0 引言

0.1 簡介

生成式人工智能的爆炸式增長引發(fā)了一系列案例研究，展現(xiàn)了它正在迅速而深刻地改變著企業(yè)。然而，大多數(shù)用例仍然將這項(xiàng)技術(shù)應(yīng)用于增強(qiáng)現(xiàn)有系統(tǒng)。本書闡述了為什么企業(yè)領(lǐng)導(dǎo)者必須重新審視生成式人工智能的基礎(chǔ)知識(shí)，并著眼于長期收益。
像 ChatGPT 這樣的工具僅僅標(biāo)志著情境感知人工智能的開端——這種系統(tǒng)能夠理解非結(jié)構(gòu)化人類輸入的內(nèi)容和意圖。我們借鑒現(xiàn)實(shí)世界的案例和學(xué)術(shù)研究，展示了情境感知人工智能如何增強(qiáng)組織互動(dòng)，開啟新的協(xié)作形式，并引領(lǐng)以人工智能為中心的企業(yè)時(shí)代。通過使用諸如提示工程（prompt engineering）、檢索增強(qiáng)生成 (RAG：retrieval?augmented generation)、知識(shí)圖譜（ knowledge graphs）以及代理系統(tǒng)（notably agentic systems）等技術(shù)來增強(qiáng)基準(zhǔn)大型語言模型 (LLM:Large Language Models)，組織可以構(gòu)建定制化工具，以適應(yīng)個(gè)人用戶的思維模式及其所參與的協(xié)作工作流程。我們提出了一個(gè)實(shí)用的框架——3C：校準(zhǔn) (Calibrate)、澄清 (Clarify)、渠道化 (Channelize)，以幫助領(lǐng)導(dǎo)者在組織的各個(gè)層級(jí)中引領(lǐng)這一根本性轉(zhuǎn)變。

0.2 作者

Ram Bala 是圣克拉拉大學(xué)利維商學(xué)院的人工智能與分析學(xué)副教授。除了在動(dòng)態(tài)市場中對(duì)定價(jià)、市場設(shè)計(jì)和供應(yīng)鏈決策進(jìn)行前沿研究外，他還為領(lǐng)先的初創(chuàng)公司和財(cái)富 500 強(qiáng)企業(yè)構(gòu)建了圍繞這些應(yīng)用的產(chǎn)品。他積極參與人工智能驅(qū)動(dòng)的業(yè)務(wù)轉(zhuǎn)型，共同領(lǐng)導(dǎo)普羅米修斯人工智能與商業(yè)實(shí)驗(yàn)室 (Prometheus Lab)，并共同創(chuàng)立了專注于物流和供應(yīng)鏈管理的代理人工智能初創(chuàng)公司 Samvid。

Natarajan Balasubramanian 是雪城大學(xué)惠特曼管理學(xué)院的 Albert & Betty Hill 特聘教授。他研究技術(shù)、人力資本、組織學(xué)習(xí)和創(chuàng)新如何促進(jìn)商業(yè)價(jià)值創(chuàng)造。

Amit Joshi 是瑞士洛桑國際管理發(fā)展學(xué)院 (IMD) 的人工智能、分析和營銷戰(zhàn)略教授。他專注于幫助企業(yè)應(yīng)用人工智能，并提升其大數(shù)據(jù)、分析和人工智能能力。作為一位屢獲殊榮的教授和研究員，他在銀行、金融科技、零售、服務(wù)、汽車、電信和制藥等行業(yè)，擁有豐富的人工智能和分析驅(qū)動(dòng)轉(zhuǎn)型經(jīng)驗(yàn)。

Ram Bala 是 Samvid 的聯(lián)合創(chuàng)始人兼首席 AI 科學(xué)家。Samvid 是一家位于舊金山灣區(qū)的初創(chuàng)公司，本書的多個(gè)章節(jié)都以情境感知代理 AI 系統(tǒng)為例進(jìn)行了重點(diǎn)介紹。他此前還曾擔(dān)任 Andela 的數(shù)據(jù)科學(xué)主管（任期至 2023 年 3 月），該公司在第六章中作為市場 AI 的示例進(jìn)行了討論。Natarajan Balasubramanian 和 Amit Joshi 是 Samvid 的顧問。

0.3 推薦序

企業(yè)變革的原因之一是技術(shù)進(jìn)步，這體現(xiàn)在從詹姆斯·瓦特到今天的工業(yè)革命中。最重要的管理任務(wù)之一可以被視為發(fā)現(xiàn)和利用技術(shù)變革的優(yōu)勢(shì)和機(jī)遇，以及評(píng)估其風(fēng)險(xiǎn)。這適用于這些技術(shù)的提供者和使用者。許多成功實(shí)施技術(shù)創(chuàng)新的行業(yè)案例，例如NVIDIA、ChatGPT或Apple，都表明了正確評(píng)估和時(shí)機(jī)把握以及高超的實(shí)施能力所帶來的潛力。柯達(dá)或IBM的例子也表明，市場領(lǐng)先地位可能在短時(shí)間內(nèi)喪失。人工智能應(yīng)用的進(jìn)步令人驚嘆且顯而易見，各行各業(yè)都對(duì)其潛力的評(píng)估意見一致。但除了“是什么”之外，“如何”也同樣重要。眾所周知，成功的方法有很多。未來不利用人工智能的公司很可能無法在這場技術(shù)變革中生存下來。

