企业如何通过生成式AI赚钱

在ChatGPT和生成式AI狂飙近一年后，越来越多的高管们不再质疑生成式人工智能的潜力。根据德勤一项最新调查，75%的《财富》500强CEO预计生成式人工智能将提高运营效率，超过一半的人认为它将增加收入。在对数据科学领导者及其团队的调查中，有90%的人认为它的价值不止于炒作。

问题不再是生成式人工智能是否会带来变革，而是我们将如何实现这种变革。换句话说，我们如何利用生成式人工智能赚钱？要回答这个问题，我们必须看看使生成式人工智能“赚钱”变得困难的挑战，以及公司如何克服这些挑战。

1 

生成式人工智能为什么难以赚钱

第一个挑战，让生成式人工智能“赚钱”，需要去开发新的使用案例和新的商业模式，这些模式与传统机器学习的工作方式不同。

这是因为生成式人工智能是关于解锁新的、非结构化的数据——分析和生成文本、语音、图像、视频等——而企业在很大程度上忽视了这些数据。比如，如何制作一个能够帮助员工在企业内容管理系统中发现和总结文档的聊天机器人？在生成式人工智能之前，没有人知道如何做到这一点，因为没有超大规模的时间和金钱投入，这是不可能实现的。

第二个暂时的挑战是生成式人工智能模型要比传统的机器学习模型更昂贵和难以操作。

为什么说它是暂时的呢？首先，基础设施的成本不断降低。其次，优化技术不断创新，可以减少这些模型的基础设施占用。第三，最重要的是，企业正在更加熟悉如何使用生成式人工智能，并且他们正在摒弃超大规模的模型，转向更小、更专业化的模型，这些模型被针对特定任务和领域进行了微调。

2 

每家公司都可以通过生成式人工智能赚钱

一些公司已经这样做了，然而，大多数公司缺乏专业的领导力和专业知识，无法确定要使用生成式人工智能去追求的正确用例，并且缺乏开发和部署模型和应用程序的能力。

通过生成式人工智能赚钱的第一个关键组成部分是确定那些既能够提供实质性商业价值，又处于技术优势的用例。识别和优先考虑这些用例需要有经验的数据科学家和数据科学领导者，他们了解业务背景、组织的数据，尤其是生成式人工智能模型的优势和劣势。如果一家公司没有建立数据科学团队的历史，并且没有交付传统的人工智能和机器学习项目的经验，那么它将缺乏必要的人才和经验，无法确定和追求最有前途的用例。

所需的第二个组成部分是在规模化、成本效益受控方式下开发和运营人工智能模型和数据管道的能力，即LLMOps。大多数公司不会使用科技巨头提供的巨型、通用的模型来构建其最重要的应用，因为它们太大、太慢、太昂贵，并且经常无法进行微调，并且它们通常不符合企业对安全性和控制的需求。企业只能构建自己内部的LLMOps能力，在基础模型的基础上，对其进行微调。

3 

公司什么时候开始通过生成式AI赚钱

大批的技术供应商正在将其产品与生成式人工智能相结合，其中一些公司可能在未来几年内通过这项技术扩大业务并获得市场份额。同样，人工智能初创公司的数量也在激增，一小部分公司可能会在同一时间内取得非凡的成功。

然而，大多数主流企业在使用人工智能成熟度方面仍处于早期阶段。尽管已经有一些公司通过生成式人工智能赚钱的成功案例——通过提高高价值员工的生产力——但在大多数情况下，除了最先进的主流公司外，在其他公司上看到影响还需要一些时间。毕竟，ChatGPT发布不到一年，这是大多数高管第一次听说生成式人工智能。

大多数公司仍然需要建设LLMOps能力，并在业务领导层和数据科学团队中培养他们的人工智能相关的专业知识。那些缺乏这些能力的公司可能需要几年时间才能真正利用生成式人工智能的进步。

结语：生成式人工智能，就像传统的人工智能和机器学习技术一样，并不会自动赚钱。由于每个企业具有有差异化的场景，独特的数据和需求，它将需要很多的工作和投资来确定和设计正确的用例，并建立团队、流程和平台，以开发和运作生成式人工智能应用，从而改变企业的业务。