企业在人工智能转型过程中将面临的问题以及如何解决这些问题

去年，我就在项目和企业中使用人工智能的问题向经理和企业家们提供了咨询。我与银行家、制造商和律师进行了交谈。我为程序员们讲授如何将人工智能与他们的软件相结合，以及如何利用人工智能加快软件开发。我遇到了试图让他们的软件产品更具互动性和用户友好性的团队。我听到了抱怨，也听到了为什么人工智能对他们来说不是一个好的解决方案的借口。我看到了一些错误，一些失去的机会，以及许多漠不关心和自满情绪。以下是我的心得体会。

目录

1. 聊天机器人不是人工智能的杀手锏
2. 人工智能只有在扼杀整个企业时才会扼杀工作机会
3. 怀疑论者不断提高标准
4. 人们讨厌人工智能
5. 炒作产生了过高的期望值
6. 大多数付费人工智能服务可在两周内由普通程序员复制完成
7. 忽视速赢
8. 如何在业务中使用人工智能而不失去理智和金钱

聊天机器人不是人工智能的杀手锏

大众对生成式人工智能的认识始于 ChatGPT。因此，有一段时间，我们认为聊天机器人将成为人工智能的杀手级功能。我写过几篇文章，展示了如何构建一个人工智能驱动的 Slack 机器人、一个 Facebook 机器人或一个可以与人工智能讨论任何 YouTube 视频内容的网站。所有这些都运行得很好，但一路走来，我们发现人工智能可以做更多的事情。很快，人们开始构建聊天机器人，与你的 Notion 笔记、文档或电话记录进行对话。这一切都令人印象深刻，但人工智能并不止步于聊天机器人。聊天机器人是人工智能功能之一，最初看起来很不错，但很快你就会发现它的局限性。

聊天机器人不仅倾向于同意用户所说的一切，而且还会为了取悦用户而说谎。祝您好运，建立一个这样的客户支持聊天机器人。当然，您可以创建聊天机器人，人们可能会喜欢使用它，但它对企业有好处吗？想象一下，因为聊天机器人承诺的东西你无法兑现，而惹上官司的情景吧。

正如格雷格-卡姆拉德特（Greg Kamradt）所说：”聊天只是用户可以与之交互的 N 个界面中的 1 个（还有很多）”。毕竟，如果人工智能如此智能，我为什么还要告诉它我想要什么呢？难道人工智能不能预知我的需求并主动出击吗？如果你使用过任何人工智能驱动的自动完成功能，比如 Github Copilot，甚至是 Gmail 中的句子完成功能，你就会知道人工智能可以完成自动完成功能，而且它还在不断改进。

格雷格认为，真正改变游戏规则的是语义搜索、数据转换和自动决策。当然，我们目前正在构建的语义搜索用例主要是基于膨胀的期望。我们希望把几千兆字节的 PDF 文件扔进矢量数据库，人工智能就能正确回答你的问题。除非我们看到人工智能技术取得又一次突破，否则这是不可能实现的。当我们在数据预处理方面投入大量精力时，语义搜索才能发挥最佳效果。无论是在向向量数据库填充数据时，还是在检索答案时，都是如此。

如果你听说过向量数据库，你可能会知道这种数据库会搜索与查询类似的文本。我们使用向量是因为我们希望问题的答案包含与问题本身相似的单词（或同义词）。但事实并非总是如此。因此，在语义搜索的情况下，我们需要对问题进行转述（有时，在将输入数据存储到数据库时也要对其进行转述），假定同一查询的多个版本能帮助我们找到更多相关信息，同时又不会发现太多噪音。在矢量数据库搜索的基础上加入人工智能，我们可能会得到一个不错的问题解答解决方案，除非用户故意破坏人工智能。这一点我们稍后再谈。