本書不僅提供了概述，還展示了如何將人工智能應(yīng)用于商業(yè)領(lǐng)域的例子。從優(yōu)化個(gè)人生產(chǎn)力到打造“以人工智能為中心的企業(yè)”，這其中蘊(yùn)含著巨大的潛力。值得一提的是，本書引用了業(yè)務(wù)流程重組（Business Process Reengineering）的方法，這是20世紀(jì)90年代中期一種成功的管理方法，為組織帶來了顯著的流程改進(jìn)。2 本書的最重要的觀點(diǎn)之一無疑是：在企業(yè)中使用人工智能不僅僅是引入一種新工具，而是從信息處理的角度重新思考企業(yè)的基本流程。另一個(gè)洞見是，人工智能幾乎在所有工業(yè)和服務(wù)領(lǐng)域，無論是腦力勞動(dòng)還是體力勞動(dòng)，都能帶來生產(chǎn)力和速度優(yōu)勢(shì)。以往的技術(shù)創(chuàng)新從未在應(yīng)用上具有如此廣泛的普遍性。本書中有許多為實(shí)際應(yīng)用而編寫的解釋和示例。最后，本書展望了人工智能在醫(yī)療保健和教育領(lǐng)域的進(jìn)一步應(yīng)用，這些應(yīng)用領(lǐng)域無疑可以通過人工智能對(duì)改善社會(huì)產(chǎn)生更大的影響。能否真正在經(jīng)濟(jì)和社會(huì)中創(chuàng)造價(jià)值，取決于我們?nèi)绾斡行н\(yùn)用它，本書將為這一過程提供指導(dǎo)。

Frank-Steffen Walliser 工學(xué)博士 賓利汽車有限公司首席執(zhí)行官兼董事長

0.3 前言

人工智能領(lǐng)域令人矚目的技術(shù)進(jìn)步有可能迅速重塑競爭激烈的市場和勞動(dòng)力結(jié)構(gòu)。人工智能已成為一項(xiàng)通用技術(shù)，其廣泛影響著各行各業(yè)，需要管理層的立即關(guān)注和深思熟慮。隨著大型語言模型 (LLM) 和多模態(tài)系統(tǒng)的興起，人工智能已到達(dá)一個(gè)轉(zhuǎn)折點(diǎn)，這些系統(tǒng)確實(shí)可以謹(jǐn)慎地與各種其他技術(shù)工具集成，從而增強(qiáng)其功能。然而，這些人工智能賦能的企業(yè)可能錯(cuò)失了人工智能的真正潛力。如果他們不超越現(xiàn)有組織結(jié)構(gòu)中現(xiàn)有流程和人員能力的直接提升，就可能被擁有新商業(yè)模式的敏捷競爭對(duì)手打得措手不及。

那么，當(dāng)技術(shù)本身瞬息萬變、仍然存在缺陷，并且其改進(jìn)的維度不僅不確定，甚至未知時(shí)，如何以結(jié)構(gòu)化的方式重塑企業(yè)？如何才能最好地利用能夠理解內(nèi)容和意圖的人工智能？

一種成熟的方法是以信息為中心看待企業(yè)，并系統(tǒng)地探索人工智能跨越結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)孤島的能力，同時(shí)利用公共和私人信息。人工智能能夠以一種以前被認(rèn)為成本過高或根本無法想象的方式協(xié)調(diào)和編排人員、任務(wù)和目標(biāo)。

這正是這本及時(shí)出版的書籍的用武之地。作者們擁有獨(dú)特的優(yōu)勢(shì)，憑借其廣泛的職能專業(yè)知識(shí)（運(yùn)營/供應(yīng)鏈、戰(zhàn)略和市場營銷），成為這樣的高管指南。為他們提供跨越企業(yè)孤島的端到端視角。他們深厚的學(xué)術(shù)根基使他們對(duì)組織、分析和技術(shù)等核心原則有著深刻的理解。此外，他們還與各行各業(yè)的多家公司密切合作，致力于大規(guī)模部署分析技術(shù)，并推動(dòng)變革性技術(shù)的采用。他們提出的“校準(zhǔn)-澄清-渠道化”三步流程，是一種實(shí)用的方法，旨在促進(jìn) ACE（以人工智能為中心的企業(yè):AI-Centered Enterprise）的創(chuàng)建。本書為那些機(jī)敏而深思熟慮的高管們提供了在激動(dòng)人心卻又充滿不確定性的人工智能時(shí)代中探索和發(fā)展的路線圖。

Sridhar Tayur 教授 大學(xué)教授，福特杰出研究主席，卡內(nèi)基梅隆大學(xué)泰珀商學(xué)院 SmartOps（已被 SAP 收購）創(chuàng)始人兼首席執(zhí)行官 OrganJet 創(chuàng)始人兼首席執(zhí)行官

