文｜郑金军  邹必颖

    2023年是生成式人工智能（AIGC）飞速发展之年，以OpenAI公司ChatGPT为代表的AIGC大模型迅速火爆全球，迭代版本GPT-4更是以精准的逻辑推理能力冠绝群模。一时间，各家大厂竞相发布能力更强的AIGC模型，资本纷纷高调追捧,国内几个月时间便形成“千模大战”，大佬们纷纷下场，“厂均一模”成为常态，似乎没有自己的AIGC模型，都不好意思自称大厂了。

AIGC模型能一统企业应用的天下吗？

  相比闭源AIGC模型，伴随而来的开源AIGC更加卷到天际。从几个月前的几十亿参数模型开源，到如今千亿参数开源，仿佛大厂的AIGC模型训练费用都可以忽略为零了。可以确认的是，直接将千亿超大规模AIGC模型开源,更多是为商之道，可为云服务提供商的云算力提供当下最好的销售卖点。当然，这也可以清楚地看出AIGC模型的未来将趋向于一种企业级基础设施。

AIGC模型能做作业、写剧本、敲代码，还能和你聊天。最近几个月，各种模型应用迭代速度越来越快：任务式驱动，大模型完成任务分解，向量数据库完成知识检索，多个智能体组合式进化，生成式大模型的能力可以说直达巅峰，仿佛无所不能。

  尽管如此，AIGC离真正的企业级应用仍有一定距离。落地应用安全风险有多大？决策依据是否准确？如何杜绝“模型幻觉”？我们并不能完全相信自己的眼睛。生产、教育、科研、日常生活等几乎各行各业已经出现AIGC应用落地实例，AIGC对企业管理发展的影响，更多需要从双方趋近融合的角度去看待并理解，跨越AI与企业管理者不同思维鸿沟，而非视而不见或持续对抗。未来几年，各行各业的思维方式都将剧烈变化，所有垂直应用软件系统都将被重塑。

AIGC将推动企业管理走向深度变革，在智能决策助手、办公自动化、数据智能分析、人力资源智能化管理等多个方向加速演绎迭代，并形成清晰定位。

高级智能决策助手

  传统的企业管理决策往往依赖人的经验和直觉，这在很大程度上限制了企业管理者的决策质量和效率。人工智能可以帮助企业管理者更快速地获取信息，通过大数据分析和数据挖掘，从海量数据中提炼有价值的信息，为管理者提供有针对性的决策建议。AIGC还可以模拟人类思维过程，为企业管理者提供更具创新意义的解决方案。在面对复杂问题时，它可以通过模拟人类思维方式，提出多种可能的解决方案，并分析各种方案的优劣，从而帮助管理者做出更加明智的决策。这将大大提高企业管理者的决策效率，同时降低企业决策风险。

  AIGC还可以实现企业的智能化运营。通过对企业内部数据的实时监控和分析，可以预测潜在的企业经营问题，并及时向管理者发出经营风险预警，帮助企业适时调整经营策略，确保未来稳定发展。笔者刚刚完成一家以投后管理为管理大方向的大型集团化公司的AIGC应用落地需求立项。区别于传统企业，该集团总部对分支产业公司控制力相对较弱，很难进行有效的集团化管理。以往在多次代替分支产业公司进行管理决策的过程中，集团总部管理都属于瞎子摸象，无法通过具象的数据支撑完成具体决策。后来，通过几次需求沟通和需求分析，我们决定利用AIGC技术实现分支产业公司上报集团总部的各类型议案的关键要素提取，再辅以其他数据检索汇总，利用AIGC形成对特定议案的预决策，在董事会审议该分支产业公司上交的议案之前，先形成预决案，与议案一起提交集团董事会，此类应用的落地有力增强了集团总部对分支产业公司的认知和决策影响力，信息部的同事将之称为企业内部情报分析。

推动办公自动化向智能化演变

  传统AI技术可以辅助企业办公自动化，提高工作效率。例如，通过自然语言处理技术，可以实现对邮件、文档等文本信息的自动分类、摘要和回复；利用语音识别技术，可以自动记录和转录电话、会议等语音信息。这些功能可以大大提高企业员工的办公效率，降低人力管理成本。区别于传统中小模型，生成式人工智能这类大模型速度更快，处理数据量更大，结果更精准，泛化能力更高，将进一步推动办公自动化向智能化演变。突破单一文件和文字的限制，通过更高精度自动处理大量文档和数据，AIGC可以帮助员工更加快捷地完成工作，减少重复性劳动，提高工作效率。

  微软的Microsoft365 Copilot被称为“GPT-4版的Office”，是AI生产力工具的全面商用典型。最新升级后的“AI全家桶”，更是宣布支持开源LLaMA 2大模型。它可自动整理会议记录，自动生成会议纪要和文档摘要，自动回复客户邮件；可以理解和模仿人类思维方式，生成高质量总结文本和报告；以用户的方式自动撰写市场分析报告，提供有价值的市场洞察；通过数据分析，自动生成销售预测报告，帮助企业做出更精准的销售决策等。

AIGC还可以提高办公安全性。通过自动检测网络攻击和异常行为，帮助企业及时发现内部网络安全问题，保护企业信息安全。另外，AIGC助力企业管理流程优化。通过分析企业的业务流程，自动找出瓶颈和问题，提出优化建议，提高企业运营效率。