自定义数据转换是所有 “总结”、”查找下一个操作 “或 “查找引用 “功能的核心。文本转换功能在当前的生成式人工智能模型中运行良好。因此，在过去的一年里，许多应用程序都添加了数百个 “总结 “按钮。其中大部分根本不需要这样的功能。现在，就连 Todoist 也有了人工智能助手。该助手可以将任务分解为子任务。该助手的子任务过于冗长，基于一些不为用户所知的隐含假设，而且整个功能的运行速度太慢。我觉得它没什么用，但有人认为 Todoist 需要一个人工智能助手。可能是因为 “别人都有”。我希望你有更好的理由使用人工智能。

人工智能决策是一个有争议的话题。一提到这个话题，人们就会拿出一些老生常谈的例子来说明人工智能无法做出正确决策的情况，比如电车问题或自主军用无人机。我们谈论的不是这种高风险的决策。

首先，我们可以使用人工智能将支持邮件转发给合适的团队，而不是让人们阅读无关的邮件并相互转发，直到找到能解决问题的人为止。人工智能还可以向销售代表建议他们可以尝试向上销售哪种产品，甚至可以准备一封包含报价的电子邮件。不过，我建议你三思、四思、五思，直到你决定在没有得到人类主管批准的情况下发送电子邮件是个糟糕的主意。

人工智能只有在扼杀整个企业时才会扼杀工作机会

我们看到过一些公司解雇员工的新闻，并说这是因为人工智能。这是谎言。当你想解雇几百人以降低成本并给利益相关者更高的奖金时，人工智能就成了一个方便的借口。以前，你必须聘请外部商业顾问来提供借口。裁员不是你的错，是顾问让你炒人的。现在，我们有了人工智能，我们说人工智能取代了工人。用什么取代他们？你见过那些自动化设备吗？剩下的员工工作效率更高吗？

当然，有些公司解雇员工是因为人工智能。让我们思考一下根本原因。他们解雇员工，是因为剩下的人可以通过人工智能提高一倍的效率，不再需要这么大的团队了，还是因为有了人工智能，他们的整个业务在这个世界上就没有意义了？

Jasper 曾经是一个借助人工智能撰写电子邮件、文章或笔记的工具。他们使用的是早期版本的生成式人工智能。当 ChatGPT 发布后，Jasper 不得不重塑品牌，成为营销团队的 AI Copilot。他们之前的商业理念已经毫无意义。既然你可以从 ChatGPT（即使是免费版）获得质量更好的内容，谁还会花钱让他们自动撰写电子邮件呢？

Duolingo解雇了一些翻译，因为人工智能可以胜任他们的工作。准确地说，Duolingo 解雇了在提供翻译服务的公司工作的承包商。既然人工智能可以取代这些服务，那么翻译服务公司的整个商业模式就岌岌可危了。

那么 Duolingo 呢？如果我们可以拥有一个人工智能驱动的个人语言导师，可以与他谈论任何话题，他可以解释任何语法结构，并根据我们的需要提供尽可能多的例子，那么这种有趣但坦率地说效率低下的语言学习方法还有意义吗？Duolingo解雇员工是为了用人工智能取代他们，还是为了在人工智能取代其服务的世界中生存得更久些？令人上瘾的游戏化和进步感（无论语言技能是否有实际提高）可能还不足以让他们盈利。

怀疑论者不断提高标准

但人工智能一直在犯错！它产生幻觉。翻译不完美。它写出的文章华而不实。是的，但在一年前，人工智能甚至无法完成这些任务。人工智能可能总是在翻译中犯错，但双语者也会犯这样的错误。人工智能可能写得更像汤姆-沃尔夫（Tom Wolfe）而不是欧内斯特-海明威（Ernest Hemingway），但有些人更喜欢沃尔夫而不是海明威。

人工智能怀疑论者对人工智能的要求远远高于他们对人类的期望。你总能找到一些不完美之处。人工智能不需要无所不知。

不幸的是，当我为法律部门讲课时，律师们都把注意力集中在错误上。我想这是他们的天性。律师应该吹毛求疵。人工智能可能会忽略在句子中添加或删除一个逗号的细微差别，以及这种编辑的巨大法律后果。不过，如果有适当的数据准备，人工智能应该能够找到与特定案件相关的法律、过去的法院判决或律师过去使用过的漏洞。

