在我 20 年的科技生涯中，我见证了炒作周期。作为首席技术官，我需要消除炒作。我必须看到持久的游戏规则改变者和昙花一现的时尚之间的区别。当 2023 年 Gen-AI 浪潮袭来时，我知道它将从根本上改变人类使用计算机的方式。
在炒作周期开始时，我研究该技术的基本特性。然后我寻找与这些属性相关的一般问题——换句话说，就是商业机会。
Gen-AI 在计算历史上首次引入了一种用自然语言与计算机交互的通用系统。它超越了它的前身 NLP，后者在明确定义的用例中执行，但无法泛化。
有了 Gen-AI，任何人都可以对计算机进行编程。编程曾经是小种姓的特权。不再。与无代码和自动化平台、需要编码才能扩展的预先设计的系统相比，这是一场革命。
此外，作为一名计算机科学家，我对法学硕士的两个方面特别感兴趣：
- 从本质上讲，法学硕士预测一种思想的延续，这几乎就是我们作为人类每天所做的事情。我们不断根据现有信息选择下一步行动，迈出最合乎逻辑的一步。
- 法学硕士对语义概念及其关系进行编码——并且它们内置了一整套概念。这使得世界集体知识的总和变得容易理解，即使我们缺乏准确的词语来描述我们的意思。
对于人工智能，我面临的挑战是将我自己的智力兴奋转化为有效的执行和切实的业务影响。
我们如何利用 Gen-AI 快速改造 Qonto 这个拥有 1,600 名员工的金融科技企业？我们如何才能为我们的客户、团队和业务带来有意义的成果？
在过去的六个月里，我们的参谋长朱莉和我领导了这项计划。
以下是对我们有效的四种策略。
新技术可能会令人困惑和可怕。
由于过度的炒作，Gen-AI 非常令人困惑。 LinkedIn 上充斥着与实际用例脱节的古怪说法。数据保护问题和世界末日预言只会加剧人们的焦虑。
我们首先明确定义了我们期望从 Gen-AI 中获得的好处，鼓励其立即推出并解释其潜在影响。
这是我们最初的愿景，充满了天真的荣耀。
让我们乘风破浪，更智能地工作，更快地服务客户，开辟人工智能财务管理之路！
生成式人工智能是一股浪潮，它将改变我们 Qonto 的工作方式以及中小企业管理财务的方式。
在日常工作中，我们将利用生成式人工智能增强思维，自动化日常任务，并专注于更高价值的工作。
我们将打造一款由生成式人工智能 (Generative AI) 驱动的更智能的产品，使我们的客户的财务管理变得更加轻松、快捷。
为了实现这一目标，我们将让每个 Qontoer 都能获得技术和实验空间。随着有希望的用例出现，我们将进行投资以最大限度地发挥影响力。
让我们乘势而上，探索科技前沿，为欧洲中小企业注入活力！
除了强调我们的影响领域之外，我们还表达了我们早期的信念，即 Gen-AI 可以处理重复性任务，从而使员工和客户能够腾出时间从事更具创造性、更高价值的工作。
我们有意保持愿景的开放性，承认这是后来发展的计划的起点。
我们将其与一组 OKR 配对，以阐明成功是什么样子以及我们如何衡量它。
我们的 1,600 名 Qonto 员工对我们的业务流程了如指掌。他们最适合识别 Gen-AI 可以很好完成的任务，然后自动执行这些任务。无需顾问或幻灯片。
为了解决数据保护问题，我们为在受监管的金融科技环境中使用 Gen-AI 创建了简明指南。我们保持简单：一个两页的基本规则解释，加上一个针对非明显案例的升级渠道。
我们为全公司提供了对 Dust 的访问，这是一个企业级 AI 平台，用于利用公司数据构建自定义 AI 助手。
我们寻找该技术的早期采用者，并在每个部门指定一名“人工智能倡导者”，负责推广该技术、确定本地相关用例并执行指南。
这足以激发整个 Qonto 的草根倡议。我们去参加比赛了！
我们很快发现，许多人工智能用户在遇到空白提示时会遇到写作障碍。我们通过起草一份简短的入门工具包解决了这个问题，其中包含人工智能擅长的日常任务示例。
四个月后，我们在 Dust 中配置了 200 个人工智能助手，超过一半的公司积极使用它们来提高日常效率。
