本轮人工智能（AI）浪潮与过去的技术突破时期有何不同？中国能否走出一条独特的AI发展之路？

　　微观层面上，企业如何将AI技术推广到日常运营中，从而提升效率和生产力？企业上下该如何建立起对AI的信任、如何在各个业务和职能推广该技术？企业又该如何规避那些可能由AI导致的风险呢？

　　就这些问题，第一财经记者在2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）期间专访了埃森哲全球副总裁、全球数据能力主管董筱珊（Teresa Tung）。

　　AI繁荣比过去的科技突破时期更加普惠

　　第一财经：我们目前正在经历的AI繁荣与过去的技术突破有什么区别呢？

　　董筱珊：我认为一个区别在于其普惠性。举个例子，当ChatGPT于2022年11月问世时，我的孩子们和父母立刻就能轻松使用这项技术，这在云技术和大数据技术取得突破时并未发生过。那些技术很大程度上仍主要由技术专家，比如软件工程师、数据科学家等进行使用。

　　正是这种普惠，更快地推动了AI的发展，市场也作出快速反应。在推出后的短短几个月内，ChatGPT就拥有了上亿用户。埃森哲很快捕捉到了这一趋势，我们观察到，自2022年11月ChatGPT发布以来，各类企业在财报电话会议中提到人工智能的次数增加7倍，并且不仅仅是企业技术团队会提到AI。我对此的解读是，企业电话财报会议需要向各方报告AI市场的发展，投资者、消费者和企业员工都想了解一家企业在日常业务中如何使用AI技术。这与过去相比是一个很大的变化。

　　第一财经：除了消费端的变化，目前来看，很多AI企业似乎也已盈利。本轮AI热潮与过去的技术突破时期相比，是否也能帮助相关企业更快实现收益或获得利润呢？

　　董筱珊：这种实现收益或获得利润可能不一定是通过提供AI产品或服务直接获得的，AI技术带来的生产力提高，往往是企业获得收益、价值的首要方式之一。

　　当企业使用生成式AI技术时，由于相关模型已经被提前训练好，同时还存在许多互联网数据或其他数据可使用，企业不需要再投资一大笔资金。大多数企业都会将这些技术应用于诸如市场营销、客户服务、销售、财务、知识管理等业务和职能，具体可用来帮助处理电子邮件、生成文档，生成产品描述等，过去这些工作可能需要花费较长时间来完成。从上述情况不难发现，AI能令企业提高效率和业务水平。

　　至于直接“变现”，这可能需要更长时间，因为我们还需要应对某些特定问题，比如风险。在使用目前的AI产品时，我们还会担心，生成的内容是否合乎道德和其他规范？同时，很多情况下，我们也会面临缺乏相关性更高、更具体的数据，无法继续用以训练模型，因而生成内容无法做到与所处企业、行业更加相关。好消息是，我们已经看到有些企业开始这样做了，尽管还不是很普遍。

　　第一财经：一些AI业内人士在讨论，也许中国企业可以采取不同的方式来发展AI。你同意吗？你认为理论上，是否存在很多不同的途径来发展和受益于本轮AI繁荣？

　　董筱珊：当我们谈论生成式AI时，主要有三种采用途径。一种是直接运用相关的应用程序，比如某个市场营销类应用程序。ChatGPT也是一个应用程序，当你使用ChatGPT时，你并非直接在与大语言模型聊天，而是在使用该应用程序来生成聊天内容。

　　另一种采用途径是直接运用应用程序背后的底层模型。比如，OpenAI就是一个模型，而OpenAI这一模型可以用来创建应用程序，比如ChatGPT和其他应用程序。

　　第三种采用途径，就是运用各种底层模型来创建适合企业或业务的特定专属应用程序。在这种情况下，运用到的底层模型可以是国际上的模型，也可以是国内的模型。

　　对于企业来说，选择模型时主要考虑的就是是否已预先训练完善，哪个更适用于自身以及所在市场的情况。比如，在中国，国内的大模型能生成更精确的结果，因此会更有竞争优势。此外，中国市场上的一些模型可能更具成本优势。

　　同时，在中国，商业环境和格局也复杂多变，企业选择也更加灵活和多样化，不同企业基于成本角度和相关性角度，可能会选择不同底层模型。这些因素可能会让中国在AI领域取得跨越式的进展。

　　第一财经：你认为哪些地区或国家能受益于本轮AI发展浪潮？

　　董筱珊：中国肯定是会受益最大的国家之一。中国具备人才库、科技企业、资金等关键因素和具有竞争力的生态系统等，同时政府也在发展AI中扮演着重要角色。

　　不论是要构建AI基础设施，建立大数据中心，获得GPU高性能芯片等，发展AI的初始投资是巨大的，除非是大型企业，否则大部分企业难以承受，而这也是政府能够起到作用的一个地方。

