0
作者丨何思思
編輯丨林覺民
從上世紀五十年代至今，國內人工智能經歷了幾次潮起潮落。每一次潮起，往往都因為更“像人”，而每一次潮落，更多是因為難以在產業端落地而收尾。
就像如今火遍全球的GPT一樣，其再次把人工智能推向了又一個新高度。尤其是近兩個月，各企業抓緊趕進度，出現了扎堆發布大模型的現象，“日日新、天工、式說...”等大模型產品陸續亮相。
“大家關心的話題仍是‘參數多大？如何擴大參數？涌現了嗎？’等話題，但從長遠考慮，大模型如何對商業世界產生真正的影響，帶來積極的變化？才是下個階段人們更應該關注的焦點。”第四范式聯合創始人胡時偉向雷峰網表示。
“大模型不是光靠興奮就可以的，要找到這件事情對產業，對行業，對企業經營的價值。”胡時偉說。
把企業數據徹底用起來
胡時偉認為，從信息化到數字化，中國走過30余年。但在過去沒有大模型的情況下，企業的數字化主要依靠流程、人與少量的數據去完成，數字化轉型往往是空中樓閣。
首先，盡管數據是企業數字化轉型的關鍵驅動要素，但實際上，企業能用到的數據都不到整體數據的5%。這是因為企業員工的溝通大多發生在非結構化、非系統化的場景，比如和客戶交談，員工間開會，所有這些數據幾乎都是沒有的。
其次，成本也是數字化轉型的一大難題。胡時偉指出，優秀的PM與架構師只會集中于少數企業，大部分企業只能把有限的資源放在重點系統的開發上，而低價值部分則交給外部的軟件供應商來應對。但軟件廠商很多時候并不能滿足甲方需求，企業自己做的話又會增加成本，進入惡性循環，讓轉型工作裹足不前。
再者，企業軟件被交付后通常是固化的，但業務一定是不停變化的，久而久之與軟件的“固化”之間產生矛盾。“在企業軟件固化下來之前，所有工作都要讓這個軟件去適配人，這個過程會反復修改、確認；而固化下來后，就開始讓人適配這個軟件。軟件沒有的功能，都要在系統外通過員工與員工之間的溝通，形成這個事的手冊。”
現在大模型的出現，尤其是AIGS（以生成式AI重構企業軟件）這件事情，有機會把B端企業軟件改造成“讓員工與系統持續對話的新型交互范式”。
“生成式AI這種基于人類自然語言的對話框式交互，讓今天整個（員工與員工之間）生成手冊的過程，進入到了系統內部。這也是我們看到大模型在企業數字化、產業數字化上的一個根本的價值。”
從數據角度來看，大模型更強的感知能力和對話能力，讓人更愿意與系統對話。而隨著大量業務與對話的數據被不斷沉淀在系統中，企業具備了更強的數據生產能力，甚至可以通過更低的成本來獲取新數據。
胡時偉認為，從表面上看，大模型出現后有一部分人被干掉了，或一些任務被系統替代了。但從根本上理解，是被完整的數字化了。在這期間，所有用戶的行為與交互數據都被記錄了下來。換句話說，AIGS的核心價值，就是能夠獲取傳統的結構化交互模式所得不到的，另外95%的數據。
當然，從企業最關心的成本角度，相較于傳統開發方式，AIGS的界面通常是簡潔的對話框形式，而成本壓力通常被下放到大模型端。因此，企業端的定制化開發成本會大幅下降，但開發效率卻能夠從月級別提速到天級別。與之而來的是，業務的不停迭代也不用非得讓員工延用早已過時的系統，以至于影響業務開展效率。
從應用層面出發，可數字化的場景數量也會有很大的提升。胡時偉告訴雷峰網(公眾號：雷峰網)，過去第四范式構建一個模型只能在一個場景應用，譬如搜索引擎算法只適用于搜索，這就意味著開發模型要嚴格計算投入產出比。
而現在，多模態大模型能力變成一個可以承接多個場景的底座。“相比于以前我們做策略數字化（決策型AI），如今生成式AI，讓企業數字化轉型的廣度和深度真正做到了數量級增長。”胡時偉說。