同样，管理者往往会否定人工智能的决策能力，因为他们认为这意味着人工智能将做出战略决策或告诉他们如何经营公司。当他们专注于这种高层次的期望时，管理者就会忽略他们必须做出的日常小选择。在下次会议之前，你需要阅读哪些笔记？谁答应过你要跟进，跟进什么？（在这种情况下，真正有用的人工智能会提醒答应跟进的人，而不是等待跟进的经理），甚至是我们应该在上午还是下午给客户打电话这样的决定（你真的需要记住是早点打电话成交更多的销售，还是下午打电话的人有更多的时间？） 所有这些看起来都很琐碎，但在错误的时间打电话或没有为会议做好准备可能是代价高昂的错误。如果你不需要考虑这些细节，你怎么能花时间和精力呢？

怀疑论者无处不在。程序员应该对人工智能充满热情，对吗？在每次研讨会上，我都会遇到一些人期待人工智能每次都能提供完美的代码。程序员无法用书面形式清楚地表达他们的期望，只能期待人工智能能猜到需要做什么。如果答案不完全符合他们的需求，同样的程序员也不会说 StackOverflow（一个供程序员提出具体问题并投票决定哪个答案正确的论坛）毫无用处。

让我们更多地关注人工智能辅助工作，而不是被人工智能取代的工作。我将在本文后半部分向你展示一些想法。

人们讨厌人工智能

当你建立一个聊天机器人并向公众开放时，我相信会发生两件事。首先，人们会尝试使用你的聊天机器人作为免费的 ChatGPT。对他们来说是免费的。你要为所有这些请求付费。第二，有人会试图破坏你的人工智能，让聊天机器人说一些不恰当或不正确的话，就像 DPD 发布客服聊天机器人时有人做的那样。据天空新闻报道，有人让机器人说脏话，称 DPD 是最差的快递服务。公司不得不关闭了这个聊天机器人。

这一切听起来都很可怕，但如果您指示聊天机器人假装自己是真人，情况就会更糟。在客户支持领域，假冒是行不通的。你认为人们会信任那些把呼叫中心外包给印度或波兰，却让员工使用美国化名字的公司吗？桑托什（Santosh）假扮马修（Matthew）或卡塔日娜（Katarzyna）假扮莎拉（Sarah）是否令人信服？

我深信，广泛使用人工智能聊天机器人为客户提供支持是非常糟糕的。每一家让客户支持成为一种不愉快体验的公司都忘记了，客户为公司创造了 100% 的利润。你可以不提供其他选择，强迫人们使用你的聊天机器人，但你的竞争对手如果仍然让客户与真人对话，就会免费获得竞争优势。

因此，与其将聊天机器人或其他人工智能系统公之于众，让其不可避免地遭到破坏，我们不如打造内部人工智能工具。这会让员工高兴吗？我不确定。

人们希望提高工作效率吗？[根据 Talentism](https://talentism.com/ideas/why-is-everyone-stupid-or-lazy/）的说法，”在大流行前的一项研究中，懒惰似乎是劳动力中的流行病。75%的受访者承认，他们甚至每周一次都没有尽全力工作”。人才主义说，发生这种情况主要是因为内部流程效率低下，而不是真正的懒惰。但你经常看到人们与低效率作斗争吗？在最近的一项研究中，盖洛普 发现：”2022 年第二季度，美国员工的敬业度又倒退了一步，敬业员工的比例保持在 32%，但主动离职员工的比例上升至 18%。目前，敬业员工与主动离职员工的比例为1.8比1，是近十年来的最低值。”

一方面，至少在某些情况下，人们 “脱离工作 “是因为员工对自己的任务感到厌倦，而让人工智能至少完成部分工作可以提高团队的工作满意度和生产率。另一方面，我猜想有些人的工作就是把收到的电子邮件中的信息复制到 CRM 中，他们不想要其他工作，因为这样的任务可以让他们做白日梦、浏览互联网、与同事闲聊等。如果你建议用人工智能将他们的工作自动化，这些人肯定会大发雷霆。

