抗击AI浪潮：你需要知道的生存策略

date

password

icon

hashtag

标题

勘误

type

status

slug

summary

第一波 AI 浪潮迫在眉睫，除非您今天做好准备，否则它将像海啸一样席卷您的业务。

许多人一直在业务环境中使用 ChatGPT，并且在生成和汇总长文档方面取得了很好的效果。

但这仅仅是开始。

在接下来的几个月里，将有成百上千的生成式人工智能应用程序进入市场，其中许多基于 OpenAI、Anthropic 和谷歌的相同底层模型。

您如何让您的组织为这种“人工智能冲击”做好准备，甚至从中获利？

让我们深入了解一下吧！

在接下来的几个月里，大量支持 AI 的应用程序和产品将争夺您企业的注意力和资金。

我毫不怀疑，这些由 OpenAI、谷歌、Anthropic 和其他公司的模型提供支持的新型生成 AI 产品，将使先行者获得巨大的生产力提升，有些甚至可以通过取代较低层次的认知能力来精简部分员工队伍以前由人类用人工智能完成的工作。

但在大多数情况下，至少在短期内，那些失去工作的人不会直接被人工智能取代，而是被一个人取代——也许是在一个更有效率的竞争对手那里，或者甚至是一个更有效率的同事那里在对面的隔间里——谁在使用人工智能。

简而言之，使用新的人工智能副驾驶软件的人可能正在做两个、三个甚至更多不支持人工智能的员工的工作。

在企业的成本产生部分，这可能导致裁员。

然而，在企业的创收部分，更多的资源和能力等于更多的收入，随着公司规模的扩大，这实际上可能会带来更多的就业机会。

从另一个角度来看，正如我在之前的新闻通讯中报道的那样，

“IBM 首席执行官 Arvind Krishna 表示，他可以‘轻松地看到’公司近三分之一的非面向客户的角色在未来五年内被（人工智能）取代。”

一些专家担心，这可能会导致以前“安全”的、通常是中产阶级工作岗位的大规模裁员。

问题不在于技术正在重塑工作场所，而在于重塑的速度可能会太快， 无法用新的与 AI 对齐/抵抗的角色取代失去的工作，从而导致就业缺口。

正如Yuval Noah Harari观察到的那样，AI 与过去的技术进步不同的另一件事是，AI 既是

“有史以来第一项可以自行做出决定的技术”，以及
“有史以来第一项可以创造新想法的技术”