參考資料

• 軟件測(cè)試精品書籍文檔下載持續(xù)更新 https://github.com/china-testing/python-testing-examples 請(qǐng)點(diǎn)贊，謝謝！
• 本文涉及的python測(cè)試開發(fā)庫 謝謝點(diǎn)贊！ https://github.com/china-testing/python_cn_resouce
• python精品書籍下載 https://github.com/china-testing/python_cn_resouce/blob/main/python_good_books.md
• Linux精品書籍下載 http://www.rzrgm.cn/testing-/p/17438558.html
• python八字排盤 https://github.com/china-testing/bazi
• 聯(lián)系方式：釘ding或V信: pythontesting

1 生成式時(shí)代

讓我們來認(rèn)識(shí)一下市場經(jīng)理喬爾。就在三年前，Joel還沒有聽說過ChatGPT，因?yàn)镃hatGPT還不存在。如今，他幾乎再也聽不到其他任何消息了。

生成式人工智能 (AI) 無處不在，人們正在為它騰出空間，無論他們是否愿意。就在最近，喬爾在《華盛頓郵報(bào)》上讀到一篇關(guān)于一位文案撰稿人失去所有客戶的報(bào)道——因?yàn)樗麄冮_始使用ChatGPT。悲觀情緒持續(xù)蔓延。喬爾的同事給他看了一份行業(yè)報(bào)告。報(bào)告發(fā)現(xiàn)，大約80%的美國勞動(dòng)力可能會(huì)發(fā)現(xiàn)十分之一的工作任務(wù)受到生成式預(yù)訓(xùn)練轉(zhuǎn)換器 (GPT) 的影響。對(duì)于其他人來說，前景更加黯淡：19% 的美國勞動(dòng)力所完成的任務(wù)中，有一半可能很快就會(huì)被 ChatGPT 和其他形式的生成式人工智能所處理。

Joel 是普通人，也是我們所有人。不久的將來，如果你還沒有開始思考，你也會(huì)像 Joel 一樣開始思考：生成式人工智能將如何影響你、你的團(tuán)隊(duì)和你的企業(yè)？它會(huì)摧毀你的生計(jì)嗎？或者，你能利用科技的力量創(chuàng)造更多價(jià)值嗎？GPT 會(huì)豐富人類的工作還是摧毀它？

自通用技術(shù)（GPT）問世以來的短短兩年多時(shí)間里，一個(gè)由人工智能影響者組成的行業(yè)如雨后春筍般涌現(xiàn)：每個(gè)影響者都爭相做出引人注目的預(yù)測(cè)。他們聳人聽聞的預(yù)測(cè)中缺少的，是一種系統(tǒng)性的方法，讓我們重新思考生成式人工智能時(shí)代的組織。難怪Joel感到困惑。

這本書在紛繁復(fù)雜的信息中提供了清晰的信號(hào)。在本書中，我們結(jié)合了多年來在經(jīng)濟(jì)理論、管理和人工智能應(yīng)用方面的研究，以及咨詢經(jīng)驗(yàn)，探討了生成式人工智能的興起將如何改變個(gè)人、互動(dòng)和市場的價(jià)值創(chuàng)造。我們展示了組織如何抓住這些轉(zhuǎn)變帶來的機(jī)遇。未來或許顯得迷茫。但以人工智能為中心的企業(yè) (ACE) 打造了一條清晰的、基于證據(jù)的成功之路。

1.1 通用技術(shù) (GPT) 革命

ChatGPT 于 2022 年底推出。到 2023 年 1 月，即推出不到兩個(gè)月后，它就已擁有超過 1 億用戶 ，到 2024 年 10 月，用戶數(shù)量將接近 2 億。它對(duì)全球勞動(dòng)力的影響可能非常深遠(yuǎn)；它可能顛覆或完全取代的職業(yè)種類繁多，而且數(shù)量還在日益增加。幾乎沒有哪個(gè)職業(yè)能夠幸免：收銀員、文案撰寫員、教師和財(cái)務(wù)分析師，甚至醫(yī)生和程序員，都將面臨技術(shù)進(jìn)步帶來的變革、裁員或裁員。相比體力勞動(dòng)，專業(yè)性工作更容易受到通用技術(shù)進(jìn)步的沖擊。 “我們還發(fā)現(xiàn)，工資與接觸人工智能語言建模的機(jī)會(huì)呈正相關(guān)，”研究人員 Ed Felten、Manav Raj 和 Robert Seamans表示。“換句話說，工較高的職業(yè)更有可能接觸到 ChatGPT 等產(chǎn)品在語言建模方面的快速發(fā)展。”這并非空洞的未來展望。許多關(guān)鍵業(yè)務(wù)流程已經(jīng)受到影響。像 HomeServe USA 這樣的公司正在使用人工智能驅(qū)動(dòng)的虛擬代理來協(xié)助客戶互動(dòng)。微軟正在考慮利用 ChatGPT 來轉(zhuǎn)型其數(shù)字廣告業(yè)務(wù)。它的影響是立竿見影的，而且?guī)缀趿钊穗y以置信：在軟件公司 Freshworks，ChatGPT 將創(chuàng)建復(fù)雜軟件應(yīng)用程序的時(shí)間從十周縮短到不到一周。生成式人工智能的爆炸式增長引發(fā)了大量案例研究，這些研究揭示了它如何迅速而根本地改變了像 Freshworks 這樣的企業(yè)。然而，此類故事的泛濫掩蓋了更廣闊的圖景。現(xiàn)在是時(shí)候重新審視生成式人工智能的基本原理，并著眼于其直接影響之外。