你能做什么？不要让你的人工智能转型出人意料，也不要一次自动化太多事情。从最恼人的任务开始。如果你把他们讨厌的事情自动化，没人会抗议。之后，再转向下一个最讨厌的任务。那些乐于做粗活的人怎么办？让他们负责监督与他们日常任务之外的工作相关的人工智能自动化。让他们习惯与人工智能一起工作。

炒作产生了过高的期望值

我们在推销人工智能时做得非常出色。现在，人们希望能将所有文件放入数据库或直接输入提示，然后人工智能就能完美地回答所有问题。正如我所说，人工智能不需要完美，它可能永远不会完美。

在我关于用人工智能解决商业问题的文章中，我把人工智能比作一个人坐在空房间里，拿着笔和纸。房间里的人会收到包含必要信息的打印件和一张包含说明的纸。如果他们需要计算、在档案中查找或填写某些内容以供日后使用，他们必须把任务写下来交给其他人。这就是人工智能。在用人工智能解决问题时，想想这样一个人如何只用纸笔就能解决问题。这个人和人工智能可以使用外部工具（数据库、互联网接入、运行代码），但必须先写下指令，然后交给能够理解指令的人。如果你能设想出一个在这种限制性设置下可能有效的问题解决过程，那么你就可以使用人工智能了，而且有可能取得好的结果。另一方面，如果你无法想象一个只有平底锅和纸的人如何完成你所需要的工作，那么人工智能也很可能会失败。

此外，请记住，与外部系统的交互总是容易出错的，而过多的出错会使人工智能的回答质量下降。假设你的想法需要使用人工智能作为协调者，从软件中获取信息，将任务传递给人们，并检查他们是否完成了任务。在这种情况下，你要么需要在每个步骤中分别使用人工智能，而不需要一个全局协调者，要么简化流程。

注意人工智能最有可能失败的任务。与以肯定语句表述的指令相比，带有否定语句的指令更容易被误解。如果你想删除某些行为，可以说 “避免做 X”，而不是 “不要做 X”。忽略否定句的问题在 GPT-4 中可能不那么常见，但早期版本和开源模型往往需要重新编写提示语。在图形生成模型中，最好避免提及你不想要的东西。

最后但并非最不重要的一点是，人工智能宁可让你产生幻觉，给你一派胡言，也不会说它不知道什么或没有能力完成你想要的任务。我们都认识这样的人，也都知道如何与他们相处。人工智能也需要同样的技能。当你使用人工智能查找文章中的相关引文时，给它举几个有相关信息和没有相关信息的文本例子，以及在所有这些情况下你所期望的答案。这种提示技巧被称为上下文学习，根据示例的数量，你可以说它是one-shot（一个示例）或 few-show（2 个以上）的上下文学习。举例说明如何处理缺失数据，让人工智能知道返回 “信息不足 “是可以接受的选项之一。

大多数付费人工智能服务可在两周内由普通程序员复制完成

如果程序员使用人工智能编写代码，则只需一周。

去年开发的许多基于人工智能的服务都是 OpenAI API 的简单封装。这些应用程序会在提示中添加一些指令，有时还会转换输出。这也没关系！我们正处于使用生成式人工智能的早期阶段。我们现在构建的应用程序相当于早期的 iPhone 或 Android 应用程序。早期的应用商店里充斥着闹钟、定时器、手电筒、日历和其他简单的应用，这些应用复制了移动操作系统的内置功能，并进行了一些微小的定制。现在，基于人工智能的应用程序也处于类似的阶段。

这对您的业务意味着什么？我认为有两点。首先，你不能指望这些应用在一年内还会存在，因为开发者可能会决定转向其他领域，或者运行应用的成本会远远超过他们的收入。其次，你可以构建基于人工智能的应用，因为目前的实现方式还相对简单。别误会我的意思。底层技术是超级复杂的，但当你所做的只是将一些预置的元素组合在一起并编写代码使其运行时，你就不必了解它。你已经聘请的程序员可以做到这一点，如果你的团队中没有程序员，也可以聘请顾问为你构建自动化。最困难、最耗时的任务是让网站看起来漂亮（如果你想使用网站与人工智能互动的话）。

