由于大模型具备一定的跨行业通用性,并通过自然语言对话、API系统对接等交互手段,支持多样化的使用方式。因此,在各行各业令大模型的应用落地,由于大模型适应场景的能力、成熟度、企业应用时间经验、企业业务性质等因素的不同,可能会经历以下三重境界。
通过个人的使用,为企业探索出大模型在特定业务场景下的应用成熟度、效率提升、模型缺陷、负面影响等,用于评估在本企业应用大模型的价值,为下一步应用的决策提供真实的参考信息。
提高员工个人工作效率,反映在企业效益上,可能是员工工作质量、工作满意度的提升,也可能是在同等人力资源的条件下产出更大的工作量。
在这个阶段,企业应注意内部核心数据的保密。除了制定大模型使用的数据管理规范之外,还可以选用大模型服务商提供的私域专有模型,将模型部署在企业专用服务器上,从而确保内部数据不会进入公域大模型的训练数据集之中。
此时往往伴随着企业业务流程的调整,以及各环节职能重心的变化。例如,
在第二重境界,企业围绕大模型的特点调整和优化自身流程,更充分地利用大模型的能力,应获得远超第一重境界的企业效益提升。此时需要关注大模型应用对员工的影响,从组织机制设计上避免潜在的冲突。
为了进一步提高大模型的效果和产出,还可以借助模型插件库的能力进行本地化二次开发,读取和查询本地数据;或者根据本行业和本企业的特点,进行模型微调训练、提示语上下文学习等定制化的工作。此时需要企业的业务部门和IT数据部门共同介入完成。
在第二重境界,企业要调整业务流程和员工岗位,因为投入IT数据资源进行本地化开发和训练,需要付出较大的组织成本和人力成本。站在整体效益最大化的立场,应该评估业务各环节的大模型应用成熟度和优先级,选择最适合的应用点切入。其中一个重要的评估角度是业务环节的信息量和容错率。
其中,
此时,企业需要从技术、产品到市场、商业进行全盘策划,创建新的商业模式,挑战现有的行业规则,并承担较高的风险,此类策划方式更适合初创企业或者大企业中的独立团队。(相比之下,前两重境界更多属于渐进式创新,企业专注于将大模型技术整合到现有的体系中,关注存量业务的投资回报率,相对更稳妥,更适合行业中已有的企业。)
有能力尝试并最终成功走到第三重境界的企业很少,然而,这重境界却是大模型产业应当追求的方向。当大模型的多模态能力得到充分释放后,人类与大模型的协作达成默契,大模型在某个领域的成熟度被打磨到极致,只有结合企业家的全新业务模式设计产生颠覆式创新,才有机会做出市场增量,把社会经济的蛋糕做大,催生新的人类就业机会。对此,值得我们寄予无限的遐想。
如果觉得我的文章对您有用,请点赞。您的支持将鼓励我继续创作!
赞0
添加新评论0 条评论