本着 在本文的主题中，我们询问了 ChatGPT（一种生成式 AI 语言模型，可以根据用户提示创建原始内容）如何设置上下文。我们对系统的提示：

以麦肯锡公司的风格，撰写一篇关于生成式人工智能如何为商业带来变革的文章的开头段落。

ChatGPT 的回应：

生成式人工智能的兴起有可能成为企业的重大游戏规则改变者。这项技术可以通过学习现有数据来创建原创内容，有能力彻底改变行业并改变公司的运营方式。通过实现许多以前由人类完成的任务的自动化，生成式人工智能有可能提高效率和生产力、降低成本并开辟新的增长机会。因此，能够有效利用该技术的企业可能会获得显着的竞争优势。

并不完美，但令人印象深刻。

对于我们以及我们最近采访过的许多高管来说，只要在 OpenAI 开发的 ChatGPT 中输入一个提示，就可以看到生成式 AI 的力量。上线五天，已有超过百万用户登录平台亲身体验。 OpenAI 的服务器几乎无法满足需求，定期闪烁一条消息，要求用户稍后在服务器容量释放时返回。

ChatGPT 和 GitHub Copilot 等产品，以及为此类系统提供动力的底层 AI 模型（Stable Diffusion、DALL·E 2、GPT-3 等），正在将技术带入曾经被认为是人类专属的领域。借助生成式人工智能，计算机现在可以说可以展现创造力。他们可以根据查询、从获取的数据以及与用户的交互中提取原始内容。他们可以开发博客、草图包装设计、编写计算机代码，甚至对生产错误的原因进行理论分析。

这种最新一类的生成人工智能系统是从基础模型中出现的，即在涵盖许多主题的海量、广泛、非结构化数据集（例如文本和图像）上进行训练的大规模深度学习模型。开发人员可以使模型适应广泛的用例，每个任务几乎不需要进行微调。例如，ChatGPT 的基础模型 GPT-3.5 也被用于翻译文本，科学家们使用 GPT 的早期版本来创建新的蛋白质序列。通过这种方式，所有人都可以使用这些功能的强大功能，包括缺乏专业机器学习技能的开发人员，在某些情况下，甚至是没有技术背景的人。使用基础模型还可以将开发新人工智能应用程序的时间减少到以前几乎不可能的水平。

生成式人工智能有望使 2023 年成为人工智能迄今为止最激动人心的年份之一。但与每一项新技术一样，企业领导者必须睁大眼睛继续前进，因为当今的技术带来了许多道德和实际挑战。

进一步深入人类领域

十多年前，我们写了一篇文章，将经济活动分为三个部分：生产、交易和互动，并研究了技术对每个部分的影响程度。 100 多年前的工业革命期间，机器和工厂技术通过增强和自动化人力改变了生产，而人工智能进一步提高了制造车间的效率。交易在大约同一时间范围内经历了多次技术迭代，包括最近的数字化和自动化。

直到最近，交互劳动（例如客户服务）经历了最不成熟的技术干预。生成式人工智能将通过以一种非常接近人类行为的方式（在某些情况下，在不知不觉中）进行交互劳动来改变这一现状。这并不是说这些工具无需人工输入和干预即可工作。在许多情况下，它们与人类结合起来最为强大，增强了它们的能力，使它们能够更快更好地完成工作。

生成式人工智能还将技术推向了一个被认为是人类思维独有的领域：创造力。该技术利用其输入（所摄取的数据和用户提示）和体验（帮助其“学习”新信息以及正确/错误的与用户的交互）来生成全新的内容。虽然在可预见的未来，餐桌上关于这是否真的等同于创造力的争论将会激烈，但大多数人可能会同意，这些工具将通过激发人类的起始想法来向世界释放更多的创造力。

商业用途比比皆是

这些模型还处于扩展的早期阶段，但我们已经开始看到第一批跨功能的应用程序，包括以下内容（如图所示）：

  • 市场营销与销售—制作个性化营销、社交媒体和技术销售内容（包括文本、图像和视频）；创建适合特定业务（例如零售业）的助理
  • 运营—生成任务列表以有效执行给定活动
  • 信息技术/工程——编写、记录和审查代码
  • 风险与法律——回答复杂的问题，查阅大量的法律文件，起草和审查年度报告
  • 研发—通过更好地了解疾病和发现化学结构来加速药物发现

兴奋是有道理的，但也需要谨慎

生成式人工智能令人惊叹的结果可能使它看起来像是一种现成的技术，但事实并非如此。它的新生要求高管们必须非常谨慎地行事。技术人员仍在解决这些问题，许多实际和道德问题仍然悬而未决。这里仅仅是少数：

  • 和人类一样，生成式人工智能也可能会出错。 例如，ChatGPT 有时会“产生幻觉”，这意味着它在回答用户问题时自信地生成完全不准确的信息，并且没有内置机制向用户发出信号或质疑结果。例如，我们观察到当该工具被要求创建简短的个人简介时，它为该人生成了一些不正确的事实，例如列出了错误的教育机构。
  • 过滤器还不足以有效地捕获不当内容。 可以根据人的照片创建头像的图像生成应用程序的用户会从系统中收到描绘他们裸体的头像选项，即使他们已经输入了自己的适当照片。
  • 系统性偏见仍需解决。 这些系统从大量数据中获取可能包含不必要的偏差。
  • 个别公司的规范和价值观没有得到体现。 公司需要调整技术以融入他们的文化和价值观，这需要一些公司可能无法获得的技术专业知识和计算能力。
  • 知识产权问题有待辩论。 当生成式人工智能模型根据用户提示提出新的产品设计或想法时，谁可以拥有它？当它根据训练数据抄袭来源时会发生什么？

高管的初步步骤

在考虑采用生成式人工智能的公司中，鉴于技术预计会快速发展，高管们将希望快速确定该技术可能对其产生最直接影响的业务部分，并实施一种监控机制。一个不后悔的举措是组建一个跨职能团队，包括数据科学从业者、法律专家和职能业务领导者，来思考基本问题，例如：

  • 该技术可能在哪些方面帮助或扰乱我们的行业和/或我们业务的价值链？
  • 我们的政策和姿态是什么？例如，我们是否正在密切关注技术的发展、投资试点或寻求建立新业务？不同业务领域的态度是否应该有所不同？
  • 考虑到模型的局限性，我们选择目标用例的标准是什么？
  • 我们如何构建一个由合作伙伴、社区和平台组成的有效生态系统？
  • 这些模型应该遵守哪些法律和社区标准，以便我们能够与利益相关者保持信任？

与此同时，鼓励整个组织深思熟虑的创新至关重要，建立护栏和沙盒环境进行实验，其中许多可以通过云轻松获得，而且更多的可能性即将到来。

生成式人工智能可以为各种规模和技术水平的企业带来真正令人兴奋的创新。然而，高管们希望对技术发展早期阶段存在的风险保持敏锐的认识。