　　事实上，在全球，政府都需要扮演相当的角色，比如推出了AI的相关法案和文件，给行业参与者一些明确的指导方针。通常来看，如果企业不知道哪些事情能做或不能做，往往就会谨慎起见而束手束脚。基于此，政府主动明确规则，并让行业参与者知道政府鼓励发展AI，是有所裨益的。

　　第一财经：关于AI的演变路径，近期有分析师认为，与此前移动互联网时期类似，最初会让英伟达这样的硬件企业受益，然后是博通这样的AI基础设施类企业，再之后是强调与人交互的AI软件企业将会获得发展。你赞同这种路径吗？

　　董筱珊：我基本同意这一演变路径。归根结底，大多数用户愿意为体验付费。比如用于市场营销的AI写作及内容生成应用，又比如生成音乐的应用程序，亦或是微软推出的Copilot，对于普通用户来说，应用程序底层技术、模型、大数据中心、GPU等这些技术概念并非是重点，他们关心的是程序使用是否便捷，生成结果是否足够准确和智能，能否带来更好的使用体验等。

　　现阶段，企业仍然必须打下很多基础，否则将永远无法获得这种体验。有了基础设施后，我们才能通过应用初始的大语言模型，完成调试优化服务，再基于此创建应用程序。

　　企业推广AI技术时，人的因素至关重要

　　第一财经：企业将生成式AI融入其业务流程的实际进展如何？理论上，AI能够如何帮助他们消除障碍、提高生产力或释放商业价值呢？

　　董筱珊：在企业内部推广AI技术时，仅仅考虑技术本身是不够的，还需要与终端用户，即运用AI技术进行具体工作的员工合作，他们往往是最适合担任AI教练的人选。所以，如何推广AI技术，不应该由企业的技术团队告诉员工应该怎么做，而应让员工参与决策共同确定该如何做。这点对于生成式AI技术尤为适用，因为生成式AI并非“天生”就能够提供准确、可靠的内容。这时候，就需要运用该技术的员工来帮忙判定某些生成内容的对错，以及是否能生成某项特定任务所期望的信息。

　　举例来说，如果某个员工负责在供应链中管理仓库，他必须确保货物在正确的时间送进来并送出去，背后需要考虑的因素包括时间表、库存、客户等。如果要运用AI技术，员工要确保让AI也能考虑到上述所有这些因素。如此一来，如果有什么事情被推迟或顺序发生了变化，AI就知道该如何应对。所以，熟悉这些因素的员工，就要充当AI的教练。并且，当AI生成了这些信息后，员工也会进一步反馈，不断验证提供信息和提供形式的准确性和精确性。长此以往，AI就能够动态地提取该员工在某一具体时刻需要查看的数据，并且根据情况的变化（例如，有人迟到了，有人请病假了，或客户更改了订单）决定提供数据的具体时点。上述任何环节都会产生连锁效应，牵一发而动全身，因此，AI与员工的合作非常关键。

　　第一财经：在企业在内部推广AI技术的时候，人的因素仍然很重要？

　　董筱珊：绝对如此。在AI技术发展中，人的因素非常重要。这其实是一种人加上AI的能力，而不是AI自身完成自动化。这也是AI与以往技术变革不同的另外一点，它是非常人性化的技术，也因此它比以往的突破性技术更易得、更快普及，以及更加对于用户友好。比如，即便使用者不是技术专家，也能运用AI来编程，创建指令动作。即使不是艺术家，也能通过AI生成图像。每个人都可以运用AI的创造性，且不受特定技能所局限。

　　第一财经：埃森哲的一项研究表明，虽然亚太区89%的首席体验官（CXO）计划在2024年增加对AI技术的投资，但不少高管承认他们缺乏通过AI技术完成企业重塑所需的技能。更重要的，当涉及推广AI时，领导者和员工之间存在信任赤字，许多员工会担心自己的工作。根据你的经验，能采取什么方法让员工对企业引入及推广AI技术感到更舒适，甚至愿意拥抱这种变革呢？

　　董筱珊：上述研究结果也显示，员工对生成式AI技术本身很兴奋，94%的员工表示想学习这项新技术，只是他们不认为企业管理层能够积极推广AI技术。在我看来，这主要是因为企业领导还没有在全体员工中展开相关培训。