以下是我们如何充分利用人工智能的三个杰出示例：
- 客户入职助理，负责分析公司法规并对活动进行分类。人工智能在准确性上与人类相媲美，在速度上胜过人类，并且可以解释其推理供人类验证。这使我们的员工能够专注于帮助客户启动和运行。
- 审查合同的法律助理。人工智能批准的低价值合同直接进入签名阶段。如果需要返工，请求者知道哪些条件需要调整。这消除了我们法律团队的重复工作并加快了他们的流程。
- 一款 Android 开发助手，可帮助工程师完成从定位功能实现位置到绘制代码和调试复杂问题等任务。虽然初级和高级工程师可能有不同的用例，但好处对所有人来说都是普遍的。
我们开发了一个内部的、由人工智能驱动的客户服务聊天机器人，这是我们第一个面向客户的主要 Gen-AI 应用程序。我们学会了如何有效地将 Gen-AI 交到客户手中。
经过几周的启动，AI 聊天机器人自主处理了超过 50% 的客户联系，满意度更高，这可能是由于响应时间更快。
实现所需的高水平质量需要持续的努力：
- 对聊天机器人对话的广泛审查，
- 不断改进我们的常见问题解答、聊天机器人的知识库，
- 一些提示工程和 RAG 调整。
我们证实，即使客户使用不精确的语言，法学硕士也擅长选择正确的常见问题解答——技术属性与业务需求之间的完美匹配。
从一开始，我们的愿景就包括利用人工智能为 Qonto 的产品提供支持。然而，我们面临着一个根本性的挑战：法学硕士本质上是模糊的，但金融服务需要精确的准确性。许多简单的法学硕士用例都遇到了这个障碍。
我们从小规模开始，使用人工智能驱动的徽标生成器。它是在一次黑客马拉松期间制作的原型，并在两个月内集成到我们的产品中。我们在审查文件的等待期间将生成器添加到开户流程中。立即就有 35% 的客户参与其中。现在，当他们第一次登录 Qonto 时，他们的应用程序已经使用 AI 生成的徽标进行了个性化设置。
我们的下一个用例利用 Gen-AI 的功能来处理非结构化数据。我们用它来分析公司最新的发票，并使用相同的编号、联系信息、法律条款和其他设置来预配置 Qonto 的发票系统。客户只需验证设置并直接通过 Qonto 开始开具发票，从而显着减少企业迁移到我们平台的摩擦。
我们还在尝试使用对话界面来执行常见操作。出于安全目的，我们维护一个明确的确认步骤，用户在执行操作之前检查和验证操作。
在金融科技领域，信任至关重要。我们用人工智能为我们的产品提供动力，但我们确保客户始终保持控制权。
到目前为止，我们对自下而上方法的结果感到满意。
我们没有强制实施宏大的人工智能战略，而是为 Qontoers 配备指导和工具，并让他们通过 Gen-AI 自动化自己的工作，这是一个明显的好处。我们发现最好的用例来自该领域最接近工作的人员。
专注于将低价值任务转移给 Gen-AI 可以立即提高时间和效率，进而促进新工具的快速采用。
早期采用者制作了机器人原型，并在数小时内对一百个示例进行了验证，一夜之间提高了团队的生产力。
黑客马拉松也是加速 Gen-AI 采用、促进工具参与和促进跨部门协作的绝佳方式。
我们已经推出了两项以产品为中心的黑客马拉松诞生的功能，并在联合 Ops-Tech 黑客马拉松期间为高级机器人铺平了道路。而这仅仅是开始！
我们正在构建 Qonto，以使欧洲中小企业的财务管理变得更加容易。
最终，我们设想这样一个世界：我们的客户提供他们的财务文件，然后让 Qonto 的人工智能简单地从那里获取它。
我们将始终确保客户完全控制其业务财务，并花费更少的时间。 Gen-AI 已经在为我们改变游戏规则，但只有当我们为客户改变游戏规则，让他们也能完全相信炒作时，Qonto 才能真正取得成功。
版权声明
本文为本站原创内容,转载需注明文章来源(https://www.eiefun.com)，另:文中部分素材可能会引用自其他平台，如有侵权或其它，请联系 admin@eiefun.com，我们会第一时间配合删除