如果你在一个接近 100%认知的行业工作，例如市场营销、金融、法律、会计或计算——你可能会比认知的行业更早地看到人工智能的影响。工作需要某种体力劳动。

安装工、水管工、电工和园丁等职业在不久的将来不太可能直接受到人工智能的影响。

然而，这些行业的从业者不应自满。

如果大量中产阶级工作确实因人工智能的进步而过时，那么对这些抗人工智能服务的需求也可能会减少，因为能够负担得起的人会越来越少。

未来听起来既令人兴奋又令人恐惧，毫无疑问，随着第一波生成式 AI 席卷各个行业，短期内将有赢家和输家。

为确保您站在历史的正确一边，在本文的其余部分，我汇总了如何为即将到来的 AI 浪潮做准备的想法。

让我们看看如何。

规划第一波 AI 浪潮

做好准备是帮助减少对不确定未来的焦虑的一种方法。

在本周帖子的剩余部分，我将概述我的简单三步计划，让您的企业启用 AI 并准备好迎接第一波 AI 技术浪潮。

1. 让您的企业为 AI 做好准备

实施人工智能不是 一蹴而就的过程。

新的 AI 产品正在以极快的速度发布，这意味着如果您认为这是一种“一劳永逸”的实施，您可能会感到失望。

我相信将您的组织转变为“支持 AI 的组织”的过程视为一个持续的过程会更有益。

这是因为人工智能产品和工具的范围和能力预计将在未来几个月内爆炸式增长。

一个简单的 AI 优先级矩阵

首先，了解您的AI 自动化优先级在哪里会有所帮助。

对于较小的企业，您可以使用的一种简单方法是创建“ AI 优先级矩阵”（对于较大的企业，我建议您阅读这种更详细的记分卡方法）。

首先规划您组织的职能。

除了您的主要产品或服务之外，它们可能或多或少地包括以下功能，

法律

销售

市场营销

财务

人力资源

信息技术

客户服务

运营

当然，如果您想将每个功能进一步分解为任务，那么您可以。

例如，“LLM”功能可以分解为以下任务，

“写新合同”，

“审查合同”，

“搜索合同”等

接下来，确定您试图通过使用 AI 实现的目标列表。

尽管它们当然可以为您提供指导，但更具体并超越诸如“节约成本”和“提高生产率”等高级目标是个好主意。

以下是一些可用于 AI 的较低级别的客观示例，请随意进一步扩展列表，

删除重复或无聊的任务和功能

自动化流程以减少错误并提高质量

通过个性化改善客户服务

推动更好的数据驱动决策

产生更多的收入想法和机会

公司内部文件和信息的知识共享

您可能希望跨多个职能部门实现这些目标的组合或所有。

接下来，在电子表格的不同轴上排列您的业务功能和目标，并将每个业务功能和目标按优先级排列在 1 到 5 之间，5 是最高优先级，

自动化优先级矩阵。

最后，将功能线每一列的优先级得分相加，以获得总体自动化优先级得分。

优先级最高的功能线是您开始自动化之旅的地方。与其他团队成员（如果有）分享此信息，以便就结果达成共识。

2. 评估您当前的技术基础架构和路线图

一旦您了解了您希望自动化的业务功能的优先级，您就可以开始绘制当前使用的技术基础架构以及将您带到支持 AI 的组织所需的路线图。

如果你是一家小公司，这可能非常简单，对于大公司来说，它本身就是一个完整的项目。

许多大公司仍然在自己的公共或私有云网络上托管他们使用的软件，因为他们往往不想将声誉成本和业务连续性风险外包给另一个组织。但是，缺点是维护和支持成本高。

另一方面，小公司通常更乐于使用来自大型科技公司的低成本、专业维护、云托管、基于 SaaS 的产品，例如，

1）电子邮件，例如 Microsoft 或 Google

2）办公产品，如文字处理、电子表格和演示文稿，例如，也由 Microsoft 或 Google 提供

3）WhatsApp、Telegram 或 Slack 等消息应用程序

4）用于会计的 Intuit 或 Xero

5）用于 CRM 和营销自动化的 HubSpot 或 Salesforce。

除了基于办公和通信的产品之外，还根据您的业务领域列出其他专业应用程序，例如图像编辑软件、代码编辑器、项目管理或法律文档管理软件，以及定制的内部开发应用程序。

接下来，研究供应商的 AI 路线图

一旦您列出了您的组织正在使用的所有软件并确定了任何差距，请研究供应商的 AI 路线图。

如果他们没有 AI 路线图，或者您对所看到的内容不以为然，那么现在可能是硬着头皮将供应商转移到更以 AI 为中心的组织的时候了。

对于使用 Microsoft 的 Word、Excel 和 Powerpoint 等 Office 应用程序或 Google 同类产品的组织而言，好消息是所有这些产品都可能在 2023 年获得强大的生成 AI 升级，因此您无需做任何事情，只需保持支付订阅费（并学习如何有效地使用它们）。

然而，不利之处在于，随着产品的广泛使用，其他所有人都将获得与您的组织相同的生产力优势。

我希望配备 GPT-4、使用默认设置、网页浏览或插件的 ChatGPT 在许多组织的 AI 技术套件中仍然是一个有价值的工具，因为人们已经习惯了它来总结文本、创建草稿文档和分析数据。

然而，Microsoft Office 和谷歌同类产品等平台中生成人工智能功能的出现可能对其广泛使用构成挑战（参见下文“‘按钮’和其他意想不到的后果”部分）。

如果 ChatGPT 不引入创新功能，它的受欢迎程度可能会受到这些更方便的选项的影响。这并不是 OpenAI 的问题，因为支持 ChatGPT 的相同模型也支持微软当前的生成 AI 产品。

