自從OpenAI公司研發(fā)的機(jī)器人聊天程序ChatGPT在2022年11月30日發(fā)布以來(lái)，在全世界迅速帶起了熱潮。ChatGPT是AI大模型驅(qū)動(dòng)的自然語(yǔ)言處理工具，能夠基于在預(yù)訓(xùn)練階段所見的模式和統(tǒng)計(jì)規(guī)律，來(lái)生成回答，還能根據(jù)聊天的上下文進(jìn)行互動(dòng)，真正像人類一樣來(lái)聊天交流，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼，寫論文等任務(wù)。

目前，ChatGPT背后的大模型及其應(yīng)用已成為AI研究和應(yīng)用的熱點(diǎn)。部分專家和學(xué)者提出，數(shù)字化的下一階段是智能化，而AI大模型及其應(yīng)用是推動(dòng)數(shù)字化轉(zhuǎn)型持續(xù)深化的引擎。

AI大模型在數(shù)字化轉(zhuǎn)型中的地位和作用還處于持續(xù)的探索之中。筆者在之前的文章中，已經(jīng)描述了數(shù)字化轉(zhuǎn)型的基本概念和方法論。那么，在我們建立的知識(shí)體系當(dāng)中，AI大模型應(yīng)當(dāng)處于什么位置，當(dāng)前和未來(lái)將會(huì)發(fā)揮什么作用呢?

1.AI大模型與“以數(shù)據(jù)為中心的業(yè)務(wù)變革”

一直以來(lái)，我們提到，數(shù)字化轉(zhuǎn)型分為“業(yè)務(wù)活動(dòng)步驟化”、“步驟環(huán)節(jié)要素化”、“要素?cái)?shù)據(jù)規(guī)格化”和“以數(shù)據(jù)為中心的業(yè)務(wù)變革”四個(gè)階段。業(yè)務(wù)活動(dòng)經(jīng)過(guò)前三階段，逐步形成了規(guī)范化的業(yè)務(wù)運(yùn)行數(shù)據(jù)。對(duì)于以數(shù)據(jù)為中心的AI大模型而言，其在數(shù)字化轉(zhuǎn)型中的應(yīng)用理所應(yīng)當(dāng)處于“以數(shù)據(jù)為中心的業(yè)務(wù)變革”階段，屬于《“以數(shù)據(jù)為中心的業(yè)務(wù)變革”之三種范式》中的第三種范式“系統(tǒng)數(shù)字化、規(guī)則數(shù)字化、模型和業(yè)務(wù)相互驅(qū)動(dòng)”：適合無(wú)明確的現(xiàn)有規(guī)則或僅依靠現(xiàn)有規(guī)則不足以支撐業(yè)務(wù)運(yùn)行、主觀性強(qiáng)、容錯(cuò)性高的應(yīng)用場(chǎng)景，由于其技術(shù)特點(diǎn)，暫無(wú)法滿足業(yè)務(wù)規(guī)則專業(yè)型強(qiáng)、復(fù)雜度高的場(chǎng)景。

對(duì)于AI大模型在復(fù)雜專業(yè)領(lǐng)域的應(yīng)用，在此舉個(gè)栗子：

數(shù)學(xué)家陶哲軒認(rèn)為ChatGPT是“數(shù)學(xué)菜雞”，但在開展研究工作時(shí)，仍然很好地利用ChatGPT作為研究助理，包括以下三個(gè)步驟：1.明確GPT4的身份是“一個(gè)擅長(zhǎng)給技巧性建議的數(shù)學(xué)合作專家”，目標(biāo)是“提出一些建議”而非解決問(wèn)題;2.使用Markdown輕量級(jí)標(biāo)記語(yǔ)言而非數(shù)學(xué)算式來(lái)描述數(shù)學(xué)問(wèn)題，便于GPT4理解;3.將問(wèn)題描述中，涉及需要GPT-4自己查找資料的部分轉(zhuǎn)變?yōu)橐米⑨?，并在結(jié)尾給出網(wǎng)址。相比讓GPT-4直接化身數(shù)學(xué)家去“解決問(wèn)題”，陶哲軒把它當(dāng)做一個(gè)提供靈感來(lái)源的“專家”，給自己提供研究方向的建議，很大程度提高了數(shù)學(xué)家研究工作的效率。

