，比如軟體工程師、數據科學家等進行使用。
正是這種普惠，更快地推動了AI的發展，市場也作出快速反應。在推出後的短短幾個月內，ChatGPT就擁有了上億使用者。埃森哲很快捕捉到了這一趨勢，我們觀察到，自2022年11月ChatGPT釋出以來，各類企業在財報電話會議中提到人工智慧的次數增加7倍，並且不僅僅是企業技術團隊會提到AI。我對此的解讀是，企業電話財報會議需要向各方報告AI市場的發展，投資者、消費者和企業員工都想了解一家企業在日常業務中如何使用AI技術。這與過去相比是一個很大的變化。
第一財經：除了消費端的變化，目前來看，很多AI企業似乎也已盈利。本輪AI熱潮與過去的技術突破時期相比，是否也能幫助相關企業更快實作收益或獲得利潤呢？
董筱珊：這種實作收益或獲得利潤可能不一定是透過提供AI產品或服務直接獲得的，AI技術帶來的生產力提高，往往是企業獲得收益、價值的首要方式之一。
當企業使用生成式AI技術時，由於相關模型已經被提前訓練好，同時還存在許多互聯網數據或其他數據可使用，企業不需要再投資一大筆資金。大多數企業都會將這些技術套用於諸如市場行銷、客戶服務、銷售、財務、知識管理等業務和職能，具體可用來幫助處理電子信件、生成文件，生成產品描述等，過去這些工作可能需要花費較長時間來完成。從上述情況不難發現，AI能令企業提高效率和業務水平。
至於直接「變現」，這可能需要更長時間，因為我們還需要應對某些特定問題，比如風險。在使用目前的AI產品時，我們還會擔心，生成的內容是否合乎道德和其他規範？同時，很多情況下，我們也會面臨缺乏相關性更高、更具體的數據，無法繼續用以訓練模型，因而生成內容無法做到與所處企業、行業更加相關。好訊息是，我們已經看到有些企業開始這樣做了，盡管還不是很普遍。
第一財經：一些AI業內人士在討論，也許中國企業可以采取不同的方式來發展AI。你同意嗎？你認為理論上，是否存在很多不同的途徑來發展和受益於本輪AI繁榮？
董筱珊：當我們談論生成式AI時，主要有三種采用途徑。一種是直接運用相關的應用程式，比如某個市場行銷類應用程式。ChatGPT也是一個應用程式，當你使用GhatGPT時，你並非直接在與大語言模型聊天，而是在使用該應用程式來生成聊天內容。
另一種采用途徑是直接運用應用程式背後的底層模型。比如，OpenAI就是一個模型，而OpenAI這一模型可以用來建立應用程式，比如ChatGPT和其他應用程式。
第三種采用途徑，就是運用各種底層模型來建立適合企業或業務的特定專屬應用程式。在這種情況下，運用到的底層模型可以是國際上的模型，也可以是國內的模型。
對於企業來說，選擇模型時主要考慮的就是是否已預先訓練完善，哪個更適用於自身以及所在市場的情況。比如，在中國，國內的大模型能生成更精確的結果，因此會更有有利競爭。此外，中國市場上的一些模型可能更具成本優勢。
同時，在中國，商業環境和格局也復雜多變，企業選擇也更加靈活和多樣化，不同企業基於成本角度和相關性角度，可能會選擇不同底層模型。這些因素可能會讓中國在AI領域取得跨越式的進展。
第一財經：你認為哪些地區或國家能受益於本輪AI發展浪潮？
董筱珊：中國肯定是會受益最大的國家之一。中國具備人才庫、科技企業、資金等關鍵因素和具有競爭力的生態系等，同時政府也在發展AI中扮演著重要角色。
不論是要構建AI基礎設施，建立大數據中心，獲得GPU高效能芯片等，發展AI的初始投資是巨大的，除非是大型企業，否則大部份企業難以承受，而這也是政府能夠起到作用的一個地方。
事實上，在全球，政府都需要扮演相當的角色，比如推出了AI的相關法案和檔，給行業參與者一些明確的指導方針。通常來看，如果企業不知道哪些事情能做或不能做，往往就會謹慎起見而束手束腳。基於此，政府主動明確規則，並讓行業參與者知道政府鼓勵發展AI，是有所裨益的。