最后，探索使用Zapier 等无代码平台控制和链接 AI 工作流。

警惕“黑天鹅”AI产品发布

有许多与 AI 产品发布相关的潜在“黑天鹅”事件可能会在不久的将来显着提升 AI 能力。

“黑天鹅”事件是不可预测或不可预见的事件，通常会产生极端后果。

尽管“黑天鹅”事件具有内在的不可预测性，但这里有一些我一直在关注的场景。

OpenAI 的代码解释器

我过去曾多次讨论过来自 OpenAI 的高度评价的“代码解释器” ，如果 OpenAI 可以扩展它，它可能会“在某个时候”全面发布。

Code Interpreter 将允许组织在每位员工身边配备一位能力超强的“数据分析师”副驾驶，允许人们上传和分析他们想要的任何数据，从财务报告的 Excel 文档到 Google Analytics 数据的 CSV 文件。

Law LLMs

人工智能突破可能会很快出现的一个领域是法律。

LLMs是为法律而设计的。

不仅适用于律师事务所，而且适用于撰写或分析合同的任何组织，这是每个组织。

我以前介绍过哈维，这是一种被全球最大的律师事务所使用的人工智能。

另一个例子是Robin，这是一种英国基于人工智能的合同创建和分析工具，目前处于测试阶段，并提供“免费试用”的优惠。

资料来源： https: //www.robinai.co.uk/product/draft

检索增强生成和语义搜索

AI 可能产生巨大影响的另一个领域是所谓的检索增强生成(RAG)。

RAG 是我在三月份写的一篇文章中更通俗地称为“企业大脑”的东西。

我将企业大脑设想为一种存储企业文档和信息的方式，然后使用语义搜索（而不是关键字搜索）来搜索和汇总数据。

语义搜索的好处是它使用自然语言界面“与文档聊天”。

您可以向您的文档提出诸如“谁说 X ”之类的问题，其中“X”甚至不必是找到良好匹配的确切措辞，它只需要具有相同的含义即可。

为您的组织构建企业大脑的好处是消除企业健忘症并大规模地制度化知识管理能力。

这有可能提高工作人员的工作效率并大规模节省资金，因为他们再也不会因为无法找到过去的文件而重复工作。

尽管目前有许多小公司在这个领域竞争，但坦率地说，现在将您自己的私人公司或客户信息托付给任何小型技术提供商实在是太可怕了。

一系列简单的 PDF 搜索插件。

但是，OpenAI 和 Microsoft 都在开发这个领域的产品。

如果您知道如何从 GitHub 存储库安装和运行 Python 应用程序，OpenAI 的ChatGPT 检索插件产品已经可用。

微软提供的企业大脑可能更加灵活，特别是因为他们积极地将生成人工智能功能作为“ Windows Copilot ”直接集成到底层的Windows 11 操作系统中。

苹果公司呢，他们肯定有一些很棒的生成人工智能吗？

来自微软和谷歌的所有这些激动人心的人工智能新闻可能会让你认为苹果也有一些惊人的新生成人工智能技术要宣布。

但遗憾的是，没有。

Apple 似乎决定在当前的 AI 发展浪潮中退居二线，而不是推动 AI 创新。

事实上，在他们最近于 6 月举行的Apple 全球开发者大会上，他们对与 AI 相关的任何事情都进行了最少的讨论。

苹果想谈谈空间计算。

他们展示的重点是Apple Vision Pro护目镜，这款产品似乎晚于 2021 年的元宇宙趋势，此后许多消费者和组织已经放弃了它。

然而，这些护目镜也有可能（目前甚至没有暗示）可能是苹果推出与人工智能模型交互的新用户体验的基础。只有时间会给出答案。

最后，

多模态

我想提一下另一个潜在的黑天鹅产品，multimodality。

GPT-4和新的Google Gemini 模型都是多模式的，这意味着它们可以处理文本和图形。

不过，传闻多模态GPT-4要到2024年才能面世，主要是图像处理要求高，GPU处理能力不足。

我没有关于 Google 的 Gemini 版本的当前时间表。

3. 解决 AI 技能差距并投资 AI 培训

让我们盘点一下我们到达的地方，

1）你已经得到了你的组织的职能线列表（如果你热衷的话，可能会细化到任务）并将它们映射到 AI 目标，以便评分并提出 AI 自动化的优先列表。

2）您还记录了当前的技术堆栈，研究了公司和产品 AI 路线图，并在您认为现有供应商落后于 AI 曲线的情况下转向了新的供应商。

3）你知道有潜在的人工智能“黑天鹅”