盡管人們對(duì)它充滿興趣——或者說炒作——但ChatGPT僅僅是情境感知人工智能發(fā)展歷程中的一個(gè)里程碑。這種人工智能能夠理解非結(jié)構(gòu)化人類語言輸入的語境——包括內(nèi)容和意圖。從一個(gè)簡單的對(duì)話框開始，ChatGPT及其生成式人工智能表親如今能夠“理解”傳統(tǒng)計(jì)算機(jī)無法處理的復(fù)雜、非結(jié)構(gòu)化問題并提供答案。然而，這些工具在很大程度上仍然很通用——它們并非針對(duì)使用它們的個(gè)人進(jìn)行定制。盡管生成式人工智能可以處理人類語言內(nèi)容，并為我們提供更廣闊世界的模式，但它在理解個(gè)人意圖方面仍然不夠完善。提示工程、檢索增強(qiáng)生成，尤其是代理系統(tǒng)，都是正在進(jìn)行的研究，旨在開發(fā)具有用戶特定“思維樹”的定制工具。

它們能夠理解非結(jié)構(gòu)化人類輸入中蘊(yùn)含的內(nèi)容和意圖，這得益于它們運(yùn)用基于大量通用和用戶特定語言數(shù)據(jù)訓(xùn)練的演繹邏輯和統(tǒng)計(jì)模型。正是這種從語言中理解語境的能力——此前只有人類才具備這種能力——使得情境感知型人工智能具有變革性的潛力。將這種對(duì)語境（包括內(nèi)容和意圖）的理解與人工智能傳統(tǒng)的預(yù)測(cè)能力相結(jié)合，其商業(yè)機(jī)遇將變得幾乎無限。

1.2 轉(zhuǎn)型觸發(fā)因素

這些轉(zhuǎn)型將如何體現(xiàn)？下圖直觀地展現(xiàn)了情境感知型人工智能可能引發(fā)的未來變革。這些變革將包括不斷增長的價(jià)值創(chuàng)造以及技術(shù)和組織能力的提升。如圖所示，情境感知型人工智能的進(jìn)步將創(chuàng)造更大的價(jià)值，并提升技術(shù)和組織能力。

許多行業(yè)已進(jìn)入轉(zhuǎn)型的第一階段，并成為大多數(shù)企業(yè)和媒體關(guān)注的焦點(diǎn)。在此階段，企業(yè)將“賦能人工智能”。他們專注于情境感知人工智能的對(duì)話和生成能力，這是其最容易駕馭的能力。這些能力提高了個(gè)人執(zhí)行任務(wù)的效率。

1.2.1 任務(wù)層面

還記得喬爾嗎？他的公司可以將情境感知人工智能用于一些簡單的任務(wù)，例如創(chuàng)建營銷內(nèi)容和簡單的新聞報(bào)道。聊天機(jī)器人回答日常客戶問題也是類似的基本用途。

然而，雖然生成內(nèi)容的能力是情境感知人工智能最受認(rèn)可的用途，但它遠(yuǎn)非唯一用途——這項(xiàng)技術(shù)已經(jīng)能夠解決許多優(yōu)化問題。例如，它可以充當(dāng)行政助理，并根據(jù)以人類語言傳達(dá)的指令幫助協(xié)調(diào)會(huì)議安排，而這些指令是前幾代人工智能無法理解或執(zhí)行的。情境感知型人工智能能夠通過響應(yīng)口頭或文本提示，合并來自多個(gè)電子表格或數(shù)據(jù)庫的數(shù)據(jù)。

以前，這需要大量的硬編碼——“硬”既指難度，也指缺乏靈活性。這類任務(wù)需要人們花費(fèi)大量時(shí)間理解情境（例如，我應(yīng)該從哪個(gè)Excel工作表中選擇數(shù)據(jù)來獲取訂單價(jià)格？）。而情境感知型人工智能可以減少這一環(huán)節(jié)——這對(duì)企業(yè)來說是一筆巨大的成本。

隨著情境感知型人工智能的不斷發(fā)展，其賦能的變革將轉(zhuǎn)向交互層面。面向任務(wù)的交互——人們?cè)诮M織內(nèi)部和跨組織之間交換想法、商品和服務(wù)以完成任務(wù)的方式——將被重塑。正如任何一位戰(zhàn)略學(xué)學(xué)生所知，這種交換互動(dòng)是現(xiàn)代商業(yè)經(jīng)濟(jì)價(jià)值創(chuàng)造的核心。