在很多情况下，你甚至不需要程序员。Zappier、Make.com 或 Automatish 等无代码自动化平台也可以与 OpenAI 进行交互。例如，我建立了一个Make.com 管道，在许多新闻简报中查找相关信息，我订阅后会直接将摘要发送到我的 Kindle，这样我就不必再深入研究电子邮件了。

这看起来似乎很复杂，但你只需移动网站上显示的图标即可配置管道，无需编写任何代码。不过，你也不必事必躬亲。为什么不将任务委托给员工，或者雇佣一名自由职业者，负责保持人工智能自动化的运行，并在需要更改时及时更新呢？

忽视速赢

我告诉过你，我们应该寻找机会创建人工智能解决方案，在我们工作时为我们提供帮助，而不是取代我们。我们能快速、低成本地做什么？

您的销售代表是否花时间写下电话摘要并将其添加到您的 CRM 中？为什么？现在，即使不是所有软件，大多数视频会议软件都有转录功能，或者您可以安装一个插件。为什么不把电话记录发送给 AI，让摘要自动添加到 CRM 中呢？如果销售人员每天能节省 30 分钟，他们就能多打一个电话。你的团队有多少销售人员？如果每个人每天都有时间多打一个电话，他们一个月能多打多少个潜在客户？

您的支持团队是否会查找过去类似的支持案例，以找到行之有效的解决方案，而不是从头开始摸索？您知道人工智能可以理解客户提供的问题描述中的文字，并找到与当前问题类似的以往支持问题吗？然后，人工智能可以根据您的支持团队过去提供的答案生成逐步指导。这种自动化会加快工作速度吗？如果客户能更快收到有用的回复，他们会高兴吗？他们会经常向你购买吗？

Greg Kamradt的时事通讯提到了与 Bryte 首席产品官 Rex Harris 的对话，他说他们正在使用 Claude 2.1 人工智能模型从调查中提取信息。他说，他们正在使用 Claude 2.1 人工智能模型从调查中提取信息。他们正在将 100 多份调查回复上传到人工智能中，然后让人工智能找出跨越多个回复的主题和相关性。据该通讯称，每份调查的自动化可节省 20 个小时的工作时间。

还能做什么？要想找到创意，可以寻找那些需要查找大量信息或相对较短的文本，但每天需要多次查找的任务。即使是我前面提到的自动邮件转发，也能为你节省一些时间。每封邮件可能只需要一分钟，但每月必须转发多少封这样的邮件呢？

如何在业务中使用人工智能而不失去理智和金钱

从小事做起。将简单、重复性的任务自动化，并关注所节省的时间。不要花一个月的时间来分析可用的选项；相反，要专注于在实践中学习。

与人保持联系。不要让任何不可逆转的行动在未经人类批准的情况下发生。将人工智能生成的信息自动存储在客户关系管理或数据库中是可以的，但在用于决策之前必须有人查看这些信息。如果让人工智能做出决策，在有足够能力判断决策的人看到人工智能的选择之前，不要将其作为最终决策。永远不要让人工智能直接与客户对话。它还没有准备好。人工智能可以生成电子邮件草稿，但在有人批准内容之前不会发送信息。

准备人工智能数据时，不要把所有能找到的文件都扔进提示符或数据库。首先要清理数据，删除无关信息，并慎重考虑向人工智能提供的数据或存储在人工智能使用的数据库中的数据。

最重要的是，保持冷静。我们还早着呢。你的竞争对手不会把你甩在后面。每个这么说的人都是在向你推销价格过高的在线课程。

如果你需要灵感，请阅读我的其他文章或给我留言。我很乐意提供帮助。

Do you need help building AI-powered applications for your business?
You can hire me!