陶哲軒使用GPT-4的經(jīng)驗(yàn)是：1.不要讓AI直接回答問(wèn)題，因?yàn)檫@幾乎肯定會(huì)得到一些看起來(lái)專業(yè)的廢話;2.AI大模型擅長(zhǎng)半成品的語(yǔ)義搜索工作，在巧妙的問(wèn)題內(nèi)容和格式設(shè)計(jì)下，可以成為科學(xué)家的合作者，提供有價(jià)值的策略建議。

在現(xiàn)實(shí)中，部分企業(yè)領(lǐng)導(dǎo)在缺乏對(duì)業(yè)務(wù)生產(chǎn)線深入調(diào)研和理解，并且同樣缺乏對(duì)大模型技術(shù)特點(diǎn)和應(yīng)用場(chǎng)景理解的基礎(chǔ)上，僅被PPT忽悠，就認(rèn)為AI大模型具有完全替代專業(yè)領(lǐng)域工作人員的能力，盲目推動(dòng)一些高投入的項(xiàng)目上馬，其前景可想而知。

2.AI大模型與知識(shí)管理

上一節(jié)提到，AI大模型擅長(zhǎng)半成品的語(yǔ)義搜索工作，在巧妙的問(wèn)題內(nèi)容和格式設(shè)計(jì)下，可以成為業(yè)務(wù)人員的合作者，提供有價(jià)值的策略建議，從而為業(yè)務(wù)活動(dòng)創(chuàng)造便利，達(dá)到“降本增效”的效果。

看到這一點(diǎn)，不知道一直關(guān)注本號(hào)的讀者有沒有聯(lián)想到什么?對(duì)了，就是“知識(shí)管理”。在《數(shù)字化轉(zhuǎn)型企業(yè)需要什么樣的知識(shí)管理》中，我們提到：業(yè)務(wù)“數(shù)字化”后其運(yùn)行規(guī)則發(fā)生的變化稱為知識(shí)數(shù)字化。知識(shí)數(shù)字化作為業(yè)務(wù)規(guī)則與業(yè)務(wù)“數(shù)字化”之間的橋梁，是數(shù)字化轉(zhuǎn)型企業(yè)的業(yè)務(wù)引擎。知識(shí)數(shù)字化依賴有效的知識(shí)管理來(lái)實(shí)現(xiàn)，知識(shí)管理的目標(biāo)是：1.通過(guò)實(shí)施管理活動(dòng)，將企業(yè)運(yùn)行過(guò)程中積累的智力成果有效轉(zhuǎn)化為業(yè)務(wù)運(yùn)行規(guī)則并動(dòng)態(tài)更新;2.將業(yè)務(wù)規(guī)則與業(yè)務(wù)活動(dòng)本身緊密耦合，以便在業(yè)務(wù)活動(dòng)的任何環(huán)節(jié)和階段有效運(yùn)用規(guī)則。這其中涉及兩方面內(nèi)容，一是對(duì)業(yè)務(wù)運(yùn)行規(guī)則也就是知識(shí)的積累和管理;二是對(duì)知識(shí)的應(yīng)用。

而AI大模型作為業(yè)務(wù)人員的合作者，擁有大量模型參數(shù)，在海量業(yè)務(wù)數(shù)據(jù)的訓(xùn)練下，一方面可以自動(dòng)化實(shí)現(xiàn)業(yè)務(wù)運(yùn)行規(guī)則的有效積累、集成和管理，另一方面在知識(shí)數(shù)字化、范式化、模板化、模型化的基礎(chǔ)上，還實(shí)現(xiàn)了知識(shí)的按需提供、集成化展示和智能推薦。

從知識(shí)管理的角度，AI大模型在數(shù)字化轉(zhuǎn)型企業(yè)知識(shí)數(shù)字化、范式化、模板化、模型化的基礎(chǔ)上，實(shí)現(xiàn)了知識(shí)管理的自動(dòng)化和知識(shí)應(yīng)用的智能化。

3.AI大模型與數(shù)據(jù)安全

筆者認(rèn)為，企業(yè)在準(zhǔn)備深度應(yīng)用AI大模型之前，首先要考慮清楚一個(gè)問(wèn)題——數(shù)據(jù)安全。這里讀者可能會(huì)有疑問(wèn)：數(shù)據(jù)安全只是數(shù)據(jù)治理工作的一部分，在這一場(chǎng)景下為什么要首先考慮?在此先給出結(jié)論：企業(yè)對(duì)自身業(yè)務(wù)數(shù)據(jù)安全的考慮，將對(duì)AI大模型的建設(shè)和應(yīng)用模式產(chǎn)生決定性影響。

