從+AI到AI+談企業如何應用ChatGPT技術

吳敏達

AI無處不在，它可以畫畫、創作并與人們談論復雜的話題。越來越多的企業正在從+AI（數據集成+分析）過渡到AI+（預測、自動化和機器學習）。企業的AI采用率和能力自2017年以來翻了一番，而作為數字化轉型戰略一部分的AI預算已從2018年的5 %增長到2022年的52 %。

隨著ChatGPT的橫空出世，其已成為主要新聞文章的標題，“一時洛陽紙貴，一試難求”。越來越多的企業正在認識到他們可以通過AI獲得價值和轉型的新方式，開始思考如何利用ChatGPT技術重新定義生產力，產生業務價值。

然而當企業逐步深入調研ChatGPT的能力和技術之后，就會產生疑慮和不安。首先是安全性，由于ChatGPT是公有云的服務，如果企業需要使用，需要用企業的數據去Fine-Tuning（微調）預訓練模型，而很多企業數據是敏感和需要保護的。同樣在使用ChatGPT服務的時候也要考慮安全的問題。

其次是準確性和權威性，ChatGPT的答案并不總是完全準確、相關或公正，因為它們是由AI生成的。雖然它能夠提供一些非常有創意的響應，但它會讓企業或品牌面臨風險，因為沒有一致的、可擴展的方法來確定所提供的答案是否正確。

最后，企業AI需要考慮AI治理、定義政策并在整個AI生命周期中建立問責制，以確保模型遵守公平、可解釋性、穩健性、透明度和隱私的原則，而這也是ChatGPT目前缺失的。以下從行業知識和技術實踐2個角度來進行探討，看看企業如何能夠揚長避短，利用ChatGPT技術助力企業級AI。

場景與流程

行業知識和技術實踐是企業級AI成功的關鍵因素。ChatGPT技術在企業應用同樣如此，選擇合適的場景，采用受控的企業流程，通過開放的架構，才能讓ChatGPT技術在企業安全落地。

ChatGPT是以GPT 3.5為基礎衍生出來的應用，目的是用來展示GPT的能力。ChatGPT的技術支撐是大規模語言模型，也就是大家耳熟能詳的LLM，LLM屬于基礎模型的范疇，基礎模型是在廣泛的未標記數據集上訓練的模型，這些數據可用于不同的任務，只需最少的微調?；A模型和LLM支撐了生成式AI，通過從現有數據中學習來創建原創內容。

ChatGPT和LLM是AI領域令人激動的創新，會直接加速對話AI的應用，客戶服務（利用AI來進行互動和交談）是企業最重要的AI應用場景之一。以ChatGPT為代表的生成式AI擅長響應與問題相關、可以處理小眾不常見的話題，但也可能會編造事實不正確的答案。而目前企業級對話AI更擅長對高價值問題的回答，非常具體和準確，因此引入ChatGPT的技術，可以完善企業級對話AI的能力。

理解、傳遞和應用業務流程是企業級AI的重要部分，AI需要理解、應用和處理這些流程。盡管ChatGPT是在大量基于文本的數據上進行訓練的，但它并不“理解”企業所需的特定業務流程，它不會對模棱兩可的問題進行澄清，而是對問題的含義進行“最佳猜測”。例如：用戶詢問業務場景“我如何支付賬單？”，ChatGPT會詳細說明支付賬單的過程。但企業級AI需要弄清楚用戶想支付什么賬單以及支付方式。這些問題特定于企業或流程，對話的結果是交易處理結果，而不僅僅是基于文本。ChatGPT不支持針對企業系統執行交易的能力。而IBM Watson Assistant和IBM Watson Discovery幫助中國客戶構建的企業級AI都是圍繞特定業務場景來訓練優化語言模型，并集成企業自動化業務流程。Watson Assistant可以根據客戶信息和上下文觸發業務流程并用于對話控制，通過使用開箱即用的Webhook和觸發API與業務系統集成來實現自動化任務。

企業級AI需要控制對話，Watson Assistant是企業級對話AI市場的領導者，可以實現tell me，show me和do it for me，與企業系統和應用程序集成或完全自動化業務流程。Watson Assistant最新的功能“旅程”，可以在對話中逐步直觀地指導用戶應用的復雜過程，通過視頻、文本和圖像提供交互式幫助和支持。

持續改進增強對話機器人的性能和用戶體驗是企業級AI非常重要的內容。在引入ChatGPT技術后，依然需要企業級AI最佳實踐和方法論來保證成功。IBM Watson Assistant提供了持續改進對話機器人和衡量指標，可用于日常交付以提高對話機器人效率的完整方法論、技巧、操作方法和模板。企業級對話AI建議綜合關注4個指標：凈推薦值（NPS）、客戶滿意度、遏制率和一次性問題解決率。僅僅看凈推薦值和客戶滿意度并不能全面了解對話機器人的成功與否，遏制率是用戶不選擇人工的百分比，回訪率是看用戶在一周內是否使用了任何渠道重新尋求幫助，遏制率低和回訪率高意味著對話機器人并沒有達到滿意的自助服務效果。

