生成式人工智能（AI）和其他基础模型正在改变 AI 的格局，将辅助技术提升到一个新的水平，减少应用开发时间，并赋予非技术用户强大的能力。

原文标题：《Generative AI is here: How tools like ChatGPT could change your business》

撰文：Michael Chui，麦肯锡全球研究院的合伙人、麦肯锡湾区办公室的合伙人；

Roger Roberts，麦肯锡湾区办公室的合伙人；Lareina Yee，麦肯锡高级合伙人

编译：Richard

鉴于这篇文章的主题，我们问了 ChatGPT（一款可以根据用户提示词产出原创内容的生成型 AI 语言模型），这篇文章的开头应该如何写。以下是我们输入系统的提示词：

按照麦肯锡公司的风格，为一篇关于生成式 AI 将如何为企业带来变革的文章写一段开头。

ChatGPT 的回应：

生成式 AI 的兴起有可能成为企业运营的基本规律带来重大变革。这项技术基于对现有数据的学习，来生成原创内容，有彻底改变行业并改变公司运营方式的潜力。生成性 AI 使许多以前由人类完成的工作可以实现自动化，从而提高效率和生产力，降低成本，并开辟新的增长机会。因此，能够有效利用该技术的企业可能会获得显著的竞争优势。

这个回答并不完美，但令人印象深刻。

对于我们和我们最近接触的许多高管来说，在 OpenAI 开发的 ChatGPT 中输入一个提示词，就足以见证生成式 AI 的力量。在其发布之后的五天内，有超过一百万的用户登录该平台亲手体验。OpenAI 的服务器几乎无法满足需求，经常闪出信息提示用户在服务器容量释放出来后再来访问。

像 ChatGPT 和 GitHub Copilot 这样的产品，以及为这些系统提供动力的底层 AI 模型（例如 Stable Diffusion、DALL-E 2、GPT-3），正在将技术带入曾经被认为是为人类保留的领域。有了生成式 AI，计算机现在可以说是展现了创造力，可以根据查询产生原创内容，从获取的数据和与用户的互动中汲取营养。AI 可以撰写博客、绘制包装设计草图、编写计算机代码，甚至对生产错误的原因进行理论分析。

这类最新的生成式 AI 系统建基于基础模型——一种大型深度学习模型，用涵盖多个主题的、大规模、广泛、非结构化的数据集（如文本和图像）训练而成。开发人员可以将这些模型应用于各种场景，而对每项任务几乎不需要进行微调。例如，ChatGPT 的基础模型 GPT-3.5 也被用来翻译文本，科学家们使用 GPT 的早期版本创建了新的蛋白质序列。

上述能力可以为所有人所用，包括缺乏专业机器学习技能的开发者，在某些情况下，也包括没有技术背景的人。使用基础模型，还可以将开发新的 AI 应用的时间减少到前所未有的低水平。

生成式 AI 有望使 2023 年成为 AI 领域最激动人心的年份之一。但每一项新技术兴起之时，企业领导人都必须睁大双眼，生成式 AI 当下也带来了许多道德和实践层面的挑战。

向人类领域迈进

十多年前，我们曾写过一篇文章，将经济活动分为三类——生产、交易和互动，并考察了技术对每一个环节的影响程度。在 100 多年前的工业革命中，机器和工厂生产技术通过增强和自动化人类劳动改变了生产，而 AI 进一步提高了制造车间的效率。在大约相同的时期，交易也经历了许多技术迭代，包括数字化和自动化变革。

直到最近，互动性的工作，例如客户服务，还未经历过成熟的技术干预。生成式 AI 将改变这种状况，能以一种接近人类行为的方式从事互动性工作，在某些情况下，甚至难以察觉。不过，这并不是说这些工具是为了在没有人类输入和干预的情况下工作。许多情况下，这些工具与人类结合起来是最强大的，增强了他们的能力，使他们能够更快、更好地完成工作。

生成式 AI 也正在将技术推向一个被认为是专属于人类思维的领域：创造力。该技术利用其输入（所获得的数据和用户提示词）和经验（与用户的互动，帮助其 “学习”新信息和什么是正确 / 不正确）来生成全新的内容。

虽然在可预见的未来，人们在餐桌上将持续不断地争论 AI 生成的内容是否真的等同于创造力。但大多数人可能会同意，这些工具通过向人类提供初始的想法，将会向世界释放更多的创造力。

商业用途多多

这些模型处于扩展的早期阶段，但我们已经开始看到第一批不同功能的应用，包括以下内容（参见图示）：

• 营销和销售。起草个性化的营销、社交媒体和技术销售内容（包括文字、图像和视频）；创建符合特定业务的助手，例如零售业。
• - 操作。为有效执行特定活动而生成任务清单。
• IT/ 工程。编写、记录和审查代码。
• 风控和法律。从大量的法律文件中提取信息，回答复杂的问题，起草和审查年度报告。
• 研发。通过更好地了解疾病和发现化学结构，加速药物研发。

应该兴奋，但仍需要谨慎行事

由于生成式 AI 令人惊叹的产出结果，有人可能认为这是一种随时可以使用的技术，但事实并非如此。这种技术仍处在萌芽阶段，高管们必须谨慎行事。技术专家们仍在解决各种问题，大量的实践和道德问题仍未解决。

以下是其中几个问题：

• 像人类一样，生成式 AI 也会出错。例如，ChatGPT 有时会产生“幻觉”，面对用户的问题，会自信地生成完全不准确的信息，并且没有内置的机制来提醒用户或质疑这个结果。例如，我们注意到，当要求 ChatGPT 创建一篇关于某个人的简历时，它生成了几个不正确的事实，比如列出了错误的学历。
• 过滤器还不能有效地捕捉到不恰当的内容。可以根据个人照片创建化身头像（avatar）的图片生成应用程序，其用户可能会从系统中收到裸体化身头像选项，尽管他们输入的是正常的照片。
• 系统性的偏见问题仍然需要解决。这些 AI 系统从大数据中提取信息，而来源数据中可能包含不应有的偏见。
• 不同公司的行为准则和价值观没有得到体现。公司需要对 AI 技术进行调整，才能纳入公司特有的文化和价值观，这已经超出了一些公司已有的技术专长和计算能力。
• 知识产权问题有待商榷。当一个生成式 AI 模型根据用户的提示词输出一个新的产品设计或想法时，谁能主张对结果的所有权？如果 AI 技术是抄袭了训练数据集中的某个来源，又该怎么办？

公司高管的初步行动

在考虑采用生成式 AI 技术的公司中，因为预计该技术将迅速发展，公司管理层希望迅速找出哪些业务部分该技术能产生最直接的影响，并实施相应的监测机制。为了不留遗憾，应该组建一个跨部门团队，成员包括数据科学从业者、法律专家和部分业务领导人，共同思考以下这些基本问题：

• 该技术可能在哪些方面帮助或颠覆我们的行业和 / 或我们企业的价值链？
• 我们的政策和立场是什么？例如，我们是在观望技术的发展，投资于试点项目，还是在寻求建立新的业务？各个业务领域对新技术的态度是否应该有所不同？
• 鉴于模型的局限性，我们有什么标准来选择合适的应用场景？
• 我们如何建立一个有效的生态系统，承载合作伙伴、社区和平台？
• 这些模式应该遵守哪些法律和社区标准，以便我们能够维护好利益相关者的信任？

同时，必须在整个组织内鼓励经过深思熟虑的创新，为大胆的尝试建立护栏和沙盒环境，其中许多已经可以通过云计算随时建立，还有更多可能即将出现。