应用程序正在发展，它们可能会从根本上影响你的企业或行业的运作方式。

我目前的评估是，Microsoft 加上 OpenAI产品在未来一段时间内将成为最先进的产品。

在新的PaLM 2上运行的谷歌 Bard，在功能方面似乎落后于由 OpenAI 的 GPT-4 提供支持的应用程序。

然而，现在就将谷歌排除在竞争之外还为时过早。

去年 11 月 OpenAI 的 ChatGPT 意外发布让他们大吃一惊，他们仍在努力配合其进步。

随着他们最近宣布的多模式Gemini 模型，谷歌仍然是 AI 领域的有力竞争者。

许多现有和新的 AI 应用程序供应商都在这些模型之上构建，来自 OpenAI ( GPT-4 )、谷歌 ( PaLM 2 ) 或 Anthropic ( Claude )，具体取决于他们的要求和忠诚度。

谷歌 PaLM（吟游诗人）API。资料来源：YouTube

但是，您真正需要什么样的培训才能使用新的支持 AI 的模型？

开始时，您的培训要求是有限的；毕竟，人工智能在很大程度上使用自然语言聊天模型。

但是，从长远来看，有些技能和知识肯定会让您受益。

提示工程

及时工程是以最有效的方式与法学硕士（如 ChatGPT）进行交流的艺术，有时甚至是科学。

过去，我在此处、此处和此处广泛地写过有关此内容的文章，因此不再重复我在这些文章中所说的所有内容。

我要说的是，您可以根据提示的质量极大地 改进从模型中获得的结果。

事实上，考虑一下，

“简单的提示=简单的回答”

有时，只需添加几个关键字，如“让我们逐步思考”，如在思维链 (CoT) 提示中，就可以得到正确或错误的答案。

我发现将法学硕士视为聪明的毕业生或实习生很有用。

如果您向他们提供所有背景信息并引导他们完成如何生成结果的过程，他们就可以产生出色、准确的结果。

有些人认为，一旦模型本身变得更智能，即时工程就会消失。

在某种程度上，我认为这是真的。

然而，每个模型，无论多么聪明，仍然需要明确的说明才能产生最佳结果，因此，我相信提示工程将在未来相当长一段时间内出现。

提示工程的另一面是与应用程序开发人员合作，创建为软件项目提供支持的复杂提示。

如果你涉及到这个，那么像LangChain这样的框架和其他提示工具可以在我的资源页面找到。

提示工程是真实的！

了解 LLM 的局限性

如果你打算在你的工作流程中使用像 ChatGPT 这样的 LLM，你最好了解它们的局限性和弱点，以避免尴尬甚至未来潜在的诉讼。

LLM 的主要限制如下：

偏见 - 尽管像GPT-4这样的模型很好，但没有一个LLM完全没有政治、性别、种族和其他偏见。事实上，在OpenAI的GPT-4以及Anthropic或Google等超大型语言模型中，你必须依靠创建它们的团队来缓解偏见问题，因为几乎没有办法在下层模型输出时显著影响其结果。除了使用像刚提到的LLM供应商之外，你需要特别小心并咨询专家以确保模型如预期运行，特别是在使用手动制作的开源模型时。

隐私 - 在使用任何模型之前，你需要问问你的数据去哪里。最受欢迎的LLMs来自基于美国的公司，很可能也在那里云托管。这样做是否可以接受？OpenAI、Google和其他公司会怎样处理你的数据？也许用它来进行培训？确保你完全调查了他们的隐私政策，并在你自己的隐私政策中反映最终用户的数据如何被处理和保护。

版权和数据保护 - 与版权和数据保护相关的问题目前正在美国法律系统中受到严格审查。几个正在进行的法院案件试图确定是否应该从使用其公开可用的文本或图像训练的AI模型的所有者那里获得创建者的补偿。这些案件的结果可能会对大型语言模型（LLMs）的未来产生重大影响，特别是在他们被允许从中学习的数据方面。

