就在上周，GPT-4 全球發布，再次將以 ChatGPT 為代表的人工智能如何應用于企業的討論帶向新的高潮。鑒于廣大客戶與合作伙伴對于如何在企業高質量、規?；桶踩夭捎萌斯ぶ悄軐崿F創新突破的探索需求，我們特別邀請 IBM 中國的技術與行業專家，分享他們的見解與實施經驗。今天與大家分享的是 IBM 數據與人工智能資深技術專家、The Open Group 卓越級技術專家(Distinguished Technical Specialist)吳敏達，以下是他近期的署名文章——
IBM 專家觀點：從 +AI 到 AI+，談企業如何應用 ChatGPT 技術
作者：吳敏達
IBM 數據與人工智能資深技術專家、The Open Group 卓越級技術專家(Distinguished Technical Specialist)
引言
AI 無處不在，它可以畫畫、創作、并與人們談論復雜的話題。技術每年都變得更加先進，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、機器學習)。 企業的 AI 采用率和 AI 能力都自 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% [1]。
隨著 ChatGPT 的橫空出世，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，因為它們是由人工智能生成的。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。
“梅須遜雪三分白，雪卻輸梅一段香”，本文試圖從行業知識和技術實踐兩個角度來進行探討，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)是最重要的企業 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和流程，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 會詳細說明了如何支付賬單的過程。但企業級 AI 需要能夠弄清楚用戶想支付什么賬單、從什么賬戶以及支付方式。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 [2]。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，并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” [3]，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 建議綜合關注四個指標：凈推薦值 (NPS)、客戶滿意度、遏制率、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 [4] 將使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，然后生成以 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。通過使用了基礎模型，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，從而更快的實現多語種支持。
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 [5] 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。 在不到兩分鐘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，這時候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二個問題：第二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 Watson Discovery，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 [6]，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。
總結
來自 AI 的洞察力正在從根本上改變我們工作方式的方方面面。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。而 AI+ 時代已經到來，是以 AI 為核心，AI 無處不在。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的標簽訓練數據。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!
本文作者簡介：
吳敏達是 The Open Group 卓越級技術專家(Distinguished Technical Specialist)，同時擁有計算機技術與軟件專業系統架構設計師技術資格。他現在是 IBM 科技事業部數據與人工智能資深技術專家，擁有 20 多年數據分析軟件相關技術經驗，是 IBM 認證的大數據架構師和 Watson 開發者，專長是大數據、人工智能等領域。他是 IBM Developer 的大師級作者，已經發表了 40 余篇技術文章和教程?，F從事大數據、人工智能相關技術支持和架構設計工作。
參考資料：
[1] https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-half-decade-in-review#/
[2] https://mp.weixin.qq.com/s/-ZcbaDhIhuQsxvC4VeyKsQ
[3] https://medium.com/ibm-watson/best-practices-for-watson-assistant-journeys-993d16fb0ad0
[4] https://research.ibm.com/blog/ai-for-code-project-wisdom-red-hat
[5] https://www.ibm.com/case-studies/legalmation/
[6] https://www.ibm.com/policy/trust-principles/
（IBM）
