·人工智能12月4日 研究表明，就受欢迎程度和存在程度而言，2023年是生成式AI的丰收之年。从提高生产力到创建书面内容，这种智能工具带来的可能性引起巨大的轰动。2024年将是生成式AI的衡量之年，因为人们将超越大型语言模型(LLM)的技术能力，并研究它们如何影响损益。
许多组织都希望从AI获得更多的回报。根据Forrester 在2023年9月发布的AI脉动调查报告，62%的公司在明年将尝试(29%)或扩展(33%)他们的生成式AI战略。面向2024，Language I/O产品副总裁Chris Jacob概述了三个以AI为重点的预测：组织领导者如何应对AI的影响，数据为何会再次成为主角，以及聊天机器人技术的改进将如何提供更人性化的体验。
组织领导者在采用AI方面越来越有经验
AI正在迅速改变人们的生活和工作方式，一些组织领导者认识到，有必要做出数据驱动的明智决策。2024年，决策者将探索如何最好地衡量AI工具的好处。一旦他们确定了用于这些评估的指标，他们将深入挖掘生成AI工具的投资回报率，以评估对组织的贡献。
随着领导者找到收集和利用AI产生的数据的方法，预计现有技术将会增强，从而推动对这些工具的进一步投资。根据麦肯锡的研究，由于这些发展，40%的组织已经计划增加对AI的整体投资。
这些组织看到了AI的价值，它可以通过将人类执行的任务实现自动化来改善流程，从而减少工作量、节省时间、减少错误。越来越多的组织也在利用AI的能力，通过提供个性化的内容和推荐来增强客户体验。为了最有效地利用这些AI工具，更多的领导者将采取下一个关键步骤，而不仅仅是观看技术演示和概念验证，将它们深入整合到组织现有的系统中。
生成式AI使用让数据将重新成为主角
如今，生成式AI使用量激增，79%的受访者表示他们接触过生成式AI，近四分之一(22%)的受访者表示他们经常在工作中使用。这些数字表明，生成式AI正在成为组织的筹码，而不仅仅是锦上添花，并且将变得越来越有必要保持竞争力。
然而，当涉及到AI的实施时，组织领导者应该谨慎行事，因为生成式AI的输出并不总是准确的——例如一些测试表明，生成式AI的准确度为3%到27%。ChatGPT可能会编造一些东西，并且在没有安全指南或强大的数据集的情况下使用生成式AI来填补培训数据中的空白，可能会给组织带来风险，例如提供误导性信息。
尽管存在这些风险，但只有21%采用AI的组织制定了有关人们如何在工作中使用生成式AI的政策。这些安全防护措施包括强制性的事实核查，禁止向AI提示敏感或专有信息，以及道德内容创建的最佳实践。
然而，随着技术的不断发展，并为组织提供竞争优势，那些过度担心风险和犹豫利用AI力量的组织将被抛在后面。
还记得有关数据输入和输出的“垃圾进，垃圾出”这句名言吗？它也适用于LLM和生成式AI。两者都依赖数据来提供输出，因此期望重新强调数据质量，以便从训练数据生成的输出尽可能准确、干净和可靠。有了强大的数据集和可靠的调优过程，组织可以避免输出不准确的陷阱。
AI聊天机器人摆脱“恐怖谷”是关键
“恐怖谷”是指科技和人类并没有完全融合的一个空间。这种介于两者之间的空间既吸引人又让人抵制，这就是AI目前所处的位置。LLM擅长模仿人类，有时很明显是在鹦鹉学舌，虽然很像但不是并完全逼真，这对一些人来说，他们感到被愚弄因此反感生成式AI。
对于客户服务机器人等关键的消费者接触点来说，犯错的余地非常小。这种有些令人反感的“恐怖谷”可能会迅速破坏原本顺利的交易。然而在未来几年，随着聊天机器人沟通能力的不断完善，它们输出的内容与真正的人类几乎无法区分，因此这种差距将会显著缩小。然而，这种完美可能并不像人们想象的那样明显。
人们可能会将AI的功效与“完美”的人类反应进行比较，但什么是完美的反应呢? 将同一文本交给三位才华横溢的翻译人员，不可避免地会产生三种细微差别和措词不同的优秀译文。这三个翻译结果都可能是“完美”的，但并不会完全匹配。用不了多久，人们就会看到AI的类似输出。它可能不是完美的输出，但将提供与可接受的人类反应相同的场景和信息。而定义和衡量聊天机器人与客户的沟通能力将是2024年的关键。
AI帮助聊天机器人更好地与客户沟通，但沟通只是其中的一部分。客户正在寻找与聊天机器人互动的结果。根据Gartner最近进行的一项研究，在客户服务互动中使用聊天机器人的客户中，只有25%的人表示会再次使用聊天机器人。从这个数字中可以得出结论，聊天机器人目前的能力并不能完全满足许多用户的需求。
AI可以让员工的工作和生活更轻松、更高效，同时也能改善客户体验。然而，组织需要安全地将专有数据合并到流程中，从而为客户和组织带来更好的结果。虽然风险很高，但负责任的AI使用将增强团队的流程和生产力，使组织和最终用户受益。
总之，Jacob认为2024年是AI的衡量之年。投资回报率将被衡量，其结果将决定AI的组织命运。预计这项技术的持续改进和发展将最终导致广泛的采用，并带来人们想象的商业用例。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