1.2.2 互動(dòng)層面

通常，此類互動(dòng)的許多部分都是重復(fù)性的，如今需要參與者同步溝通。想象一下，一位產(chǎn)品經(jīng)理與一位設(shè)計(jì)師就未來產(chǎn)品屏幕的模型進(jìn)行溝通。即使在今天，盡管幾乎每個(gè)人都能使用最先進(jìn)的內(nèi)部消息傳遞和可視化工具，完成這項(xiàng)任務(wù)仍然需要多次面對(duì)面的會(huì)議。這些會(huì)議的清晰度和質(zhì)量參差不齊：有些會(huì)議推動(dòng)了項(xiàng)目進(jìn)展，有些則只是浪費(fèi)時(shí)間。每次會(huì)議之后的大量電子郵件和信息同樣不可靠：有些會(huì)議提高了清晰度，而有些則只會(huì)增加噪音。這些互動(dòng)可能效率低下，但它們服務(wù)于至關(guān)重要的人文目的。部分互動(dòng)幫助參與者了解相關(guān)的社交背景的重要信息。它們幫助他們相互理解，了解彼此的工作風(fēng)格，以及他們對(duì)對(duì)話提示和指示的反應(yīng)。然而，正如我們?cè)谝韵率纠兴赋龅模@些互動(dòng)中很大一部分是為了幫助參與者明確任務(wù)背景。情境感知型人工智能可以瞄準(zhǔn)并簡化這些交互環(huán)節(jié)。前幾代人工智能使用結(jié)構(gòu)化數(shù)據(jù)自動(dòng)執(zhí)行常規(guī)、重復(fù)性任務(wù)。情境感知型人工智能將自動(dòng)化涉及非結(jié)構(gòu)化信息的常規(guī)、重復(fù)性人機(jī)交互。它將通過增強(qiáng)我們利用這些非結(jié)構(gòu)化數(shù)據(jù)感知和推理的能力來實(shí)現(xiàn)這一點(diǎn)。當(dāng)今的大型語言模型無法有效地做到這一點(diǎn)。

讓我們回顧一下之前設(shè)計(jì)產(chǎn)品屏幕的示例。這個(gè)過程在今天是如何進(jìn)行的？情境感知型人工智能未來將如何改變它？

項(xiàng)目始于一個(gè)想法。產(chǎn)品經(jīng)理對(duì)產(chǎn)品設(shè)計(jì)有一個(gè)初步的概念，這個(gè)概念顯然是模糊且不斷發(fā)展的。她可能會(huì)與設(shè)計(jì)師討論設(shè)計(jì)方案。他們會(huì)進(jìn)行初步溝通，產(chǎn)品經(jīng)理在溝通中概述總體愿景，并且設(shè)計(jì)輪廓。設(shè)計(jì)師根據(jù)對(duì)話內(nèi)容，設(shè)計(jì)出一些方案的模型。通常，他的模型需要進(jìn)一步的互動(dòng)和審查。這種反復(fù)的審查可能需要數(shù)周時(shí)間。工作日程沖突和各方不同的優(yōu)先事項(xiàng)使得同步會(huì)議難以協(xié)調(diào)。

現(xiàn)在考慮另一個(gè)行業(yè)。移民律師與客戶之間的互動(dòng)與設(shè)計(jì)示例中概述的流程類似。通常，律師會(huì)通過問卷調(diào)查向客戶征求一些基本信息。客戶對(duì)問卷的回答有助于律師對(duì)其客戶獲得簽證的前景進(jìn)行初步評(píng)估。在此次交流之后，律師會(huì)進(jìn)行多次面對(duì)面和電子郵件互動(dòng)，以收集更多證據(jù)，從而增加客戶申請(qǐng)獲批的機(jī)會(huì)。美國的移民律師經(jīng)常抱怨，簽證申請(qǐng)的評(píng)估過程本身就需要數(shù)周的時(shí)間，而且這些工作是不可統(tǒng)計(jì)的。這嚴(yán)重影響了整個(gè)律所的收入效率。

這種互動(dòng)并非僅限于雙方。零售商通常與UPS和FedEx等快遞公司簽訂長期合同。由于這些合同的復(fù)雜性，咨詢行業(yè)應(yīng)運(yùn)而生，以幫助零售商進(jìn)行談判。此外，顧問還幫助客戶優(yōu)化配送路線，以降低成本，同時(shí)保持優(yōu)質(zhì)的服務(wù)。盡管在這個(gè)三方過程中使用了大量的分析技術(shù)，但仍有大量精力投入到從復(fù)雜的自然語言文檔中整理更精細(xì)的結(jié)構(gòu)化數(shù)據(jù)上。此外，盡管零售商最終通常能獲得更優(yōu)惠的價(jià)格，但他們?nèi)曰ㄙM(fèi)大量時(shí)間進(jìn)行面對(duì)面和電子郵件溝通。單個(gè)合同的談判過程通常長達(dá)數(shù)月。在所有這些情況下，情境感知人工智能可以顯著減少互動(dòng)時(shí)間，同時(shí)提高互動(dòng)輸出的質(zhì)量。例如，在第一個(gè)案例——產(chǎn)品經(jīng)理——中，一個(gè)設(shè)計(jì)合理的工具可以“理解”產(chǎn)品經(jīng)理對(duì)產(chǎn)品的模糊口頭描述。它不僅可以識(shí)別出一份模擬方案的候選名單，還可以突出其他相關(guān)的設(shè)計(jì)考量。設(shè)計(jì)師可以將此輸出作為起點(diǎn)，從而節(jié)省產(chǎn)品經(jīng)理和設(shè)計(jì)師之間數(shù)小時(shí)的來回溝通時(shí)間。

