Midjourney、ChatGPT、Bing AI Chat和其他AI工具，让生成式AI更加易于使用，这些工具创造了大量的想法、实验和创造力。如果你想在组织中使用生成式AI，那么你仍然面临一个问题，就是从哪里开始着手让AI发挥作用，以及如何在不陷入道德困境、侵犯版权或事实错误的情况下做到这一点。一个好的开始，就是使用生成式AI为那些已经在自己所在领域成为专家的人们提供帮助，帮助他们节省时间并提高工作效率。
你还可以在其他很多方面立即着手使用生成式AI，而且生成式AI可能已经被整合到你组织正在使用的几个工具和平台中。因此，你需要考虑制定一份指引，有关如何试用和采用这些工具。以下就是值得考虑使用生成式AI的五个关键领域，以及关于寻找其他合适场景的指引。
1、提高开发人员的生产力技能
人们通常认为，编码介于艺术和科学之间，但编程中有很多工作是例行的、重复的。云平台和模块存储库的兴起，意味着编写现代应用以及把组件和API聚合在一起、重构现有代码、优化环境、编排管道一样，和提出算法是一样重要的。这其中，有很多工作已经成熟到可以实施自动化和AI辅助，但同样地，你需要知道如何以及在何处使用这些工具来监控其影响和有效性。在全面转向采用编码助手之前，你可以从加速特定常见任务的一次性工具开始尝试。
文档既重要又经常被忽视的：你不仅可以让生成式AI记录代码库，还可以在你的文档中构建一个聊天界面，让开发人员通过界面询问它的工作原理和使用方式，或者只是替换通常的搜索框，把通用文档转变为对话式编程，例如，AI可以在对话式编程中获取数据并展示它是如何编写查询的。
测试是另一个容易被忽视的领域，自动生成单元测试可以帮助你扩大测试范围。提交机器人还可以帮助开发人员编写消息，其中包含了足够多的信息为用户和其他开发人员提供帮助，而生成式AI可以为那些将升级和系统重启记录下来的IT人员提供同样的帮助。
告诉AI你想要什么，从而生成后端逻辑和其他样板文件，这也很关键，这样开发人员就可以专注于应用中更为有趣、更有创意的部分。你还应该利用生成式AI来编写你自己的代码模块（在大型代码库中自动执行重复、耗时任务的脚本），或者利用生成式AI帮助修复声音和语气，以更好地适应内部风格。像GitHub Copilot这样的编码助手以及构建在大型语言模型（LLM）中的IDE，可以完成所有这些甚至更多工作，但不应该取代开发人员；这些编码助手和IDE需要理解和评估没有编写的代码（以及它运行的上下文），以防其中包含了安全漏洞或者性能瓶颈、遗漏、错误的决定，或者仅仅是简单的错误，因为它是从可能包含任何或者全部问题的repos中进行学习以生成代码的。你要考虑如何在组织中跟踪AI生成的代码，以便你可以对其进行审核并评估它的用处。开发者报告变得更高效，使用GitHub Copilot降低了挫败感，微软表示，Copilot用户的代码中有40%是AI生成的、且未经修改的。目前，一旦开发人员离开他们的IDE会话，这种出处就会丢失，因此请考虑记录下AI工具使用方式的内部指南。
2、提升低代码和无代码业务用户的技能
尽管业务用户不具备专业知识评估AI助手生成的代码，但低代码和无代码环境受到高度限制，而且集成了生成式AI工具的地方出现问题的可能性要小得多。
低代码应用需要经常检索和过滤数据。低代码平台已经添加了生成式AI功能，可以生成查找查询或者清理返回的数据——比如以编程方式添加缺失的邮政编码——这使得那些没有数据库专业知识的业务用户可以更进一步，而无需坚持使用预构建的组件或者等待专业开发人员为他们编写查询字符串。Census GPT等开源工具可以更轻松地查询大型公共数据集。
代码助手也不仅仅适用于专业开发人员。Wix Artificial Design Intelligence (ADI)可以为你构建一个完整的网站，结合了代码生成和生成式设计；Uizard可以对网站和应用原型做同样的事情；Fronty可以把图像转换为HTML和CSS，而Microsoft Power Apps中的Express设计功能则可以把手绘草图或者Figma文件转换为可运行的应用，在后端完成。
