生成式AI的应用不再是虚无缥缈的概念，它变成了一种真实世界的商业价值。10月30日，在《哈佛商业评论》的2024中国年会上，特别将“AI：现实世界与真实价值”作为第二乐章的主题，深入探讨了对人工智能时代新世界的思考。
在人工智能领域深耕超25年的亚马逊云科技，受邀分享如何通过生成式AI来获得商业价值的思考，以及在这一领域和全球客户的诸多成功实践。
将生成式AI全面融入
企业的关键三步
01 • 启程
万事开头难。生成式AI的第一步，在于发掘能为客户、员工和组织创造实际价值的场景。
亚马逊云科技大中华区产品总经理陈晓建表示，在这个阶段，企业需要找到最契合自身业务的应用场景，明确业务痛点是什么。亚马逊云科技通过观察客户发现，企业应用生成式AI的痛点并不在于找到自身业务环节的短板，而在于如何找到易于实施且效果显著的业务应用场景。针对这一问题，陈晓建认为：“对于企业而言，理想的生成式AI试点项目应该是一个低风险、易实施，成本可控的项目，例如可以从优化流程，或提升生产力入手。”
亚马逊云科技大中华区产品总经理陈晓建
汤森路透
财经信息服务提供商汤森路透，携手亚马逊云科技，在Amazon Bedrock的帮助下，仅用不到6周的时间便搭建了实验平台Open Arena。这个平台为员工提供了一个聊天式界面，帮助他们以对话的形式进行业务探索与解决方案开发，而无需编程背景，最终点燃了整个公司的创新热情。
中集集团
在利用生成式AI推动员工生产力提升方面，世界知名的物流和能源装备供应商中集集团同样进行了成功探索。该公司基于Amazon Bedrock，在企业内部构建了企业级生成式AI底座，实现了智能知识库问答，基于这一底座打造的维修助手，在提升维修团队服务效率的同时，还使新员工的培训进程得到进一步加速。
02 • 构建
选好应用场景后，企业就进入到真正意义上的工作中——构建。
在构建阶段，企业的核心诉求是选择最适合的模型。然而市场上的大模型眼花缭乱，有商业模型也有开源模型，有些模型在分析和推理方面表现出色，有些则在快速总结内容上更胜一筹，有些则为某些特定行业量身定制。面对这一现状，企业应当如何实现“鱼和熊掌”兼得？
针对这一问题，陈晓建提出：选择适合业务需求的模型至关重要，但没有一个“万金油式”的模型能够适用于各个场景和各个应用。
也正是基于以上判断，亚马逊云科技选择和多家模型合作伙伴合作。其生成式AI服务Amazon Bedrock能够提供多种模型，客户可以针对不同的应用场景或根据自身对不同模型的性能要求，如延时、可靠性、地域分布等，选择一个最适合自己的模型。
除了选择合适模型外，陈晓建还指出，另一个很容易被企业客户忽略的问题是数据才是企业业务是否能产生效果的关键因素，高质量的数据对模型的最终表现结果十分重要。高质量的数据需要满足六大要素：时效性、完整性、唯一性、准确率、规范性和可追溯性。“在金融行业、医疗健康行业等高专业度的行业中，企业需要的不只是合适的模型，更重要的工作是怎样将模型和企业业务数据相结合，进行模型定制。”陈晓建提到。
对此，亚马逊云科技打造了三层生成式AI架构，涵盖基础设施、模型构建工具和开箱即用的应用程序。无论是底层的算法工程师，还是业务开发工程师，亦或是财务、销售或市场营销人员，都能在框架中找到所需的产品。
法拉利
世界知名跑车提供商法拉利为了给用户带来更好的购车体验，基于Amazon Bedrock，在亚马逊云科技上开发了车辆定制工具。该定制工具提供的定制选择包含轮圈选择、车辆颜色、内饰配色等内容的数百万种组合，帮助用户提升了交互效率，节省了最终用户20%的定制化时间。同时，借助云上工具带来的低成本优势，法拉利运行了成千上万次虚拟仿真，从而加速F1赛车和跑车产品的设计与研发，缩短上市时间。
华通证券
“专业数据+合适大模型”深度应用的另一个例子是知名券商华通证券。华通证券结合自己的内部数据和公开的金融数据，基于Amazon Bedrock，打造了“AI投资者关系官”这一虚拟角色。另外结合Prompt Engineering技术，以及定制化模型，华通证券还实现了客服工作流程的智能化，将客户咨询响应时间缩短至秒级，提升了消费者满意度。
03 • 规模扩展
在生成式AI试点项目满足业务需求且转为规模化应用之前，企业还应当考虑数据安全与隐私是否得到保障，投资回报率是否得到验证，各方利益相关者（包括业务、技术、法律和安全部门）是否达成共识，并且已经为大规模应用制定了适当的合规与治理框架，以及负责任的生成式AI使用准则等因素。
在将生成式AI应用正式投入到规模化生产之前，企业还需要深入考虑的问题就是成本。陈晓建提出，生成式AI应用的成本除了训练模型和模型调用的费用外，构建人才团队也是成本中心所在，因此企业需要让整个组织，不管是专业技术工程师，还是一线业务人员都能够学习与应用生成式AI。
DoorDash
DoorDash是美国外卖送餐服务平台，拥有数千人的客服团队，回复涉及税务、应用故障和注册流程等客户问题。基于亚马逊云科技生成式AI技术，DoorDash打造了一款全自动化语音机器人系统，可自动化处理70%的来电，进行专业的机器人回答，年均节省呼叫中心成本达300万美元。
华宝新能
在实现生成式AI规模化应用方面，华宝新能进行了成功的探索。面对业务增长带来的用户咨询量上升挑战，华宝新能通过Amazon Bedrock调用大语言模型识别用户意图，借助知识库生成更准确答复，辅助客服人员工作。目前，客服直接采用生成内容回复客户的比例超过30%，同第三方人工智能客服系统相比，使用成本降低为1/20，并大幅提升了用户的满意度。
展望生成式AI发展趋势
对于生成式AI的未来发展趋势，陈晓建认为应当重点关注Agent、多模态人工智能、多模型协作、人工智能政策与标准制定四大领域：
Agent用于处理复杂任务：
Agent能协调并分析任务，将其拆解为合理的逻辑步骤，调用API与其他系统交互，从而实现端到端的流程自动化，因此成为了场景日益复杂下，许多企业的重点部署项目；
大语言模型将走向多模态能力：
大语言模型的未来将会走向多模态能力。当下诸多大语言模型都是基于文本或静态图片的应用。未来生成式AI将进入多模态支持时代，可以处理多种类型的数据输入，使用户能够无缝整合结构化表格数据、音频、视频和非结构化文本；
多模型协作解决复杂问题：
随着客户将复杂的人工智能解决方案付诸实施，其越发意识到在速度、成本和准确率之间寻求平衡的重要性。而为不同的任务选用不同类型的模型，可以有效实现这种优化；
完善人工智能政策与标准：
人工智能的法规与标准正在不断完善，企业应该未雨绸缪，制定前瞻性政策，将安全与责任置于人工智能发展的核心位置。
生成式AI是一个全新的探索领域，整个产业都将见证更加激动人心的创作和突破。亚马逊云科技将继续推动安全、透明和负责任的生成式AI发展，与全球各地政策制定者和业界携手合作，探索生成式AI 的无限可能。
期待你的分享 收藏 在看 点赞！
亚马逊的一小步，云计算的一大步！