在企業級AI中，ChatGPT背后的AI基礎模型技術除了前面談到的客戶服務業務場景，也可以用于數字化勞動力、IT運營和網絡安全等。Red Hat和IBM正在利用該技術為Ansible注入新的功能，Project Wisdom將讓任何人都可以更輕松地使用AI生成的建議編寫Ansible Playbook。Project Wisdom將能夠根據用戶輸入，生成以Ansible語法編寫自動化內容，實現與AI進行結對編程。IBM已經構建了一系列企業AI工具、應用程序和解決方案，現在正利用最新的AI基礎模型技術優化結果和適合企業使用。我們將技術和咨詢服務結合到一個經過驗證的框架中，解決客戶和企業最緊迫的業務問題。

Watson能力的演進

自2020年以來，IBM Watson產品一直在使用基礎模型（Foundation Models）為其開箱即用的特定任務模型提供支持。通過使用基礎模型，準確性明顯超過上一代模型，而且仍然具有成本效益。借助預訓練的基礎模型，Watson可以使用更少的標注語句訓練一種新語種，從而更快地實現多語種支持。

由于Watson服務不僅支持公有云，而且支持本地化部署，企業客戶可以使用企業行業領域數據來調整基礎模型并創建自定義模型并保證安全性。

Watson Assistant正在用生成式AI來實現更好的對話體驗和更快的構建。

會話式搜索：利用Watson Assistant的對話增強功能來抽取搜索的內容，在沒有預先構建的對話流時也能夠生成可信會話響應。

個性化響應：根據用戶的會話或上下文數據，讓Watson Assistant調整響應以適應每個獨特客戶的個性化體驗。

更快更輕松地編寫對話：自動生成對話流，進行復審后部署。

更快更容易編寫“旅程”：輕松生成產品導覽，以快速顯示用戶如何處理復雜的任務。

我們正處于AI的轉折點，對于大型語言模型的快速技術進步和ChatGPT背后的技術感到非常興奮。Legalmation是IBM利用類似技術的企業級AI案例，Legalmation利用IBM Watson Discovery生成早期階段的訴訟草稿，并為律師和律師助理節省時間。在不到2 min的時間內起草了回復，成本降低80 %。另外，通過和GPT語言生成的服務為IBM Watson Assistant客戶提供擴展其對話式AI功能的能力。Watson Assistant可以根據用戶查詢，通過Watson Discovery檢索內容，然后采用生成式預訓練Transformer技術，根據檢索到的內容、查詢和對話的完整上下文生成響應。這是利用GPT技術的一種積極方式，因為企業仍然能夠在生成的響應中獲得上下文和企業行業知識。企業級AI需要多種方案的組合來產生業務價值，ChatGPT背后的技術將是其中的一部分。

下面是Watson與GPT技術的生成式AI結合的例子。

左邊是Watson Assistant沒有預設答案，會自動調用Watson Discovery實時搜索用戶問題，可以找到知識文檔中相關內容并返回結果，但不能使用這些內容生成自然的對話語言答案。而且Watson Discovery可以提供多個搜索結果，但無法將不同的搜索結果的信息結合起來，提供一個連貫的答案。右邊則增加了生成式AI的能力，這時生成的答案直接響應用戶所提出的問題。另外使用對話上下文來回答第2個問題：第2個問題沒有明確提及“勞務派遣公司基本情況表”，但會根據上下文給出正確答案，因為它在上一個問題中已被提及。整個過程無編碼即可完成，只需要把行業文檔交給WatsonDiscovery，將生成式AI指向Watson Discovery，最后將它們與Watson Assistant模板連接在一起。

AI治理也是非常重要的方面。IBM發布了AI的信任和透明原則，這是如何構建IBM產品、IBM如何利用AI的指導，IBM Watson承諾不會利用客戶數據來訓練模型。同樣這也是ChatGPT技術如何助力企業AI的需要關注的。

來自AI的洞察力正在從根本上改變我們的工作方式，ChatGPT雖然不完美，但正在為我們的科技未來指明方向。在+AI階段，AI針對傳統應用去產生價值，通過+AI賦能。IBM正在幫助企業將AI付諸行動，通過AI和自動化重塑工作流程，自動化端到端企業流程，用AI驅動的決策代替日常重復的任務來提高生產力，個性化員工和客戶互動。

在+AI階段，企業從智能設備等消費領域獲得標簽訓練數據。使用互聯網規模應用的消費者生成了足夠的訓練數據，可用于推薦引擎、語音和視覺應用。而在AI+時代，利用基礎模型，可以使用未標注的數據進行訓練，從而使企業有機會通過未標注的數據來獲取業務價值。比如，工業4.0可以使用在正常操作期間生成的傳感器數據來優化設備維護，IT供應商可以通過基礎模型降低IT運營成本。

IBM正在幫助企業創建特定行業的基礎模型，一起迎接AI+時代的到來！