社区

写在开头

2022 年 11 月 30 日，OpenAI正式发布chatGPT，2023 年国内各行业不断推出自己的大模型，这样一个能够理解人类语言背后的深层含义并靠预测下一个词的算法能力提供更加智能、个性化服务的大语言模型，在 2024 年，势必将成为应用的井喷之年。企业又该如何思考，如何应对这样的时代，需要我们加快构建对大模型人工智能时代的基础设施、模型本身、场景应用的认知，完成早期的布局，走入更加高效、智能的企业发展新阶段。

（作者：圆心惠保信息技术中心  ）

01

 人工智能新纪元

我们不妨先提出一个问题，大模型能力的涌现，相对之前的人工智能到底具备了什么“觉醒”能力？

以往，我们已经经常与智能手机、智能音箱、智能助手等技术设备进行交流。我们向它们提出问题、发出指令，期待它们能够准确地理解并作出合理的回应。然而，过去的人工智能技术往往只能实现简单的语言匹配和规则应答，而无法真正理解语言背后的含义和情境。

例如，以往的智能语音助手可能能够听懂我们说的话，并根据预设的规则做出相应的回应。但是，当我们提出复杂的问题或含糊不清的指令时，它们往往会束手无策，无法正确理解我们的意图。

然而，一切在大模型的出现之后发生了变化。大模型是一种基于深度学习的人工智能技术，它能够利用海量的数据进行训练，从而拥有了超凡的自然语言理解能力。与以往的人工智能技术相比，大模型不仅可以准确地理解语言的表面意思，还能够理解语言背后的语境、情感和逻辑，从而做出更加智能和贴近人类思维的回应。一言以蔽之就是能够很好地听懂人话了。

它就像一位深谙世情的智者，能够洞察人类语言背后的深层含义，从而进行精准的理解和回应。在我们日常的交流中，无论是与智能助手的对话、搜索引擎的提问，还是与语音助手的互动，大模型都扮演着至关重要的角色。

举个例子，我们可以看看大模型在智能客服领域的应用。以往的智能客服往往只能根据用户提出的问题匹配相应的答案，无法真正理解用户的意图和需求。然而，有了大模型的支持，智能客服可以通过分析用户的语言表达、语境和情感，更准确地理解用户的需求，并给出个性化、针对性的解决方案。比如，当用户向智能客服咨询关于产品的使用方法时，智能客服可以根据用户的描述和提问方式，自动推断出用户可能遇到的问题，并给出相应的解决方案，从而提高了客户的满意度和服务质量。

02

企业要避免堆砌工具

多年的数字化建设毋庸置疑成为了提升企业竞争力，优化管理的重要手段，但企业发展到一定阶段，不可避免的陷入了工具堆砌的“陷阱”，导致企业内部技术摩擦和复杂性增加，熵增到了一定程度后，反而降低了数字化建设的效果。

在企业发展的过程中，管理团队需要强大的组织管理能力和方法来避免要素的冗余，规模的增长导致难度越来越大，最终难逃失控，给企业带来巨大的隐形成本。同时，在实际的企业运作过程中，还存在大量的没有明确业务需求的情况下，非常容易引入新技术和新工具，事后评估却未必达成预期效果，反而加速了系统间协同，数据融合等隐形成本的增加。

图片

03

应用的本质是信息传递介质

在用户和服务之间，信息化、数字化完成的二者之间的信息传递，本质上，应用充当了信息传递的介质，无论是移动应用、桌面软件还是网络服务，它们的核心目的都是为了让用户能够更有效地获取、处理和传递信息。

在数字时代，应用扮演着至关重要的角色。它们将复杂的数据和功能封装在一个易于理解的界面中，使用户能够通过简单的操作来访问所需的信息。例如，社交媒体应用允许用户分享想法、图片和视频，从而传递个人经验和观点；新闻应用提供最新的报道和事件，帮助用户保持信息更新；而教育应用则通过互动课程和资源，传递知识和技能。

提升信息传递的效率，有两个很重要的方面，值得我们关注，一方面是信息匹配效率，即机器算法的优化；另外一方面是用户交互体验。在传统的软件交互中，还是以功能菜单交互方式为主，用户想通过自然语言对话指令的方式完成操作，依然是一件比较困难的事情，随着大语言模型的发展，回归到人类通过语言与机器沟通成为了可能。

基于此，我们来探讨企业是否有更优的方案来解决越来越多的工具和越来越复杂的应用，企业的策略应当聚焦于将积累的核心能力（业务处理能力、数据处理能力等）做标准化的能力开放，应该逐步让人工智能来充当大脑，完成意图识别，任务分发，企业根据场景需求来编排能力和任务，完成一系列复杂的企业级业务流、数据流、财务流，避免上述提到的工具堆砌“陷阱”。

图片

04

企业应对方案

这时候，企业在大模型时代的具体落脚点，也已基本清晰，一言概括就是企业要尽早泡在大模型的“池子”里，快速构建可以管理、配置、编排大模型能力的基础能力，让企业根据自己的业务场景可以构建与客户、与员工交互的智能体。智能体在执行任务的过程中发挥意图识别、任务调度、决策反馈的核心作用，逐步走向全新的企业服务客户新模式。

企业具体关注四层建设，从基础设施到应用分别是：基础设施层、模型层、应用桥接层、应用层。

基础设施层关注业务数据的沉淀积累以及所需算力；

模型层持续关注大模型底座能力的不断提升以及RAG的不断完善；

应用桥接层需要企业定制化去搭建自己的 “AI 中台”，去为应用快速接入做好基础服务框架；

应用层关注客户场景中如何让新一代的人机方式嵌入流程中，实现更加“丝滑”的，回归人沟通本质的交互方式。

其中根据企业所处阶段的不同，所需资源和投入要把握市场业务节奏，不断优化组织思维以及组织配置，最终根据企业自身业务场景来嵌入更加符合人类沟通方式的产品，更加高效地达成企业战略。

图片

05

关注隐私、数据安全、算法偏见

在走向智能化的过程中，企业要严守隐私安全等红线，确保让组织行稳致远。

智能化时代，企业少不了要收集大量用户数据以训练和优化模型，然后，这一过程往往涉及用户隐私泄露风险，企业智能化的同时要通过数据过敏、用户授权、差分隐私、隐私计算等方式来构建完善的隐私保护机制，确保用户数据的安全，

数据安全要将加密、访问控制、安全审计、灾备等措施融入到企业数据管理的每一个动作中。

AI 算法在决策过程中可能受到训练数据、算法设计等因素的影响，我们要关注训练数据的多样性，算法可解释性以及持续的监控且建立必要的伦理规范来确保 AI 在决策过程中的公平。

“

写在最后

回归初心，是让企业在智能时代，更加有人情味，更好的服务用户，服务社会，企业最终获得该有的回报。

处在一个新时代，认清楚事物的本质，找好属于自身的应对方案，坚守企业红线。

最后用一首AI 创作的诗词共勉：

江山代有才人出，各领风骚数百年。时代来临如潮涌，机遇敲门谁先攀。

策马扬鞭赴前程，万里江山任驰骋。快马加鞭莫停留，勇往直前展雄风。

人生短暂如朝露，把握时代显英姿。奋发向前不畏难，砥砺前行展价值。

英勇豪杰竞逐鹿，谁主沉浮未可知。把握时代风云起，书写辉煌篇章时。