Midjourney、ChatGPT、Bing AI Chat和其他AI工具，讓生成式AI更加易于使用，這些工具創造了大量的想法、實驗和創造力。如果你想在組織中使用生成式AI，那么你仍然面臨一個問題，就是從哪里開始著手讓AI發揮作用，以及如何在不陷入道德困境、侵犯版權或事實錯誤的情況下做到這一點。一個好的開始，就是使用生成式AI為那些已經在自己所在領域成為專家的人們提供幫助，幫助他們節省時間并提高工作效率。

你還可以在其他很多方面立即著手使用生成式AI，而且生成式AI可能已經被整合到你組織正在使用的幾個工具和平臺中。因此，你需要考慮制定一份指引，有關如何試用和采用這些工具。以下就是值得考慮使用生成式AI的五個關鍵領域，以及關于尋找其他合適場景的指引。

【資料圖】

1、提高開發人員的生產力技能

人們通常認為，編碼介于藝術和科學之間，但編程中有很多工作是例行的、重復的。云平臺和模塊存儲庫的興起，意味著編寫現代應用以及把組件和API聚合在一起、重構現有代碼、優化環境、編排管道一樣，和提出算法是一樣重要的。這其中，有很多工作已經成熟到可以實施自動化和AI輔助，但同樣地，你需要知道如何以及在何處使用這些工具來監控其影響和有效性。在全面轉向采用編碼助手之前，你可以從加速特定常見任務的一次性工具開始嘗試。

文檔既重要又經常被忽視的：你不僅可以讓生成式AI記錄代碼庫，還可以在你的文檔中構建一個聊天界面，讓開發人員通過界面詢問它的工作原理和使用方式，或者只是替換通常的搜索框，把通用文檔轉變為對話式編程，例如，AI可以在對話式編程中獲取數據并展示它是如何編寫查詢的。

測試是另一個容易被忽視的領域，自動生成單元測試可以幫助你擴大測試范圍。提交機器人還可以幫助開發人員編寫消息，其中包含了足夠多的信息為用戶和其他開發人員提供幫助，而生成式AI可以為那些將升級和系統重啟記錄下來的IT人員提供同樣的幫助。

告訴AI你想要什么，從而生成后端邏輯和其他樣板文件，這也很關鍵，這樣開發人員就可以專注于應用中更為有趣、更有創意的部分。你還應該利用生成式AI來編寫你自己的代碼模塊（在大型代碼庫中自動執行重復、耗時任務的腳本），或者利用生成式AI幫助修復聲音和語氣，以更好地適應內部風格。像GitHub Copilot這樣的編碼助手以及構建在大型語言模型（LLM）中的IDE，可以完成所有這些甚至更多工作，但不應該取代開發人員；這些編碼助手和IDE需要理解和評估沒有編寫的代碼（以及它運行的上下文），以防其中包含了安全漏洞或者性能瓶頸、遺漏、錯誤的決定，或者僅僅是簡單的錯誤，因為它是從可能包含任何或者全部問題的repos中進行學習以生成代碼的。你要考慮如何在組織中跟蹤AI生成的代碼，以便你可以對其進行審核并評估它的用處。開發者報告變得更高效，使用GitHub Copilot降低了挫敗感，微軟表示，Copilot用戶的代碼中有40%是AI生成的、且未經修改的。目前，一旦開發人員離開他們的IDE會話，這種出處就會丟失，因此請考慮記錄下AI工具使用方式的內部指南。

2、提升低代碼和無代碼業務用戶的技能

盡管業務用戶不具備專業知識評估AI助手生成的代碼，但低代碼和無代碼環境受到高度限制，而且集成了生成式AI工具的地方出現問題的可能性要小得多。

低代碼應用需要經常檢索和過濾數據。低代碼平臺已經添加了生成式AI功能，可以生成查找查詢或者清理返回的數據——比如以編程方式添加缺失的郵政編碼——這使得那些沒有數據庫專業知識的業務用戶可以更進一步，而無需堅持使用預構建的組件或者等待專業開發人員為他們編寫查詢字符串。Census GPT等開源工具可以更輕松地查詢大型公共數據集。

代碼助手也不僅僅適用于專業開發人員。Wix Artificial Design Intelligence (ADI)可以為你構建一個完整的網站，結合了代碼生成和生成式設計；Uizard可以對網站和應用原型做同樣的事情；Fronty可以把圖像轉換為HTML和CSS，而Microsoft Power Apps中的Express設計功能則可以把手繪草圖或者Figma文件轉換為可運行的應用，在后端完成。

