企业中的 9 大生成式 AI 应用场景

ChatGPT 在 2022 年 11 月的发布引发了生成式 AI 的淘金热，各公司争相采用这项技术并展示创新。

目前企业中许多根深蒂固的 AI 应用场景仍使用较早、更成熟的 AI 形式，如机器学习，或者没有充分利用 AI 的"生成"能力来生成文本、图片和其他数据。传统的聊天机器人、产品推荐引擎和其他几个有用工具可能仅依赖于早期的 AI 形式。

企业 AI 平台提供商 Domino Data Lab 的 AI 战略主管 Kjell Carlsson 表示，生物科技等一些行业正在寻找使用生成式 AI 的方法，但许多尝试这项技术的企业目前只发现了有限的应用场景。他说，对许多企业来说，生成式 AI 的投资回报率难以确定。

"对许多用户来说，现实情况是他们没有足够的信息来制定利用生成式 AI 用例的 AI 战略，而且他们也无法快速获得足够的价值，"他补充道。"他们正在大力推进几个用例，但同时也在建立传统机器学习和'预测性' AI 用例的组合。"

许多 AI 专家表示，生成式 AI 目前的应用场景只是冰山一角。随着生成式 AI 变得更强大，用户在实验中变得更有创意，更多的应用场景将会出现。

然而，一些生成式 AI 的应用场景已经浮出水面。以下是一些最受欢迎和最有前景的应用：

高级聊天机器人

虽然使用词语和短语识别的简单聊天机器人已经存在几十年了，但具有生成式 AI 能力的新型聊天机器人可以使对话听起来更自然，同时处理许多客户请求。

IT 分析公司 Forrester 将语言生成式 AI 和 AI 代理列为 2024 年十大新兴技术之一。例如，欧洲共享出行和配送服务公司 Bolt 部署了一个智能聊天机器人来处理大多数客户投诉，节省了大量成本。

许多尝试生成式 AI 的公司担心幻觉问题，但对于低级别的客户投诉，少数失误并不是世界末日，Carlsson 指出。"如果我们不小心给了一顿饭，而我们本应该拒绝给某人一顿饭的信用，风险是非常低的，"他说。

在另一个例子中，德国电信使用生成式 AI 改进了其 Frag Magenta AI 助手，公司预计该聊天助手每年将能处理 3800 万次客户互动。

数字助手

包括微软和谷歌在内的几家大型 IT 公司一直在吹捧生成式 AI 数字助手或副驾驶，尽管 CIO 可能并不完全确信它们的投资回报率。这些助手可以在组织的角落里搜索信息，创建文档和幻灯片演示，并总结电子邮件链和视频会议。副驾驶 AI 还可以生成供应链文档，如向供应商索取报价。

一些视频会议应用程序现在可以生成转录稿和摘要，独立工具如 Otter.ai 也可以做到这一点。像 Grammarly 这样的应用程序可以纠正语法、拼写和标点符号错误。

数字助手还可以针对特定需求进行专门化，AI 辅助采购解决方案提供商 Labviva 的联合创始人兼首席技术官 Nick Rioux 说。例如，如果一家公司经常购买敏感的化学或生物化合物，生成式 AI 可以在采购订单中添加特殊处理说明。

"企业生成式 AI 最有前景的用例是那些通过增强功能（如内容生成、建议和手动任务自动化）来简化人工发起的任务的用例，"他说。

编码助手

生成式 AI 最常见的用例之一是编码助手。生成式 AI 可以编写基本的软件代码，让人类程序员专注于更复杂的任务。

数据编排初创公司 Astronomer 的首席技术官 Julian LaNeve 表示，这些代码副驾驶还可以帮助程序员在遇到问题时保持对代码的关注，而不是转向搜索引擎或其他资源寻找答案。

"他们可以写一个代码注释，让大语言模型为他们完成代码，"他说，提到大语言模型。"这可以让开发人员保持在我们所说的'心流状态'和'专注状态'，而不是打断注意力去搜索例子。"

AI 咨询公司 GenEdge Consulting 的创始人兼管理合伙人 Natalie Lambert 补充说，生成式 AI 对网页开发特别有帮助。通过创建网站代码，生成式 AI 可以显著减少更新网站所需的时间和成本。

"通过利用 ChatGPT 等工具，即使没有深厚技术专长的用户也可以直接在他们的网站上开发和实施代码，"她说。"这使开发过程民主化，让网络专家能够在 AI 的帮助下实现他们的愿景。"

许多在整个软件开发生命周期中实施生成式 AI 的企业目前正在解决该技术的局限性和对团队的影响，以及他们自己的经验教训。

营销支持

几位 AI 专家和用户指出，营销支持是生成式 AI 的一个优势领域。安全即时通讯工具提供商 Brosix 的联合创始人兼首席执行官 Stefan Chekanov 表示，生成式 AI 可以创建个性化的营销材料、分析客户数据并协助内容创作。

"根据我的经验，在生成式 AI 的帮助下，内容创作和社交媒体管理效率要高得多，"他说。"花在琐碎的调度、优化和编辑上的时间减少了，意味着专家可以专注于高价值任务，从长远来看可以节省成本。"