同樣，在第二個(gè)案例——移民律師——中，情境感知型人工智能工具可以對(duì)案件進(jìn)行初步評(píng)估，并根據(jù)客戶提供的證據(jù)和類似案件的歷史數(shù)據(jù)，突出缺失（或有用的）信息。這樣的工具還可以識(shí)別出一份可能相關(guān)的案例列表，律師可以利用這些案例來構(gòu)建自己的案件。在第三個(gè)案例——快遞合同——情境感知型人工智能工具可以在談判和談判后階段提供幫助。它可以利用其理解情境和解決復(fù)雜問題的能力，幫助設(shè)計(jì)和協(xié)商更適合雙方的合同。協(xié)商后，它可以讓零售商以優(yōu)化自身業(yè)務(wù)的方式利用合同。通過理解合同條款及其中的各方義務(wù)，它可以提出與協(xié)議兼容的互利流程。

這些示例揭示了許多組織交互的低效性，并展示了情境感知型人工智能如何改進(jìn)這些交互。然而，情境感知型人工智能帶來的改變并不局限于個(gè)人交互。在交互層面實(shí)現(xiàn)的轉(zhuǎn)變將惠及組織和其他更高層面，包括更廣泛的經(jīng)濟(jì)領(lǐng)域。

我們尤其關(guān)注的是市場。畢竟，交互是組織和市場的基礎(chǔ)。

1.2.3 市場層面

買家和賣家在 eBay 和 Etsy 上互動(dòng)。客戶和供應(yīng)商在 Upwork、Freelancer 和 Fiverr 上互動(dòng)。情境感知型人工智能可以提升這些互動(dòng)的質(zhì)量，尤其是在涉及大量非結(jié)構(gòu)化數(shù)據(jù)的市場中，例如人才和招聘市場。

除了提高互動(dòng)質(zhì)量之外，情境感知型人工智能還有可能改善互動(dòng)代理之間的匹配度。例如，與目前的搜索算法不同，情境感知型人工智能不會(huì)向項(xiàng)目經(jīng)理提供 50 位潛在職位申請(qǐng)人的列表，而是能夠更好地理解經(jīng)理申請(qǐng)的背景，并提供 10 位更合適的候選人的精選列表。這種更佳的匹配度可能會(huì)提高經(jīng)理和候選人對(duì)市場的滿意度，并使市場能夠更好地平衡供需。

從長遠(yuǎn)來看，情境感知型人工智能將降低互動(dòng)成本，并提高互動(dòng)質(zhì)量，正如研究人員 Ronald Coase、Avi Goldfarb 和和凱瑟琳·塔克 (Catherine Tucker) 指出，這將振興現(xiàn)有市場并創(chuàng)造新的市場。在我們之前的例子中，產(chǎn)品經(jīng)理和設(shè)計(jì)師現(xiàn)在很可能屬于同一個(gè)組織。

未來，我們可以設(shè)想產(chǎn)品經(jīng)理在一個(gè)由情境感知人工智能驅(qū)動(dòng)的市場中定期與多位外部設(shè)計(jì)師互動(dòng)。然而，還有更深遠(yuǎn)的影響。零工和移動(dòng)技術(shù)的出現(xiàn)已經(jīng)改變了多個(gè)行業(yè)組織之間的互動(dòng)，但企業(yè)在很大程度上未能以類似的方式考慮組織內(nèi)部的互動(dòng)。下一代技術(shù)——情境感知人工智能——將成為此類組織內(nèi)部互動(dòng)的核心中介和協(xié)調(diào)平臺(tái)，可能將各種類型的組織從單純的人工智能企業(yè)轉(zhuǎn)變?yōu)?ACE。

這種轉(zhuǎn)變將使組織擺脫當(dāng)今線性互動(dòng)的束縛，在這種互動(dòng)中，兩個(gè)（或幾個(gè)）人以基本上連續(xù)的方式進(jìn)行交流。它將使企業(yè)能夠采用以情境感知人工智能為中介的市場模式，并充分利用平臺(tái)中介的眾多參與者之間的互動(dòng)，從而實(shí)現(xiàn)更優(yōu)的匹配，并增強(qiáng)問題解決能力。無數(shù)高管和創(chuàng)意人員受到組織層級(jí)的限制。以情境感知人工智能為中介的內(nèi)部市場模式，可以解放他們。