企業組織感興趣的大多數生成式AI用途都是可以在低代碼自動化工作流程中調用的模塊，以便員工可以根據他們的特定需求調整這些模塊。而且，很多平臺已經像任何其他組件一樣提供ChatGPT和其他OpenAI API。但是，請確保生成的文本或者圖像附帶的任何警告或者指導在低代碼環境中正確顯示，最好有提供反饋的方式，并且工作人員知道你的政策是否可以直接向客戶展示這些內容而無需員工提前審查這些內容。

3、看懂文檔和數據

將自定義版本的ChatGPT和Bing相結合，給微軟Bing搜索引擎帶來了數百萬的新用戶。但是LLM的工作方式意味著錯誤和“幻覺”會發生，因為它們本質上是自動完成句子和段落以生成與查詢提示匹配的文本。如果你想要的信息不存在，模型仍然會嘗試創建一些合理的信息，即使提供的信息是正確的，并且與某個領域的大多數專家所說的相符，回答也可能是不完整的、不準確的，而且如果你還不是專家，你可能都不知道遺漏了什么內容。這些問題對于企業搜索和公共網絡來說都是一個大問題；微軟即將推出的Microsoft 365 Copilot工具將嘗試通過基于文檔和實體的Microsoft Graph數據查詢并提供參考來解決這個問題，但仍然可能會遺漏一些要點，需要你自行添加。

開始找機會利用LLM來總結和分析文檔，或者在那些更受限的場景中生成式文本來解釋概念，在這些場景中，信息是由具有專業知識的人員進行內部審查的，而不是直接顯示給你的客戶或者是其他最終用戶。

生成知識圖譜以可視化的方式展現不同實體之間的聯系和關系，以此幫助你了解項目、社區或生態系統。Excel中的Copilot工具，能夠以一種交互式的方式獲取洞察，并在不更改基礎數據的沙箱中提出有關數據的問題，因此任何錯誤都可能使你走上錯誤的道路，但不應污染原始信息以備將來分析使用。

用數據講故事，是傳達關鍵趨勢和AI分析的另一種有效方式，例如Power BI中的Smart Narratives可以發現異常和影響因素，然后用圖表和自動生成的描述對其進行解釋。這避免了LLM在數學方面遇到的問題，因為洞察是由線性回歸等AI模型得出的，然后由語言模型描述。這種集成方法可能會變得更加普遍。類似地，安全工具也開始使用語言生成來解釋威脅、異常和AI檢測到的潛在違規證據，以清晰且個性化的語言告訴你，這意味著什么以及如何應對。未來，希望能夠向這些工具提出問題，并讓工具能夠對其給出的建議進行解釋。

你還可以讓現有的聊天機器人變得更智能、更靈活，從關鍵字和固定響應內容，進階到讓響應內容聽起來更自然、可以在知識庫更新時自動包含新的信息。同樣地，使用生成式AI直接與客戶互動來提高客戶滿意度和降低成本，這一點很誘人，但這比在組織內部使用生成式AI來顯示有關福利和其他HR問題的有用信息風險要更大一些。雖然時下流行的聊天機器人適合某些品牌，但你可不希望因為客戶收到危險建議或者被你的聊天機器人侮辱而成為頭條新聞。使用生成式AI提供代理協助，可以讓你在降低風險的情況下提高工作效率。

4、加快業務用戶的工作流程

會議本應是做出業務決策和共享知識的地方，但會議的價值永遠不會離開會議室。Microsoft Teams Premium、Dynamics 365 Copilot和ChatGPT app for Slack等AI工具可以生成摘要，并記錄下分配的任務條目給與會者和那些不在會議室且可能不知道他們負責什么的人，這也有助于避免關于誰被要求做記錄、誰做其他“辦公室日常任務”的拉扯之爭。

能夠每天追趕上Slack繁忙的節奏，也可以提高生產力和工作與生活之間的平衡，但制定計劃和決策的人應該負責確保AI生成的摘要、行動項目和時間表的準確性。總結與客戶通話內容的AI工具，可以幫助經理對員工進行監督和培訓。這對于財務顧問和呼叫中心的工作人員來說，可能是有用的，但監控員工生產力的工具需要以同理心的方式被使用，避免工作場所監控引發的擔憂。用戶反饋和產品評論是有幫助的，但海量的信息可能會讓人不知所措，而且有用的信息可能會隱藏在深處。