第一財經：關於AI的演變路徑，近期有分析師認為，與此前行動網際網路時期類似，最初會讓輝達這樣的硬體企業受益，然後是博通這樣的AI基礎設施類企業，再之後是強調與人互動的AI軟體企業將會獲得發展。你贊同這種路徑嗎？
董筱珊：我基本同意這一演變路徑。歸根結底，大多數使用者願意為體驗付費。比如用於市場行銷的AI寫作及內容生成套用，又比如生成音樂的應用程式，亦或是微軟推出的Copilot，對於普通使用者來說，應用程式底層技術、模型、大數據中心、GPU等這些技術概念並非是重點，他們關心的是程式使用是否便捷，生成結果是否足夠準確和智慧，能否帶來更好的使用體驗等。
現階段，企業仍然必須打下很多基礎，否則將永遠無法獲得這種體驗。有了基礎設施後，我們才能透過套用初始的大語言模型，完成偵錯最佳化服務，再基於此建立應用程式。
企業推廣AI技術時，人的因素至關重要
第一財經：企業將生成式AI融入其業務流程的實際進展如何？理論上，AI能夠如何幫助他們消除障礙、提高生產力或釋放商業價值呢？
董筱珊：在企業內部推廣AI技術時，僅僅考慮技術本身是不夠的，還需要與終端使用者，即運用AI技術進行具體工作的員工合作，他們往往是最適合擔任AI教練的人選。所以，如何推廣AI技術，不應該由企業的技術團隊告訴員工應該怎麽做，而應讓員工參與決策共同確定該如何做。這點對於生成式AI技術尤為適用，因為生成式AI並非「天生」就能夠提供準確、可靠的內容。這時候，就需要運用該技術的員工來幫忙判定某些生成內容的對錯，以及是否能生成某項特定任務所期望的資訊。
舉例來說，如果某個員工負責在供應鏈中管理倉庫，他必須確保貨物在正確的時間送進來並送出去，背後需要考慮的因素包括時間表、庫存、客戶等。如果要運用AI技術，員工要確保讓AI也能考慮到上述所有這些因素。如此一來，如果有什麽事情被推遲或順序發生了變化，AI就知道該如何應對。所以，熟悉這些因素的員工，就要充當AI的教練。並且，當AI生成了這些資訊後，員工也會進一步反饋，不斷驗證提供資訊和提供形式的準確性和精確性。長此以往，AI就能夠動態地提取該員工在某一具體時刻需要檢視的數據，並且根據情況的變化（例如，有人遲到了，有人請病假了，或客戶更改了訂單）決定提供數據的具體時點。上述任何環節都會產生連鎖效應，牽一發而動全身，因此，AI與員工的合作非常關鍵。
第一財經：在企業在內部推廣AI技術的時候，人的因素仍然很重要？
董筱珊：絕對如此。在AI技術開發中，人的因素非常重要。這其實是一種人加上AI的能力，而不是AI自身完成自動化。這也是AI與以往技術變革不同的另外一點，它是非常人性化的技術，也因此它比以往的突破性技術更易得、更快普及，以及更加對於使用者友好。比如，即便使用者不是技術專家，也能運用AI來編程，建立指令動作。即使不是藝術家，也能透過AI生成影像。每個人都可以運用AI的創造性，且不受特定技能所局限。
第一財經：埃森哲的一項研究表明，雖然亞太區89%的首席體驗官（CXO）計劃在2024年增加對AI技術的投資，但不少高管承認他們缺乏透過AI技術完成企業重塑所需的技能。更重要的，當涉及推廣AI時，領導者和員工之間存在信任赤字，許多員工會擔心自己的工作。根據你的經驗，能采取什麽方法讓員工對企業引入及推廣AI技術感到更舒適，甚至願意擁抱這種變革呢？
董筱珊：上述研究結果也顯示，員工對生成式AI技術本身很興奮，94%的員工表示想學習這項新技術，只是他們不認為企業管理層能夠積極推廣AI技術。在我看來，這主要是因為企業領導還沒有在全體員工中展開相關培訓。
正如我提到的，其實生成式AI是一種非常人性化、基於人的技術。如果透過培訓讓員工了解到運用AI的風險和要求，讓他們成為AI的教練，將他們納入轉型過程，他們會更容易接受。這是所有企業領導者真正需要做的，因為不僅僅是軟體工程師，各類工種的員工都將是數據工作者，都能接觸到數據並針對數據提出問題，也需要基於數據作出決策或推動變革。
第一財經：在訓練員工前，我們是否應該先培訓企業領導呢？上述研究結果也提到，在起初的興趣爆發期後，即使是企業領導自己，在日常工作中對生成式AI的使用量也出現了減半的情況。