企业组织感兴趣的大多数生成式AI用途都是可以在低代码自动化工作流程中调用的模块，以便员工可以根据他们的特定需求调整这些模块。而且，很多平台已经像任何其他组件一样提供ChatGPT和其他OpenAI API。但是，请确保生成的文本或者图像附带的任何警告或者指导在低代码环境中正确显示，最好有提供反馈的方式，并且工作人员知道你的政策是否可以直接向客户展示这些内容而无需员工提前审查这些内容。
3、看懂文档和数据
将自定义版本的ChatGPT和Bing相结合，给微软Bing搜索引擎带来了数百万的新用户。但是LLM的工作方式意味着错误和“幻觉”会发生，因为它们本质上是自动完成句子和段落以生成与查询提示匹配的文本。如果你想要的信息不存在，模型仍然会尝试创建一些合理的信息，即使提供的信息是正确的，并且与某个领域的大多数专家所说的相符，回答也可能是不完整的、不准确的，而且如果你还不是专家，你可能都不知道遗漏了什么内容。这些问题对于企业搜索和公共网络来说都是一个大问题；微软即将推出的Microsoft 365 Copilot工具将尝试通过基于文档和实体的Microsoft Graph数据查询并提供参考来解决这个问题，但仍然可能会遗漏一些要点，需要你自行添加。
开始找机会利用LLM来总结和分析文档，或者在那些更受限的场景中生成式文本来解释概念，在这些场景中，信息是由具有专业知识的人员进行内部审查的，而不是直接显示给你的客户或者是其他最终用户。
生成知识图谱以可视化的方式展现不同实体之间的联系和关系，以此帮助你了解项目、社区或生态系统。Excel中的Copilot工具，能够以一种交互式的方式获取洞察，并在不更改基础数据的沙箱中提出有关数据的问题，因此任何错误都可能使你走上错误的道路，但不应污染原始信息以备将来分析使用。
用数据讲故事，是传达关键趋势和AI分析的另一种有效方式，例如Power BI中的Smart Narratives可以发现异常和影响因素，然后用图表和自动生成的描述对其进行解释。这避免了LLM在数学方面遇到的问题，因为洞察是由线性回归等AI模型得出的，然后由语言模型描述。这种集成方法可能会变得更加普遍。类似地，安全工具也开始使用语言生成来解释威胁、异常和AI检测到的潜在违规证据，以清晰且个性化的语言告诉你，这意味着什么以及如何应对。未来，希望能够向这些工具提出问题，并让工具能够对其给出的建议进行解释。
你还可以让现有的聊天机器人变得更智能、更灵活，从关键字和固定响应内容，进阶到让响应内容听起来更自然、可以在知识库更新时自动包含新的信息。同样地，使用生成式AI直接与客户互动来提高客户满意度和降低成本，这一点很诱人，但这比在组织内部使用生成式AI来显示有关福利和其他HR问题的有用信息风险要更大一些。虽然时下流行的聊天机器人适合某些品牌，但你可不希望因为客户收到危险建议或者被你的聊天机器人侮辱而成为头条新闻。使用生成式AI提供代理协助，可以让你在降低风险的情况下提高工作效率。
4、加快业务用户的工作流程
会议本应是做出业务决策和共享知识的地方，但会议的价值永远不会离开会议室。Microsoft Teams Premium、Dynamics 365 Copilot和ChatGPT app for Slack等AI工具可以生成摘要，并记录下分配的任务条目给与会者和那些不在会议室且可能不知道他们负责什么的人，这也有助于避免关于谁被要求做记录、谁做其他“办公室日常任务”的拉扯之争。
能够每天追赶上Slack繁忙的节奏，也可以提高生产力和工作与生活之间的平衡，但制定计划和决策的人应该负责确保AI生成的摘要、行动项目和时间表的准确性。总结与客户通话内容的AI工具，可以帮助经理对员工进行监督和培训。这对于财务顾问和呼叫中心的工作人员来说，可能是有用的，但监控员工生产力的工具需要以同理心的方式被使用，避免工作场所监控引发的担忧。用户反馈和产品评论是有帮助的，但海量的信息可能会让人不知所措，而且有用的信息可能会隐藏在深处。
