回首工业革命，蒸汽火车首次亮相时，一些马车伕还不以为意，坚信传统的运输方式才是王道，随着铁路的普及，这些马车伕最终还是被时代淘汰。然而，百年奢侈品牌爱马仕（Hermès）虽然是马具起家，但随着交通革新，他们明白马具终将成为夕阳产业，于是转型做皮革制品，品牌发展至今仍是有声有色。
一、AI 1.0 vs. AI 2.0，你的需求是哪个？
企业在思考是否需要使用生成式 AI（generative AI）前，不妨想想过去的技术革命。当有更好用又方便的东西，人们自然会选择较轻松的生活方式，只有抓住时机、创造新商业价值的人能够存活。
长期提供客户 AI 解决方案的华硕云端暨台智云总经理吴汉章表示，过去是一个模型解决一个问题，但这一波 AI，是一个模型可以解决多个问题。
这样的区别，其实就是提供 AI 2.0 平台与应用的创新工场董事长李开复所说的 AI 1.0 与 AI 2.0。AI 1.0 指的是单一或特定任务的处理，例如图像辨识、语言翻译，模型训练需要人工逐一标记（label），如果要多一个功能，就得花很多力气训练，过程繁琐又耗成本。
AI 2.0 则是有大语言模型（LLM，large language model）的加持，可以用非监督式学习（unsupervised learning），让 AI 从未标记的数据中自动找出有用信息的技术。就大量数据去学习、预测，只要一个模型就可以处理多种任务，如 ChatGPT。
「经理人一定要抓到这一波 AI，」吴汉章认为，进入 AI 2.0 以后，AI 的本质跟 1.0 相比，无论是能力，还是商业化程度，都更容易上手。
不过，前提是要区别两者的不同，才能真正帮助商业决策。例如医疗产业，要对肺部进行判断，如果用 AI 1.0 做影像判读，可能需要 50～60 个 AI 模型，但 2.0 只要一个。也就是说，同样问题如果用 1.0 来做，就会丧失机会。
「当 AI 比自己想像的更厉害，就有了急迫感，好像自己不做，竞争对手就会做，」但吴汉章强调，经理人至少要能分辨别人口中谈论的技术是哪个层次，才能判断工具跟资源从何而来。
二、一定要自己训练模型吗？技术取得的 3 种模式
以现在当红的生成式 AI 来说，可用技术取得方式跟应用策略 2 种维度，来选择适合的自己方案。技术取得的模式有 3 种：地端自建（on-premises ）、买现成的（pre-trained models）、云端训练（cloud-based training）。
第一种模式，就是公司内部使用自己的数据和资源，自建在本地的服务器，从头开始训练一个 AI 模型，换言之，就是自己买硬件设备，例如 GPU（图形处理器），用自家数据进行训练。可以完全客制化模型以符合特定需求，适用有较雄厚资本的大型企业。因为依赖内部 IT 人员技术，还要更新与维护，其架设跟营运成本也要考量。
买现成的就是购买已经由第三方训练好的 AI 模型，可以直接使用或经过微调后使用。例如 OpenAI 的 GPT-4 API、 Anthropic 的 Claude，适合需要快速运用 AI 解决方案，但没有足够资源或时间训练的企业。
第三则是利用云服务提供商的算力（运行计算任务、数据的效率）和平台进行 AI 模型训练，这种方式既可以从头训练模型，也可以微调现有模型。例如 Google Cloud 的 Vertex AI、亚马逊云端服务（AWS）的 SageMake、IBM 等科技巨头都有提供，适合需要灵活的算力资源，但没有预算投资大量硬件的企业。
在实际运用上，企业最需要解决的问题，是如何减少 AI 幻觉（hallucination），也就是避免 AI 无中生有、乱给答案（参见 P.125 图表）。检索增强生成（RAG，retrieval-augmented generation） 在近半年是最广受欢迎的方法，它的原理是利用检索（retrieval）和生成（generation）来提高 AI 的准确性，可以不用通过引用权威数据训练 AI，就能提高生成品质。
RAG 的出现，让 AI 又更好用了。吴汉章指出，现在 RAG 有很高的比例是结合提示工程（prompt engineering），设计提示词以优化生成的结果。
三、提升生产力只是第一步，用「新 4P」架构体现企业价值
吴汉章建议，企业在思考 AI 的使用场景时，可以从「新 4P」着手，从员工（people）、业务流程（process）、产品（product）到企业战略定位（position），渐进式的导入 AI。
要做到这 4 个 P，愈往后走，要打通的关节愈多，需要满足的条件也有所差别。吴汉章表示，几乎所有企业都能想到把 AI 用在员工或客户（people）身上，用来做知识管理或知识服务。
以营造业为例，过去公司内部存有大量文档，像是施工标准与规范、标案文档等，尤其是标案结束后文档就会封存，公司没有多花时间整理，未来如果要用，就难以查找，也无法发挥留存文档的价值。如果能让人更容易找到过去的知识，形成新的想法与提案，就能真正做到知识管理。
「每个人每天都在跟文档搏斗，你能找到对的文档，本身就是件有价值的事，更何况它还帮你做一点处理，例如翻译或摘要。」吴汉章认为，让 AI 读懂非结构化的数据（没有固定格式或结构的数据，例如文本、图片、音频），是很重要的应用，也不需要花太多时间整理。
随着 AI 2.0 的发展，AI 让大家既想得到又用得到，但吴汉章表示，这也带来潜在问题：「员工对企业的竞争力其实是间接的，企业的竞争力要从流程做起。」企业主或是经理人在思考 AI 对公司的商业价值时，一定要想到后面 3 个 P，因为第一个 people 是提升人的价值，还未体现在企业价值。
这也带出了流程（process）的重要性，流程导入的门槛要求较人员使用来得更高。处理第一层人员（people）问题，通常用现成的模型就能办到，但到第二层流程，「绝大多数会牵扯到企业是否要创建自己的模型、有没有算力工具、有没有对的人来做事情，不同 vendor（供应商）提供的工具难易度，也会影响进入门槛。」
举例来说，企业可以用结构化的数据（有明确格式的数据，通常以表格呈现，如地址、姓名、电话等）进行销售预测、客户推荐，过去这部分可能会通过大数据做，但现在的 AI 可以做得更好、更广。
另一方面，也可以把 AI 融入既有的研发流程，比方说，化学或制药产业就可以用生成式 AI 预测精确的蛋白质结构。吴汉章比拟，过去「寻找配方」的工作流程，要花大量的时间用显微镜、电脑测量，现在从生成的串行就可以抓准。
第三层次是产品（product），企业要思考自家产品中，能够应用 AI 的机会在哪，例如 AI PC（具备 AI 功能的电脑）、AI 手机等。吴汉章认为，会有愈来愈多人在自家商品中寻求能够使用 AI 的面向。但相对地，要投入的研发跟尝试成本也较高。
最后一个定位（position），指的是企业要理解在未来的 AI 发展里，自己在市场、产业链、地缘政治等的的角色定位和影响为何；要如何利用 AI 技术来提升竞争力，就像近来传出芯片设计大厂博通（Broadcom）在与 OpenAI 商议合作开发 AI 芯片，找到下一个发展赛道。
吴汉章提醒，面对生成式 AI 带来的技术革新，企业要把竞争力放回自身营运跟产品上，「员工只管自己的工作有没有更轻松，但经理人要关注的是企业价值、顾客经营，这才是企业长跑的竞争力。」
免责声明
本文内容(图片、文章)翻译/转载自国内外资讯/自媒体平台。文中内容不代表本站立场，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除。