生成式 AI 的兴起，为企业和个人带来了前所未有的机遇和挑战。近日，Gartner 研究副总裁蔡惠芬（Tracy Tsai）分享了生成式 AI 对企业带来的三大颠覆性力量：极简的使用者界面、以“人本”为主体的体验和明显的交付价值。她强调，生成式 AI 不是一项单纯的技术，而是一场业务革新，将颠覆传统的业务流程、工作方式和人机交互体验。
最明显的例子就是 iPhone 的出现颠覆了人们对于手机形态的认知。iPhone 的推出，以其极简化的用户界面和直观的触控式交互体验，对消费者市场产生了深远的影响，并迅速波及到企业应用领域，促使企业应用也转向更为直观和友好的交互方式。OpenAI 推出的生成式 AI，例如 GPT 系列，再次以更低门槛的准入方式引领了大模型普惠化风潮，并逐步渗透至企业应用场景。
Gartner 的调查显示，“生成式 AI”被视为能够实现高速增长的关键技术。企业纷纷探索其应用价值，例如提升产品 / 服务质量、缩短价值实现时间、提高员工生产力和改善客户体验。然而，要有效利用生成式 AI 进行产品创新，企业需要关注客户价值而非技术本身。
生成式 AI 不仅仅是技术层面的创新，更是一场深刻的业务革新。它将颠覆原有的业务流程、工作方式和人机交互体验，并影响到各个业务部门和岗位。例如：在客服领域，生成式 AI 可以取代人工客服，提供 7x24 小时的智能服务，快速响应客户需求，并提供个性化解决方案；在人力资源管理中，生成式 AI 可以自动筛选简历，识别关键信息，提高招聘效率，并帮助企业找到更合适的人才；在营销上，生成式 AI 可以根据客户数据和偏好，生成个性化的广告内容，并进行精准投放，提升营销效果......
为了更好地了解技术提供商的需求，Gartner 进行了一项调研，询问技术提供商希望利用生成式 AI 提供或提升的前四大客户价值。
调研结果显示，技术提供商最关注的客户价值包括：提升产品 / 服务质量、缩短价值实现时间、提高员工生产力以及改善客户体验等。
尽管 AIGC 充满“魔力”，但企业在开展业务时面临的市场环境往往是复杂多变的，还会受到法规、安全、API 规范等多重因素的影响，使得生成式 AI 的落地和应用面临诸多挑战。
企业应用需要遵循严格的法规和标准，确保数据安全和隐私保护，这对生成式 AI 的应用提出了更高的要求。此外，企业内部 API 接口众多，且规范复杂，生成式 AI 需要与这些接口进行集成，才能实现高效的应用。要解决这些问题，就要求生成式 AI 必须具备几大核心关键能力，才能推动其在企业中发挥价值。
把握四大关键能力，让 AIGC 发挥价值最大化
Gartner 指出，合成数据、个性化能力、对话式 AI 能力和 AI 智能体是生成式 AI 的四大关键能力，能够有效交付客户价值。
合成数据：弥补数据不足和偏差，提升数据质量，实现精准预测和个性化推荐。
个性化能力：根据客户行为和反馈提供个性化解决方案，增强客户体验。
对话式 AI 能力：通过自然语言理解和推理，快速实现价值，简化操作流程。
AI 智能体：自主或半自主地感知、决策、行动和实现目标，提高员工生产力。
蔡惠芬通过多个案例展示了生成式 AI 的应用场景。拿合成数据来讲，在银行场景中，银行可以利用合成数据模拟欺诈行为，快速识别和阻止欺诈风险。企业则可以利用合成数据模拟客户行为，优化产品定价和提升营销效果。
个性化能力在教培十分重要。例如，教育软件 Khanmigo 就能够根据学生学习情况提供个性化指导，提升学习效果，而对话式 AI 能力则基本上已经植入于市面上所有的对话机器人产品中。借助大模型归纳总结能力，对话机器人可以根据用户喜好调整个性，增强互动体验。
AI 智能体更是未来 AIGC 发展的大势所趋。微软推出的 AutoGen 能够帮助开发者快速搭建生成式 AI 应用，AI 智能体协助员工完成各种任务，例如自动回复邮件、查找资料和预定酒店。
Gartner 预测，AI 智能体将成为大势所趋，将 AI 能力通过智能体内嵌到现有应用中，将提升用户体验和个性化程度。
所谓“AI 智能体”，这是 Gartner 的一个定义、就是说：AI 智能体是一个自主或半自主的软件实体，它能够利用 AI 技术在数字或实体环境中进行感知、做出决策、采取行动跟实现目标。这个智能体能够从事多功复杂性的任务，它可以是从头到尾都是自动化的、也可以是人机合作的、也可以是引导式的，就是看使用者的决策是什么。
Gartner 认为，在未来 AI 智能体会扮演一个关键的角色：如何填补企业在嵌入式 AI 的应用里所需要的开发和应用侧上的能力。这种情况不仅仅单靠某一项 AI 技术可以解决，要硬件、软件和服务充分融合。
有 AI 智能体加持的端到端的解决方案与传统的单点式解决方案不同，它更加注重于系统性的、端到端的解决策略。以模拟数字时刻为例，当“人、事、物”在虚拟与实际的场景交织中，可能会引发一系列事件时，这样的解决方案能够运用其强大的数据合成能力，模拟这些事件可能带来的各种线上与线下的影响，并据此生成相应的解决方案。
以飞机延误为例，乘客通常会面临一系列困扰，如转机时间、酒店预订、租车安排以及会议调整等。然而，通过端到端的解决方案，就可以迅速模拟出最佳的衔接航班时间，并自动通知酒店、租车公司和会议组织者进行相应的调整。这样，乘客在抵达机场时，就已经得到了新的安排，减少了不必要的焦虑和困扰。
除了飞机延误，智能城市中的许多事件型场景也能受益于这种端到端的解决方案。例如，在车祸发生时，生成式 AI 可以迅速收集现场数据，包括最近的 GPS 信息，模拟出事故现场的情况，并据此为保险公司提供理赔建议，为警方提供救援指导。同时，它还能预测救护车到达的时间，并协调交通信号灯，确保救护车能够顺利通行。这种从模拟到执行的快速响应，正是生成式 AI 在数字时刻中所展现出的强大能力。
Gartner 认为，在未来的发展中，以 AI 智能体为主要趋势的生成式 AI 将继续发挥其在跨领域融合和端到端解决方案中的重要作用，推动社会向更加智能化、高效化的方向发展。
关注「InfoQ 数字化经纬」公众号，回复「案例」领取 《行知数字中国数字化转型案例集锦》。
-
关注「InfoQ 数字化经纬」公众号，回复「进群」加入数字化读者群交流。
关注「InfoQ 数字化经纬」公众号，回复「抽奖」可以参与本周活动，有机会获得精美礼品。