生成式AI可以对相应内容进行分类、总结和归类，以提供更易于吸收的汇总反馈。从长远来看，我们很容易想象得出，有一个私人购物助理会给出建议你想要购买哪些商品，并回答有关这些商品的问题，而不是让你自己翻看评论页面。但同样地，企业在引入那些可能会引起攻击性或者是诽谤性意见、，或者过于热衷于过滤负面反应的工具时，一定要十分谨慎。生成式AI工具可以阅读和总结长文档，并使用这些信息起草新的文档。已经有像Docugami这样的工具，可以从合同中提取到期日和可交付成果，国际律师事务所Allen & Overy则正在试用一个平台来帮助进行合同分析和监管合规性。生成谅解备忘录、合同或者工作说明书等半结构化文档，可能会加快业务流程并帮助你以编程的方式对一些业务术语标准化，但预计这个过程需要很大的灵活性和监督。
5、克服写作障碍，美化设计
你不必将整个写作过程交给AI以便让AI帮助你集思广益、撰写文案、创建图像或者设计。很快，你就可以通过Office 365和Google Docs要求生成式AI创建文档、电子邮件和幻灯片，因此你需要制定相关政策规定与任何人共享这些内容之前如何检查其准确性。同样地，你应该从可以被监控的、比较受限的任务和内部用途开始着手。
生成式AI可以建议在客户外展电子邮件、感谢信、物流问题警告中写什么，就在你的电子邮件中或在Salesforce、Zoho或者是Dynamics 365等CRM中，作为平台的一部分或者通过第三方工具实现。人们对使用AI进行营销也很感兴趣，但也存在着品牌风险。你应该把这些选项仅仅视为一种起笔的方式，而不是单击发送之前的最终版本。
AI生成的文本可能并不完美，但如果你有很多空白需要填补，它总比没有的好。例如，Shopify Magic可以获取关于产品的详细基本信息，并为在线店面编写一致的、经过SEO调整的产品描述，一旦你有了一些内容，就可以对其进行改进。此外，Reddit和LinkedIn使用Azure Vision Services为图像创建标题和替代文本，以在用户不自己添加这些内容时提高可访问性。如果你有一个大型训练视频库，自动生成的摘要可能会帮助员工充分地利用他们的时间。从文本中生成图像，这种功能非常强大，像Microsoft Designer应用这样的工具，可以把图像传播模型交到业务用户手中，后者可能不愿使用Discord服务器访问Midjourney，而且也不具备专业技能使用Photoshop中的Stable Diffusion插件。但AI生成的图像也存在争议，从深度造假和恐怖谷效应、到训练数据的来源以及无偿使用知名艺术家作品的道德规范问题。企业组织希望在使用生成的图像方面，能有一个非常明确的政策，以避免那些很明显的陷阱。
找到适合自己的用途
正如你看到的，从客户支持和零售到物流和法律服务，在任何你希望利用可靠信息源进行精心策划的任何交互环节，都有机会利用生成式AI从中获益。
要负责任地使用生成式AI，就请从自然语言处理开始着手吧，例如非面向客户场景的分类、摘要和文本生成，在这些场景中，输出内容要由具备发现和纠正错误和虚假信息专业知识的人员进行审查，而且要有一个界面让这个过程更简单自然，而不仅仅是接受建议。通过跳过人工参与来节省时间和金钱，这一点很诱人，但如果生成的内容不准确、不负责任或者是令人反感，那么对业务造成的损害可能会很大。
许多组织担心将数据泄露到可能有助于竞争对手的模型中。谷歌、微软和OpenAI都已经发布了数据使用政策，并表示，企业使用的数据和提示将仅用于训练他们的模型，而不是用于提供给每个客户的核心模型中。但你仍然有一份指引，关于员工可以将哪些信息复制到公共生成式AI工具中。
厂商还表示，用户拥有模型输入和输出的所有权，这在理论上是个好主意，但可能无法反映生成式AI在版权和剽窃问题上的复杂性，而且像ChatGPT这样的模型不包括引用内容，所以你不知道生成式AI返回的文本内容是正确的、还是从其他人那里复制的。释义不完全是剽窃，但盗用他人的原创想法或者见解，对任何企业来说都不是一件好事。
对于组织而言，培养AI素养并让员工熟悉使用和评估生成式AI的输出内容，也是很重要的。记住，你要从不重要的领域小处着手，从有效的领域中进行学习。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