回想一下我們的產(chǎn)品經(jīng)理。通過使用情境感知人工智能，她不僅可以在組織內(nèi)找到最合適的設(shè)計(jì)師，還可以吸收其他利益相關(guān)者的意見——其中許多人目前被排除在流程之外。

1.3 如何使用本書

本書的首要前提是人是自主的。情境感知人工智能帶來的變革將由人類行為驅(qū)動(dòng)，而不是由我們無法控制的、無定形的天網(wǎng)式實(shí)體驅(qū)動(dòng)。同樣，我們對(duì)這些變化的反應(yīng)將由我們自己決定，而不是由某些人工智能影響者所鼓吹的假想的超級(jí)人工智能。

鑒于人類的關(guān)鍵作用，這些轉(zhuǎn)變?cè)谝欢ǔ潭壬鲜强梢岳斫夂皖A(yù)測(cè)的。然而，做到這一點(diǎn)需要的不僅僅是對(duì)生成式人工智能的技術(shù)掌握。它需要理解商業(yè)組織的哪些方面可能會(huì)發(fā)生根本性的變化。思考互動(dòng)和市場的本質(zhì)，以及它們?nèi)绾蝿?chuàng)造經(jīng)濟(jì)價(jià)值，也至關(guān)重要。最重要的是，它需要想象力：我們?nèi)绾螌⑶榫掣兄腿斯ぶ悄苤糜诮M織的中心？

本書的結(jié)構(gòu)（如下所述）旨在實(shí)現(xiàn)這些目標(biāo)。

在第二章中，我們概述了ACE的概念，它是圍繞情境感知型人工智能構(gòu)建的。第三章是情境感知人工智能的非技術(shù)入門指南，重點(diǎn)介紹業(yè)務(wù)任務(wù)的兩個(gè)重要組成部分：感知和推理，以及為什么我們需要人工智能模型中兩個(gè)相應(yīng)的層來執(zhí)行這些任務(wù)。

第四章至第六章將探討一些框架，這些框架有助于直觀地展現(xiàn)情境感知人工智能能夠改變的各類個(gè)人任務(wù)、交易互動(dòng)和市場。技術(shù)是變革的巨大動(dòng)力。然而，無論圍繞技術(shù)如何興奮和炒作，它都無法取代經(jīng)濟(jì)理論、戰(zhàn)略和價(jià)值創(chuàng)造的基本作用。因此，本書將這些論述置于更廣泛的背景下進(jìn)行闡述。

我們的第二個(gè)前提是，實(shí)現(xiàn)這些可能性對(duì)大多數(shù)人來說都將是一條坎坷的道路。經(jīng)驗(yàn)表明，我們所描述的許多轉(zhuǎn)變都取決于企業(yè)是否適應(yīng)情境感知人工智能——即所謂的“業(yè)務(wù)流程創(chuàng)新”（參見附錄“‘另一種’通用技術(shù)（GPT）和J曲線”）。

早在 GPT 被定義為“生成式預(yù)訓(xùn)練變壓器”之前，經(jīng)濟(jì)學(xué)家們就將其解讀為“通用目的技術(shù)”，這些技術(shù)改變了經(jīng)濟(jì)各領(lǐng)域的工作方式。例如，電力、內(nèi)燃機(jī)，以及最近的互聯(lián)網(wǎng)。ChatGPT 是該縮寫詞新含義下的 GPT。然而，鑒于其廣泛的適用性，情境感知人工智能 (Context Aware AI) 也是一種舊含義下的 GPT——一種“通用目的技術(shù)”。然而，與其之前的革命性技術(shù)相比，其廣泛的應(yīng)用潛力并非僅僅是如此。情境感知人工智能與其他通用目的技術(shù)還有另一個(gè)共同點(diǎn)。與電力、內(nèi)燃機(jī)和互聯(lián)網(wǎng)一樣，情境感知人工智能需要對(duì)互補(bǔ)性創(chuàng)新進(jìn)行大量投資。所有 GPT（以其原始含義）的共同點(diǎn)被稱為“業(yè)務(wù)流程創(chuàng)新”。蒸汽動(dòng)力最早由研究人員 Bresnahan 和 Trajtenberg 在 1995 年發(fā)表的開創(chuàng)性論文中提出，至今仍具有現(xiàn)實(shí)意義。例如，19 世紀(jì)末 20 世紀(jì)初的工廠無法簡單地打開開關(guān)，就將蒸汽動(dòng)力轉(zhuǎn)換為電力。他們不得不徹底改變制造流程——包括機(jī)器的布置方式和電力輸送方式。這一切都需要時(shí)間——就電力而言，甚至需要幾十年。因此，在一項(xiàng)看似更先進(jìn)的技術(shù)出現(xiàn)的同時(shí)，蒸汽的使用仍然持續(xù)了數(shù)年。這種適應(yīng)通常伴隨著若干戰(zhàn)略挑戰(zhàn)。其中一些挑戰(zhàn)——例如對(duì)變革的抵制——在許多技術(shù)變革計(jì)劃中都很常見。其他挑戰(zhàn)則源于情境感知人工智能的獨(dú)特性。例如，一位紐約律師在使用ChatGPT進(jìn)行法律研究并引用了并不存在的法律案例后陷入了困境。同樣，ChatGPT不太可能完全辨別產(chǎn)品設(shè)計(jì)是否安全或合乎道德。從更廣泛的層面來看，隨著市場在經(jīng)濟(jì)中變得越來越重要，組織必須學(xué)習(xí)如何與市場合作以及在市場內(nèi)部運(yùn)作：當(dāng)今大多數(shù)組織無法充分利用外部市場，更不用說采用市場方法了。