有力的数据智能分析工具

  在智能化时代，生成式人工智能正在成为管理者有力的数据智能分析工具。

  首先，AIGC可以自动进行数据清洗和预处理。这对于企业管理者来说是一个巨大的优势，因为他们不再需要花费大量时间和精力来处理杂乱无章的企业内部数据。AIGC可以自动识别和处理异常值，填充缺失值，转换数据格式等，使得数据更加整洁，易于分析。

  其次，AIGC可以进行深度的数据分析。它可以理解数据背后的复杂模式和关系，生成有深度的洞察。例如，AIGC可以自动进行聚类分析，识别客户的不同群体，帮助管理者更好地理解客户需求和行为。AIGC还可以自动进行时间序列分析，预测未来趋势，帮助管理者做出更具前瞻性的决策。

  最后，AIGC还可以直接生成直观的可视化结果。通过将复杂的数字和公式转化为易于理解的图表和图像，帮助管理者更直观地理解数据，提高决策效率和准确性。

人力资源管理趋向更精准的用人画像

    AIGC在人力资源管理领域的应用日益广泛。与传统AI模型应用相结合，充分利用机器学习、深度学习、知识图谱等技术，通过智能化招聘系统，企业可以快速筛选合适的求职者，提高招聘效率。通过对员工绩效、能力的分析，AIGC可以帮助企业制定更加合理的薪酬激励政策，激发员工的工作积极性。可以系统性实现招聘、培训、绩效评估等环节的全面智能化。例如，在招聘环节，根据企业设定的条件和要求，自动筛选和推荐合适的候选人，缩短招聘周期，降低人力成本；在培训环节，根据员工所在部门、岗位、职业规划等，自动推荐合适的在线培训课程，并通过对员工的学习行为进行分析和反馈，不断调整课程内容和形式，提高员工学习效果；在绩效评估环节，通过自动化绩效管理系统，实现绩效数据的实时收集和分析，提高员工评估客观性和准确性。

车轮已造好，车的性能和风险由工程化方案决定

  目前，企业的大量需求集中在AIGC应用落地路线图，即采用开源基座模型，利用垂直行业语料进行数据微调、指令微调，辅助企业内部专家知识库，形成AIGC工程化私域部署方案。这样可以确保企业数据不出私域，也就不会构成大范围企业数据的泄密事件，同时最大限度降低开源基座模型尤其是中小参数基座模型的“模型幻觉”问题。可以说，工程化方案将是AIGC通用人工智能在垂直领域应用落地的一剂良药。

   AIGC技术并非今天才有，之前一直不温不火，随着GPT-3.5有了所谓“智能涌现”，它才在2023年火遍全球，引发大众高度关注。实现“智能涌现”的因素包括算力逐年提升，模型参数越来越大，语料质量越来越高、数量越来越多且知识面更加全面完整，外加“人类对齐”技术等，AIGC模型已经出现类人通用智能倾向。但就算是GPT-4，依然存在“一本正经胡说八道”的“模型幻觉”问题，AIGC产出的结果如何甄别？这几乎已经成为当下最迫切需要解决的问题。

  从根源上看，我们可以更大程度打磨AIGC基座模型的推理精度，用更大参数、更多语料数量、更佳语料质量、更好对齐方式等降低基座模型的“幻觉”。如果将基座模型比喻成车轮，而AIGC工程化落地方案就像造一辆车，国内早期的大量认知，都在思考如何打造漂亮的基座模型！所谓车轮已造好，为何不造车？不管是钛合金车轮还是木质车轮，车子性能的提升并非是制造车轮单一支出的等比提升关系，所以我们需要权衡性价比。未来，在各类行业应用场景中，一定会有各种大小参数的基座模型和通用智能体，搞清楚应用的能力边界非常重要：也许作为企业共用基座模型，也许只是一个极小的垂直应用领域，而工程化落地方案将最大限度规避模型应用的落地风险。

  从数据安全角度看，GPT-4要求数据出境，国内大厂的AIGC模型要求数据上云，而开源模型参数偏小、精度偏低，但胜在可以私域部署，确保用户数据不出私域，且可以最大限度进行模型和应用的定制化开发。权衡各种场景数据安全的具体要求，企业可以选择不同的问题解决思路，合理规避泄密风险。

   AIGC目标定位依然是人类助手的角色，性能更加优异的AIGC是我们对未来的美好期待——AIGC将更加普及化、个性化、智能化和集成化。企业级AIGC落地模型多样性也将成为必然，闭源和开源模型双轮驱动，成为两根擎天大柱。为挑战OpenAI，IBM携手Meta等50家企业及机构成立AI联盟。2023年12月6日，谷歌公司宣布推出一种名为Gemini的人工智能模型，声称该模型在一系列智力测试中的表现优于OpenAI的GPT-4模型和“专家级”人类，多模态性能更加优秀⋯⋯我们有理由期待，未来的AIGC将会给企业管理发展带来更多令人惊喜的变化。■

作者郑金军系北京三油科技有限责任公司总经理、中关村领智青年人才自主创新发展中心副主任，邹必颖系中央财经大学经济学院博士研究生