生成式人工智能对企业的影响和意义第4期：生成式人工智能的采用和商业化

具体来说，参与生成式人工智能领域市场的方式，可以从技术提供商和企业买家两种身份进行讨论，对不同“微市场”采用不同的参与策略。

从技术提供商的角度，可以考虑包括提供模型、即用型案例和低/无代码工具等方法，通过平台化的方法并建立一个生态系统参与者的网络来实现获利变现。

从企业买家的角度，需要确保企业内部对采用生成式人工智能技术后的前进道路有一致的认识，尤其是企业高管和领导团队，并对新技术的潜在优势和风险有充分的认识。

从技术提供商的角度，开发人员需要同时兼顾客户需求，以及自身后续开发需要，解决方案需立足中长期发展考虑。

从企业买家的角度，充分识别一系列用例，尤其是水平用例，以开发组织内尚未享受到自动化收益的业务和领域。

从技术提供商的角度，制定明确的、与客户达成共识的垂直化解决方案的路线图，并致力于让客户相信通过垂直化方案能帮助转变盈利模式，尤其是目前正处于亏损状态的业务。

从企业买家的角度，需为垂直解决方案配备制定清晰的技术战略，以及对应的数据工程和数据管道、MLOps工具和具备开发和应用人工智能技术所需的技能和知识的（AI-ready）人才。

从技术提供商的角度，在第二和第三代生成式人工智能即将到来之前，尽早布局跨模态和多模态解决方案。

从企业买家的角度，尽早明确在生成式人工智能情景下，自身企业竞争优势的来源，尤其是充分挖掘专有数据潜力，提前策划围绕专有数据的AI使用方案。

从技术提供商的角度，如果估值能持续上升或稳定，应分配资金支持机会主义性并购，包括收购人才和基于知识产权的投资。

从企业买家的角度，以争取创造先行者身份获得竞争优势，以有利价格尝试新解决方案，积极参与合作伙伴生态系统建设。

参与新技术市场总是伴随风险，与过往的颠覆性技术一样，抢先应用新技术的企业，结果往往是巨大的成功或者转型失败，所以，在应用生成式人工智能的过程需警惕风险，以免风险减缓企业转型速度，参与生成式人工智能的开发、消费、讨论和监管的所有角色，都应警惕以下风险：

警惕不确定因素攻击导致的客户信任遭到破坏，不确定因素包括未知数据来源、深度伪造、网络钓鱼和未知程序自动安装等。

若公司使用的是云端嵌入式技术和调优技术，或者部署在本地的服务器容易被外界接入时，应该保持数据、嵌入和调优的机密性，并随时跟进监管的最新要求。

警惕生成式人工智能模仿带偏见或歧视的训练样本，布局防护措施和持续监控机制，防止生成式人工智能制造并传播歧视行为。

模型通常是私有的数据上进行训练，需要符合监管要求，进行节点隔离和源头可追溯性的管理。

虽然这些成本很可能会随时间降低，但目前使用生成式人工智能的成本可能高达索引查询的数十倍甚至更高，经济因素应该被考虑进定价中以衡量成本经济性。

当前使用生成式人工智能的最高投资回报率用例是辅助工作流程和提高生产力，但随着模型的不断进步，生成式人工智能难以避免走向取代人工生产力的地步，需为员工安排适当的技能提升和劳动力规划，避免其因担忧失业风险而阻碍新技术应用。

目前预计生成式人工智能最终有可能创造比云计算、智能手机和互联网更深刻的人类与科技之间的关系，根据德勤预测，未来1-2年到更长远时间，生成式人工智能将对我们的工作生活产生如下影响：

AI插件将很快变成职场员工不可或缺的工具，员工广泛采用生成式人工智能将加速人机协作时代的到来。

随着生成式人工智能进入企业领域，其将受到各方面的监管和审查。而生成式人工智能在于能否符合人们的期望并建立信任，是该技术应用和传播的关键。

企业将利用分析大量客户数据的能力来创建动态、实时和量身定制的体验、产品、服务和沟通方式，因此，更快速建立超个性化业务将能在竞争中脱颖而出，而超个性化业务的关键在于模型的调试是否能生成满足企业期望的输出。

大语言模型（LLMs）以文本为基础的，是最早成为“通用型”的人工智能之一，多模态、无处不在、跨领域的AI技术正在飞速发展，预计人类很快进入人工通用智能(AGI)的最初阶段。