幻觉 - 缓解模型幻觉是一个很大的研究课题，目前，没有一个模型可以被信任给出100%的事实准确的答案。如果你在一个可能具有“危及生命的影响”的行业工作，你需要非常小心并采取额外的预防措施。有一些方法可以通过巧妙的提示和工具（如网络搜索）来最小化幻觉，因此请接受一些培训。

数学和逻辑缺陷 - 模型是基于文本训练的，它们根据它们“读到”的内容推断如何进行数学。然而，它们没有专门编程来进行数学。好消息是，越来越多的外部“工具”（如编程语言Python REPL和计算器）可以让LLM进行计算准确的结果。ChatGPT插件以及巧妙的提示也可以帮助减少这些错误。

处理成本 - 虽然使用ChatGPT是免费的，或者对于“ChatGPT plus”用户每月收费20美元，但使用来自应用程序的GPT-4 API仍然相对昂贵，即使是低级别的API使用也可以轻松地产生数十美元的账单。将该数字乘以你组织中的人数，它很快就会形成一个“不那么微不足道”的金额。

上下文窗口限制 - “上下文窗口”是模型在开始遗忘事物之前可以使用的文本（或标记）量。ChatGPT（GPT-4）目前限制为8192个标记或约6000个单词（通过API为32768个标记）。Anthropic的最新“Claude”模型的上下文窗口为100,000个标记（约75k个单词）。未来的模型可能会将这一限制推得更远，甚至可能达到“一百万个标记”，但目前，这些限制可能会影响模型在长时间的聊天和超出上下文窗口长度的文档中的响应，导致脱离上下文的答案或错误的结果。

“按钮”和其他意想不到的后果

我想提一下另一种限制；好吧，正如研究人工智能、创新和初创企业的沃顿商学院教授Ethan Mollick强调的那样，这确实是一种威胁。

他最近在 Google 文档中试用了 Google 新的生成式 AI 产品（在撰写本文时尚未发布）后发表了一篇文章。

这是一个简单而无害的按钮，标题为“帮我写”，漂浮在空白的谷歌文档上方，见下图，

资料来源：

当你按下“按钮”时，它会要求你提示生成什么，然后在 Bard 的帮助下，创建所要求文档的初稿。

Mollick 教授很快指出，您已经可以使用其他 AI 系统生成文档，最著名的是 ChatGPT，还有一些，例如 GPT-4 生成的文档，结果也好得多。

然而，按钮悬停在空白页面上的绝对便利性让他认为，一旦该技术全面发布，大多数用户将很想通过按下“按钮”来开始写作。类似的技术也将用于 Microsoft Office 产品。

此外，当你考虑到最终创作一旦分发，将越来越多地被接收者 AI 分析和总结时，他认为这可能会在组织内部引发“意义危机”。

作为一个例子，他提出了教育领域正在发生的事情，因为学生越来越多地使用 AI 来撰写论文，而教师则使用 AI 来给他们评分。

实际上，整个过程转变为“人工智能闭环”，不再需要人类参与或学习。因此，可以认为在没有人工输入的情况下启动这样一个过程是无关紧要的。

然而，一线希望是这个过程可以帮助组织区分关键任务和“仅仅是仪式”。这样，他们可以更多地关注对他们的业务真正重要的方面。

概括

第一波人工智能变革即将到来。

我的建议是不要在采用人工智能方面落后。

如果不这样做，您将越来越有可能被使用 AI 的人取代，无论是在竞争对手处，还是在您旁边的办公室隔间中。

生成式人工智能最初会对具有以下特征的个人产生负面影响，

1）主要在财务、法律、市场营销、管理和编码等业务领域/部门承担认知任务的人

2）在企业的成本中心，而不是创收部分工作的人

3）没有 AI 技能的人无法将他们的生产力提高 2 倍以上。

按照我的三步计划让您的组织为 AI 做好准备，

1）让您的企业为 AI 做好准备

2）评估您当前的技术基础架构和路线图

3）解决 AI 技能差距并投资 AI 培训

现在轮到你了

您如何看待您附近的应用程序即将推出的新 AI 功能？

噱头还是生产力助推器？

您如何在第一波生成式人工智能浪潮中幸存下来？

坐稳并希望最好的？

或者学习新的 AI 技能，如提示工程？

在下方发表评论，或给我留言让我知道。

作者：Mr Newq