其他人说，生成式 AI 可以根据产品评论进行市场分析，甚至可以在客户意识到问题之前预测客户问题。

银行和保险提供商 USAA 的 AI 和数据科学主管 Aswini Thota 表示："对于产品公司来说，了解客户反馈至关重要。他们需要知道客户喜欢或不喜欢什么，新兴趋势、区域偏好以及客户将如何评价新产品。"

他说，生成式 AI 可以从产品评论中提取客户洞察，而不是公司需要委托进行调查。在生成式 AI 之前，数据科学家为情感分析和意图提取构建自定义的自然语言处理（NLP）模型，但生成式 AI 增强了这些早期努力。

Thota 补充说："生成式 AI 允许我们在同一数据集上制定多个提示，只需按一下按钮，组织就可以提取情感、讨论的主题和预期用途。"

药物发现

AI 基础设施平台 CUDO Compute 的首席营销官 Lars Nyman 表示，生成式 AI 正在药物发现中通过建模复杂分子并预测它们的相互作用来使用，"速度之快使传统方法看起来就像停留在拨号上网时代"。他说，生成式 AI 可以显著缩短将新药物推向市场的时间。

根据全球 IT 服务提供商 MSRcosmos 的说法，生成式 AI 可以帮助制药公司预测药物相互作用、重新利用现有药物，并根据患者的基因组成创建个性化治疗方案。

2024 年初，NVIDIA 宣布了针对医疗保健行业的 AI 驱动的 Clara 计算平台和用于药物发现的生成式 AI 平台 BioNeMo。

一些生物技术和制药公司，包括强生公司，正在推广生成式 AI 作为药物发现的下一个重大突破。

网络安全和欺诈检测

几家网络安全公司正在使用生成式 AI 来增强工具，以寻找客户网络和计算基础设施上的可疑或不寻常行为。对话自动化解决方案提供商 Conversica 的首席执行官 Jim Kaskade 表示，AI 系统还可用于高级欺诈检测，通过分析交易模式和用户行为，以极高的准确性预测欺诈活动。

例如，Palo Alto Networks 提供 Cortex XSIAM 安全运营平台，该平台结合了公司在 ML 模型和数据存储方面的专业知识，以及 Google 的 BigQuery 企业数据仓库和其 Gemini AI 模型。其目标是实时提醒安全分析师威胁，同时网络安全平台不断学习新的威胁。

业务流程增强

生成式 AI 在企业业务流程增强方面找到了一个优势领域。在这里，公司正在探索使用生成式 AI 为业务关键工作流提供效率，这些工作流通常是其垂直行业所独有的。

例如，金融和保险行业的一些公司正在使用生成式 AI 来协助评估潜在客户的承保人员。小型企业贷款平台 Credibly 的联合首席执行官兼创始人 Ryan Rosett 表示，该公司使用生成式 AI，结合机器学习，来评估贷款风险并加速贷款流程。

"Credibly 的生成式 AI 正被用来赋予我们的承保人超能力，"他说。"作为一家金融科技贷款公司，我们的成功取决于对寻求融资的企业主进行快速准确的风险评估。"

根据 EY 的一项调查，截至 2023 年底，几乎所有保险公司都已采用生成式 AI 或对其感兴趣。约 42% 的保险公司已经投资了生成式 AI，约三分之二预计通过使用生成式 AI 可以实现超过 10% 的收入增长。

在法律领域，法律信息服务巨头 LexisNexis 正在拥抱生成式 AI，以应对执行副总裁兼首席技术官 Jeff Reihl 所看到的公司行业中的颠覆性威胁。

"我们全力以赴，"Reihl 告诉 CIO.com。"我们做了一个重大转变，因为这是一个游戏规则改变者，无论是在交互能力方面，还是在答案的全面性和数据生成能力方面。它的能力简直令人震惊。"

此后，LexisNexis 发布了自己的生成式 AI 解决方案 Lexis+ AI，以提供链接的法律引用，确保律师能够获得准确、最新的法律先例。

预测分析

虽然生成式 AI 模型传统上擅长检索和总结信息，但组织现在正在使用该技术进行预测分析。

AI 和机器人风险投资基金 Interwoven Ventures 的普通合伙人 Erez Agmoni 表示，例如，一些公司使用生成式 AI 来预测运输时间表。

由传统 AI 驱动的预测分析并不新鲜，但生成式 AI 在这项任务中表现出色，因为它能够处理非结构化数据，而无需预定义算法，曾担任航运公司马士基 AI 和机器人部署负责人的 Agmoni 说。

他说，运输时间表可能是不可预测的，有多个因素影响到达最终目的地的时间。仅仅查看历史数据的简单算法不足以提供准确的交付日期。

托运人需要多个系统来共享过去和当前的数据，包括多个路线的表现、天气、劳动力表现和金融市场状况等信息。"能够解决像这个例子这样的问题可以为参与者创造数十亿美元的收益，这使得寻找解决方案的热情非常高，"Agmoni 说。

从多个来源提取非结构化数据

最复杂的大语言模型可以帮助组织的 AI 战略开放到以前未开发的来自文本、视频和语音消息的非结构化数据。供应链可视化平台供应商 FourKites 的执行副总裁 Sriram Nagaswamy 表示，例如，一些组织正在使用生成式 AI 从视频监控系统中提取数据。

"我们在生成式 AI 中看到的最令人兴奋的突破之一是能够提取可在各种应用程序中获得但以前太繁琐或耗时的非结构化数据，这有可能彻底改变市场，"他说。

例如，许多航运