從技術(shù)上講，AI大模型本質(zhì)上是一個(gè)使用海量數(shù)據(jù)訓(xùn)練而成的深度神經(jīng)網(wǎng)絡(luò)模型。其巨大的數(shù)據(jù)和參數(shù)規(guī)模，實(shí)現(xiàn)了智能的涌現(xiàn)，展現(xiàn)出類似人類的智能。AI大模型在理解能力、推理能力、創(chuàng)作能力上的突破，建立在大量級(jí)、高質(zhì)量的訓(xùn)練數(shù)據(jù)基礎(chǔ)上。據(jù)稱GPT-3模型使用了不少于45TB的原始數(shù)據(jù)和570GB的預(yù)處理數(shù)據(jù)，GPT-4模型使用的數(shù)據(jù)則更多。而企業(yè)所需要的垂直領(lǐng)域AI大模型，在多領(lǐng)域、多行業(yè)及多樣性的海量數(shù)據(jù)基礎(chǔ)上，還要將更多的垂直領(lǐng)域知識(shí)、業(yè)務(wù)規(guī)則加入模型的訓(xùn)練數(shù)據(jù)集，并需要業(yè)務(wù)領(lǐng)域?qū)＜业纳疃葏⑴c。

而用戶在使用AI大模型過(guò)程中，需要向大模型提供輸入以獲得期望的輸出。這些持續(xù)不斷的輸入反過(guò)來(lái)為大模型的改進(jìn)和完善提供了矯正數(shù)據(jù)和反饋信息，從某種程度上講需要提供部分企業(yè)業(yè)務(wù)運(yùn)行的敏感數(shù)據(jù)、流程和規(guī)則信息。如果企業(yè)完全不能接受這些信息的外泄，就必須自建AI大模型及其應(yīng)用,而這需要較高的資源投入。

一方面，如果企業(yè)能夠接受員工在使用公共AI大模型過(guò)程中，向大模型提供企業(yè)運(yùn)行的部分敏感數(shù)據(jù)，也需要進(jìn)一步評(píng)估提供數(shù)據(jù)的邊界和方式，并在此基礎(chǔ)上制定相應(yīng)的數(shù)據(jù)安全策略、制度和操作規(guī)程，而這些都是全新的領(lǐng)域。

另一方面，如果企業(yè)自建AI大模型，需要重點(diǎn)解決的是數(shù)據(jù)訪問(wèn)的權(quán)限問(wèn)題。簡(jiǎn)單的說(shuō)，就是在各崗位職工普遍使用AI大模型作為業(yè)務(wù)助手的情況下，需要根據(jù)崗位的知悉范圍，對(duì)其能夠從企業(yè)自建AI大模型中獲取的數(shù)據(jù)邊界進(jìn)行限制，而這對(duì)于大模型提出了更高的技術(shù)和使用管理要求。

4.總結(jié)

在目前AI大模型的行業(yè)應(yīng)用剛剛起步階段，部分企業(yè)領(lǐng)導(dǎo)寄希望大模型能夠一招定勝負(fù)，解決企業(yè)發(fā)展的數(shù)字化轉(zhuǎn)型問(wèn)題的想法是不切實(shí)際的。目前,由于數(shù)據(jù)智能的技術(shù)局限性，AI大模型在數(shù)字化轉(zhuǎn)型中的作用尚未突破《“以數(shù)據(jù)為中心的業(yè)務(wù)變革”之三種范式》中第三種范式的邊界。但AI大模型在企業(yè)知識(shí)管理領(lǐng)域，可以在知識(shí)數(shù)字化、范式化、模板化、模型化的基礎(chǔ)上進(jìn)一步實(shí)現(xiàn)知識(shí)管理的自動(dòng)化和知識(shí)應(yīng)用的智能化，進(jìn)一步促進(jìn)“降本增效”。而作為數(shù)據(jù)密集型的應(yīng)用，AI大模型為傳統(tǒng)的數(shù)據(jù)安全和數(shù)據(jù)治理也帶來(lái)了新的課題和挑戰(zhàn)。