在本書的后半部分（第7-9章），我們提供了一個(gè)結(jié)構(gòu)化的框架——3C框架，旨在幫助企業(yè)高管和企業(yè)家校準(zhǔn)、明確和引導(dǎo)情境感知人工智能的功能，從而為其組織創(chuàng)造價(jià)值。第10章最后簡要討論了一些企業(yè)之外的更廣泛的社會(huì)影響，并對(duì)未來做出了一些預(yù)測(cè)。

總而言之，不同的讀者可以以不同的方式運(yùn)用這些框架、示例和討論。企業(yè)高管可以用它來制定其人工智能轉(zhuǎn)型計(jì)劃的路線圖。它可以幫助預(yù)計(jì)情境感知人工智能也會(huì)出現(xiàn)類似的滯后，盡管滯后時(shí)間可能更短。與其他通用技術(shù)一樣，情境感知人工智能將在各個(gè)行業(yè)以不同的速度被采用，這取決于需求以及實(shí)施必要的互補(bǔ)創(chuàng)新的難易程度。人的作用也將至關(guān)重要。除了識(shí)別使用情境感知型人工智能的機(jī)會(huì)之外，管理者和企業(yè)家還需要識(shí)別、發(fā)起和引導(dǎo)隨之而來的個(gè)人、組織和市場層面的變化。
由于大多數(shù)此類變化的預(yù)測(cè)都充滿不確定性，所有這些都需要企業(yè)及其內(nèi)部人員的學(xué)習(xí)。他們必須為布林約爾松及其合著者所稱的“J曲線”做好準(zhǔn)備——這是企業(yè)了解并實(shí)施這些變化的生產(chǎn)力較低時(shí)期。
這種學(xué)習(xí)在不同企業(yè)和行業(yè)之間并不均衡。技術(shù)與人力資本之間存在著重要而微妙的相互作用。管理者和企業(yè)家必須意識(shí)到這些因素，并準(zhǔn)備好應(yīng)對(duì)其商業(yè)影響。他們需要運(yùn)用信息處理和情境感知型人工智能的視角來審視他們的組織結(jié)構(gòu)、決策流程和工作流程。

企業(yè)家可以通過本書找到適合人工智能解決的商業(yè)用例，以及如何構(gòu)建合適的技術(shù)并制定合適的市場營銷策略。其他終身學(xué)習(xí)者也可以將本書作為人工智能技術(shù)討論與實(shí)際應(yīng)用之間的橋梁。
本書旨在供多個(gè)層次閱讀。快速瀏覽一遍即可獲得對(duì)該技術(shù)、其潛在用途以及一些實(shí)施考慮因素的概述。深入閱讀，無論是分章節(jié)還是分部分閱讀，都可能通過激發(fā)與本書中眾多底層概念思想的更緊密聯(lián)系，從而更深入地理解各種框架。我們幾乎在每一章中都使用了標(biāo)注，旨在進(jìn)一步幫助讀者理解。盡管如此，我們的想法并非適用于每個(gè)組織和每種情況。我們也無法探索每個(gè)實(shí)施細(xì)節(jié)，并準(zhǔn)確預(yù)測(cè)特定轉(zhuǎn)型何時(shí)會(huì)發(fā)生。相反，我們?yōu)樗刑ど咸剿髑榫掣兄斯ぶ悄苤玫娜酥该髁顺霭l(fā)點(diǎn)。如果這聽起來令人興奮，那就繼續(xù)閱讀吧。

1.4 小結(jié)

? ChatGPT 和生成式 AI 僅僅是情境感知技術(shù)演進(jìn)過程中的里程碑——情境感知技術(shù)最終將理解非結(jié)構(gòu)化語言輸入中的內(nèi)容和意圖。
? 短期內(nèi)，隨著組織逐漸具備 AI 能力，情境感知 AI 將影響個(gè)人任務(wù)的執(zhí)行。
? 中期來看，人與人之間常規(guī)且重復(fù)的組織互動(dòng)將發(fā)生轉(zhuǎn)變。
? 長遠(yuǎn)來看，每個(gè)組織都有潛力通過采用內(nèi)部市場模式轉(zhuǎn)型為 ACE，在這種方式中，互動(dòng)將由情境感知 AI 進(jìn)行調(diào)解。
? 情境感知 AI 帶來的轉(zhuǎn)型需要企業(yè)進(jìn)行重大調(diào)整。