生成式AI可以對相應內容進行分類、總結和歸類，以提供更易于吸收的匯總反饋。從長遠來看，我們很容易想象得出，有一個私人購物助理會給出建議你想要購買哪些商品，并回答有關這些商品的問題，而不是讓你自己翻看評論頁面。但同樣地，企業在引入那些可能會引起攻擊性或者是誹謗性意見、，或者過于熱衷于過濾負面反應的工具時，一定要十分謹慎。生成式AI工具可以閱讀和總結長文檔，并使用這些信息起草新的文檔。已經有像Docugami這樣的工具，可以從合同中提取到期日和可交付成果，國際律師事務所Allen & Overy則正在試用一個平臺來幫助進行合同分析和監管合規性。生成諒解備忘錄、合同或者工作說明書等半結構化文檔，可能會加快業務流程并幫助你以編程的方式對一些業務術語標準化，但預計這個過程需要很大的靈活性和監督。

5、克服寫作障礙，美化設計

你不必將整個寫作過程交給AI以便讓AI幫助你集思廣益、撰寫文案、創建圖像或者設計。很快，你就可以通過Office 365和Google Docs要求生成式AI創建文檔、電子郵件和幻燈片，因此你需要制定相關政策規定與任何人共享這些內容之前如何檢查其準確性。同樣地，你應該從可以被監控的、比較受限的任務和內部用途開始著手。

生成式AI可以建議在客戶外展電子郵件、感謝信、物流問題警告中寫什么，就在你的電子郵件中或在Salesforce、Zoho或者是Dynamics 365等CRM中，作為平臺的一部分或者通過第三方工具實現。人們對使用AI進行營銷也很感興趣，但也存在著品牌風險。你應該把這些選項僅僅視為一種起筆的方式，而不是單擊發送之前的最終版本。

AI生成的文本可能并不完美，但如果你有很多空白需要填補，它總比沒有的好。例如，Shopify Magic可以獲取關于產品的詳細基本信息，并為在線店面編寫一致的、經過SEO調整的產品描述，一旦你有了一些內容，就可以對其進行改進。此外，Reddit和LinkedIn使用Azure Vision Services為圖像創建標題和替代文本，以在用戶不自己添加這些內容時提高可訪問性。如果你有一個大型訓練視頻庫，自動生成的摘要可能會幫助員工充分地利用他們的時間。從文本中生成圖像，這種功能非常強大，像Microsoft Designer應用這樣的工具，可以把圖像傳播模型交到業務用戶手中，后者可能不愿使用Discord服務器訪問Midjourney，而且也不具備專業技能使用Photoshop中的StableDiffusion插件。但AI生成的圖像也存在爭議，從深度造假和恐怖谷效應、到訓練數據的來源以及無償使用知名藝術家作品的道德規范問題。企業組織希望在使用生成的圖像方面，能有一個非常明確的政策，以避免那些很明顯的陷阱。

找到適合自己的用途

正如你看到的，從客戶支持和零售到物流和法律服務，在任何你希望利用可靠信息源進行精心策劃的任何交互環節，都有機會利用生成式AI從中獲益。

要負責任地使用生成式AI，就請從自然語言處理開始著手吧，例如非面向客戶場景的分類、摘要和文本生成，在這些場景中，輸出內容要由具備發現和糾正錯誤和虛假信息專業知識的人員進行審查，而且要有一個界面讓這個過程更簡單自然，而不僅僅是接受建議。通過跳過人工參與來節省時間和金錢，這一點很誘人，但如果生成的內容不準確、不負責任或者是令人反感，那么對業務造成的損害可能會很大。

許多組織擔心將數據泄露到可能有助于競爭對手的模型中。谷歌、微軟和OpenAI都已經發布了數據使用政策，并表示，企業使用的數據和提示將僅用于訓練他們的模型，而不是用于提供給每個客戶的核心模型中。但你仍然有一份指引，關于員工可以將哪些信息復制到公共生成式AI工具中。

廠商還表示，用戶擁有模型輸入和輸出的所有權，這在理論上是個好主意，但可能無法反映生成式AI在版權和剽竊問題上的復雜性，而且像ChatGPT這樣的模型不包括引用內容，所以你不知道生成式AI返回的文本內容是正確的、還是從其他人那里復制的。釋義不完全是剽竊，但盜用他人的原創想法或者見解，對任何企業來說都不是一件好事。

對于組織而言，培養AI素養并讓員工熟悉使用和評估生成式AI的輸出內容，也是很重要的。記住，你要從不重要的領域小處著手，從有效的領域中進行學習。

標簽：