　　正如我提到的，其实生成式AI是一种非常人性化、基于人的技术。如果通过培训让员工了解到运用AI的风险和要求，让他们成为AI的教练，将他们纳入转型过程，他们会更容易接受。这是所有企业领导者真正需要做的，因为不仅仅是软件工程师，各类工种的员工都将是数据工作者，都能接触到数据并针对数据提出问题，也需要基于数据作出决策或推动变革。

　　第一财经：在训练员工前，我们是否应该先培训企业领导呢？上述研究结果也提到，在起初的兴趣爆发期后，即使是企业领导自己，在日常工作中对生成式AI的使用量也出现了减半的情况。

　　董筱珊：我们需要培训所有人，让所有人都能够最好地了解AI技术的前景。埃森哲自身已经给全球70多万名员工进行了基础培训，让企业上下知道什么是生成式AI，以及这项技术意味着什么，背后有什么风险和机会，从而有更好的心态适应并运用AI。比如，人们会在手机上处理很多AI相关的任务，这既是机遇也是风险，因为个人可能会无意间把企业的一些重要信息泄露出去，也可能会被动接收到一些他人生成的内容，存在潜在风险。通常，技术团队会更习惯于应对这些情况，而通过培训，企业的所有人都会具备这样的意识和处理方法。

　　第一财经：你能分享几个有趣的或令人印象深刻的案例吗？

　　董筱珊：我们确实有看到和参与企业客户落地应用的例子。比如，有一家规模非常大的生命科学企业客户与埃森哲合作开展AI相关培训，旨在建立起技能和专业知识，培养内部数字人才。这并非一家科技企业，但他们知道需要基于AI技术进行研发上突破，革新他们业务。

　　还有一个与传统车企合作的案例。通常，将企业数据转化为某种知识或洞察，需要在许多领域专家和数据来源之间来回沟通，整个过程需要相当长的时间。埃森哲助力宝马建立了一个名为EKHO的新一代人工智能平台，帮助员工解决复杂的问题。EKHO甚至可以通过从过去的场景中学习来解决全新的挑战。在过去，宝马销售人员必须查阅实物手册才能了解可能的汽车配置。现在，使用EKHO平台，宝马可以将此过程减少到几分钟。并且，EKHO可以适用于客户的各项业务，比如在制造环节，它可以通过回答库存和物流问题来优化供应链流程。EKHO可以帮助宝马在北美市场的效率提升了30%至40%。

　　此外，还有一个《财富》杂志的案例。《财富》通过严格收集和分析世界上大型企业的复杂财务数据，创建标志性的《财富》500强排行榜。多年来，《财富》积累了丰富的数据。我们与《财富》合作，开发一个名为Fortune Analytics的生成式AI平台，可以通过访问各年度《财富》排行榜、印刷品和在线文章以及在线视频，获取数据并进行整合。平台再对生成的内容进行微调，使《财富》的用户，尤其是某些特定业务领域的企业领导者和研究员，能够花更少的时间搜索信息，花更多的时间制定战略和作出有影响力的决策。该平台提供的产品比较直观和多样，形式上既有文本，也有可视化数据产品，比如散点图、折线图和条形图等。

　　第一财经：在伦理领域，AI也存在着诸如隐私、偏见和歧视以及影响人类判断等风险。企业能够如何避免由这些风险引发的一些问题呢？

　　董筱珊：首先，我们需要了解生成式AI的本质。归根结底，它不是给使用者一个准确的答案，只是生成它在知识库以及训练中习得的有关信息和内容，所以有些时候它甚至会编造一个答案，令人们感到疑惑，造成了所谓的“幻觉”。

　　了解这点后，我们再来考虑到可能存在的风险。就像我们在编程、写软件时一样，我们也需要对AI进行测试和验证。我们需要创建一组测试和验证数据，当AI模型发生变化时，我们就能够及时评估这个模型是否是准确的，或者生成的内容是否适合传播。

　　比如，在营销活动中用到生成式AI技术时，如果企业想确保生成和传播的内容符合实际情况并能达到最佳效果，就需要让该领域的专业员工对生成的内容进行判定，从而收集一组相互对比的结果和数据。在这一过程中，各个领域的专业人士和知识的角色非常关键。并且，每个企业在判断具体业务时，也会考虑到该企业的独特之处。所以在整个过程中，我们可以先通过专业员工先收集一批数据，然后运用AI程序自动生成内容，再去验证对错，从而不断扩充验证数据组。如此一来，在日后其他员工在试图选择模型时，或试图验证生成结果是否正确或准确时，就可以用程序化的方式运行这些验证数据组。

　　除了不断扩大验证数据组外，我们还需要微调模型，因为有些数据组中的内容和知识虽然不存在对错的问题，但可能会过时，添加新的内容和知识，使得模型最终生成内容更加准确。