從AIGS＋CoT中，看企業管理和組織的變革
某種程度上，AIGS不僅會影響企業軟件的開發，還會給企業的組織管理帶來新的變化。
每個行業都存在同一個問題：人怎么做業務和人怎么用軟件，是兩件事情。
在一家上萬人的產業互聯網企業，優秀員工和表現不好的員工，用不同的方式完成工作，都只是把結果填進軟件中。
在這個過程中，為了讓優秀員工幫助差一點的人，企業往往會聘請咨詢公司訪談優秀的員工，比如“面對不同的客戶群體使用什么樣的話術”等，根據回答生成標準行為手冊，再讓排名靠后的員工跟著學。
而這個標準的行為手冊，就是“思維鏈”，也是AIGS的一部分。
AIGS不會給優秀員工添加負擔，還會變成他/她的助理。用戶在不斷調用大模型能力的時候，自身的行為鏈會被大模型記錄下來，然后在結合數據與行為去做標注，形成在垂直領域的任務拆分及推理能力。換句話說，優秀員工把解決問題的正確邏輯賦予了系統。差一點的員工使用對話框時，系統便可以引導他的行為。
“思維鏈的能力就像是一個人一直在影館看著別人用PhotoShop，看久了他就會了。”
胡時偉指出，這個過程中，在員工不斷做出反饋的數據驅使下，系統將最終達到“沒有行為手冊，卻可以生成行為手冊”的高段位，從而更好地配合人執行復雜的工作。
雷峰網還了解到，第四范式式說大模型將AIGS分為三個階段去完成，思維鏈是第三階段的核心能力：
第一階段，一個叫做Copilot的對話框調動不同的信息、數據、應用，將企業軟件改造成自然語言的交互形式，完成用戶指令，比如“把照片亮度調亮20%”。
第二階段，基于企業規則的“知識庫”，Copilot能夠參照規則做復雜工作，進一步豐富對話框的能力。比如在查詢“人像美化”知識庫后，能執行把照片修好看的步驟。
第三階段，Copilot+CoT（思維鏈）。軟件系統的使用行為最終會被大模型學會，形成這個領域的思維鏈。這意味著“把照片處理得更好看”這種復雜的多任務指令，能夠被AI自動地按照步驟完成。
“通常絕大多數企業會直接從AIGS的第一階段快速進入到第二階段，而第三階段是需要一定的時間去進行數據積累的。”胡時偉表示。
胡時偉還進一步解釋，AIGS本質上改變的是員工與企業之間的溝通范式，用系統化的方式來溝通。這勢必會給企業的管理和產業資源運作結構帶來一些質變。
舉個例子，很多企業周一開經營周會之前，經手很多個數據分析師用非常專業的BI軟件來生成一張復雜報表。在會上，當總經理質疑某個具體數據時，往往會得到“這個數據有點問題”、“這個數據我們需要再查詢一下”的答復。之后，數據分析團隊再耗費很長時間得到一個不知是否準確的結果。
而這個過程，就涉及到數據治理的問題。但背后更大的問題，是企業BI軟件流程復雜僵化，無法真正滿足企業數字化的經營需求。
有了AIGS，總經理可以在對話框中直接提出問題——如果你對某一項數據有更深刻的疑問，而對話框接收指令后，會幫你執行并及時提供。企業的管理活動會發生根本的變化，真正做到數據驅動、系統驅動，而不是“我看數據，我來決策”。
“相較于以前全部由人組成的企業，現在‘數字員工’有了一定比例。”
胡時偉稱，基于范式的大模型能力底座，企業軟件的合作伙伴可以放手深耕自己所在的領域——不斷學習某個垂直領域的數據，當在一個領域里面鉆得足夠深，學習到足夠多的數據和攻略，就能形成所在領域的思維鏈。
當思維鏈復雜度到一定程度后，該軟件就能自動執行越來越復雜的功能，最終形成壁壘。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