董筱珊：我們需要培訓所有人，讓所有人都能夠最好地了解AI技術的前景。埃森哲自身已經給全球70多萬名員工進行了基礎培訓，讓企業上下知道什麽是生成式AI，以及這項技術意味著什麽，背後有什麽風險和機會，從而有更好的心態適應並運用AI。比如，人們會在手機上處理很多AI相關的任務，這既是機遇也是風險，因為個人可能會無意間把企業的一些重要資訊泄露出去，也可能會被動接收到一些他人生成的內容，存在潛在風險。通常，技術團隊會更習慣於應對這些情況，而透過培訓，企業的所有人都會具備這樣的意識和處理方法。
第一財經：你能分享幾個有趣的或令人印象深刻的案例嗎？
董筱珊：我們確實有看到和參與企業客戶落地套用的例子。比如，有一家規模非常大的生命科學企業客戶與埃森哲合作開展AI相關培訓，旨在建立起技能和專業知識，培養內部數位人才。這並非一家科技企業，但他們知道需要基於AI技術進行研發上突破，革新他們業務。
還有一個與傳統車企合作的案例。通常，將企業數據轉化為某種知識或洞察，需要在許多領域專家和數據來源之間來回溝通，整個過程需要相當長的時間。埃森哲助力寶馬建立了一個名為EKHO的新一代人工智慧平台，幫助員工解決復雜的問題。EKHO甚至可以透過從過去的場景中學習來解決全新的挑戰。在過去，寶馬銷售人員必須查閱實物手冊才能了解可能的汽車配置。現在，使用EKHO平台，寶馬可以將此過程減少到幾分鐘。並且，EKHO可以適用於客戶的各項業務，比如在制造環節，它可以透過回答庫存和物流問題來最佳化供應鏈流程。EKHO可以幫助寶馬在北美市場的效率提升了30%至40%。
此外，還有一個【財富】雜誌的案例。【財富】透過嚴格收集和分析世界上大型企業的復雜財務數據，建立標誌性的【財富】500強排行榜。多年來，【財富】積累了豐富的數據。我們與【財富】合作，開發一個名為Fortune Analytics™的生成式AI平台，可以透過存取各年度【財富】排行榜、印刷品和線上文章以及線上視訊，獲取數據並進行整合。平台再對生成的內容進行微調，使【財富】的使用者，尤其是某些特定業務領域的企業領導者和研究員，能夠花更少的時間搜尋資訊，花更多的時間制定戰略和作出有影響力的決策。該平台提供的產品比較直觀和多樣，形式上既有文本，也有視覺化數據產品，比如散點圖、折線圖和條形圖等。
第一財經：在倫理領域，AI也存在著諸如私密、偏見和歧視以及影響人類判斷等風險。企業能夠如何避免由這些風險引發的一些問題呢？
董筱珊：首先，我們需要了解生成式AI的本質。歸根結底，它不是給使用者一個準確的答案，只是生成它在知識庫以及訓練中習得的有關資訊和內容，所以有些時候它甚至會編造一個答案，令人們感到疑惑，造成了所謂的「幻覺」。
了解這點後，我們再來考慮到可能存在的風險。就像我們在編程、寫軟體時一樣，我們也需要對AI進行測試和驗證。我們需要建立一組測試和驗證數據，當AI模型發生變化時，我們就能夠及時評估這個模型是否是準確的，或者生成的內容是否適合傳播。
比如，在行銷活動中用到生成式AI技術時，如果企業想確保生成和傳播的內容符合實際情況並能達到最佳效果，就需要讓該領域的專業員工對生成的內容進行判定，從而收集一組相互對比的結果和數據。在這一過程中，各個領域的專業人士和知識的角色非常關鍵。並且，每個企業在判斷具體業務時，也會考慮到該企業的獨特之處。所以在整個過程中，我們可以先透過專業員工先收集一批數據，然後運用AI程式自動生成內容，再去驗證對錯，從而不斷擴充驗證數據組。如此一來，在日後其他員工在試圖選擇模型時，或試圖驗證生成結果是否正確或準確時，就可以用程式化的方式執行這些驗證數據組。
除了不斷擴大驗證數據組外，我們還需要微調模型，因為有些數據組中的內容和知識雖然不存在對錯的問題，但可能會過時，添加新的內容和知識，使得模型最終生成內容更加準確。
(本文來自第一財經)
