ChatGPT、人工智能生成内容（AIGC）和工程管理

作者：Zuge Yu¹，Yeming Gong*¹

单位：1. 人工智能与管理学院, 法国里昂商学院

引用：Zuge YU, Yeming GONG. ChatGPT, AI-generated content, and engineering management. Frontiers of Engineering Management, 2024, 11(1): 159‒166 https://doi.org/10.1007/s42524-023-0289-6

文章链接：

https://journal.hep.com.cn/fem/EN/10.1007/s42524-023-0289-6

https://link.springer.com/article/10.1007/s42524-023-0289-6

摘要：本研究探讨了在工程管理中整合 ChatGPT 和人工智能生成内容（AIGC）等新一代人工智能技术的问题。它评估了 AIGC 服务对工程管理流程的影响，描绘了 AIGC 在各种工程功能中的潜在发展。本研究对工程管理领域内的 AIGC 服务进行了分类，并对 AIGC 辅助的工程生命周期进行了概念化。研究还确定了工程管理领域内与 AIGC 相关的主要挑战和新兴趋势。突出的挑战是新一代人工智能环境下的工程管理中的道德考虑、可靠性和稳健性。新兴趋势主要集中在 AIGC 辅助优化设计、AIGC 辅助工程咨询和 AIGC 辅助绿色工程活动。

关键词：工程管理; AIGC; ChatGPT; AIGC辅助的工程管理生命周期

随着ChatGPT和人工智能生成内容（AIGC）的最新进展，OpenAI、微软、Meta 和谷歌等公司大幅增加了在AIGC领域的投资。2022年11月，OpenAI 推出的ChatGPT 标志着一个转折点，引领了AIGC应用的快速发展。2023年3月，OpenAI 推出了GPT-4模型，增加了参数数量，从而提高了ChatGPT结果的可靠性。值得注意的是，基于GPT-4模型的新 ChatGPT 配备了图像识别功能。

此外，在2023年5月，OpenAI向ChatGPT Plus用户推出了网页浏览和插件功能，从而在数学和科学计算方面取得了最新进展。到2023年9月底，ChatGPT已纳入多模态数据融合功能，可通过文本、视觉识别、听觉识别和语音生成与用户互动，开创了AIGC服务的新时代。ChatGPT包含多个模型，包括GPT-3.5、GPT-4、DALL-E 和DALL-E3。不局限于基于规定的预定任务，AIGC代表了人工智能系统在文本、音频、图像、视频和3D等不同数据类型领域生成新颖内容的能力。基于此，AIGC在工程管理中的应用引起了越来越多的关注。

鉴于技术的飞速发展和当代工程项目的日益复杂，将管理原则应用于工程项目的工程管理（Blanchard，2004）已占据了举足轻重的地位。在这种情况下，AIGC的最新突破为工程管理提供了变革的可能性。值得注意的是，AIGC辅助的工程管理服务在优化工程项目资源配置和提高资源利用率方面表现出色。

此外，除了战略规划和决策，AIGC辅助的工程管理服务还赋能任务自动化。这种自动化减轻了工程师和管理人员的负担，使他们摆脱了日常和重复性工作束缚，解放了他们的时间，使他们能够集中精力应对更复杂、更关键的任务挑战。

尽管将AIGC应用于工程管理的潜力显而易见，但对这一领域所采用的方法和流程的准确理解却仍然不足。流程理解以及处于起步阶段的AIGC辅助的工程管理应用的欠缺，凸显了对AIGC辅助的工程管理进行全面研究的必要性。因此，本研究的主要目的是阐明AIGC 在工程管理中的潜力和未来趋势。为了实现这一目标，我们将研究AIGC在各种工程管理生命周期中的作用和应用。此外，本研究还将通过对未来潜在发展的预测，为AIGC在工程管理中的作用提供前瞻性见解。本研究致力于提供对AIGC的全面了解，勾勒其当前面貌，并预测工程管理领域即将发生的变革。

2.1 工程管理领域的AIGC发展

随着技术的进步，AIGC已经发展成为一个更强大的工程管理工具包，从而提高工程管理过程中的可理解性、集成性和实用性。多模态功能的融入增强了工程管理过程的可视化和交互能力，大大提高了AIGC在与检测、地理定位和安全交互相关的工程任务中的适用性。

例如，AIGC展示了识别和辨认工程项目材料清单中常见元素的能力，包括建筑物等结构和公园等自然景观。此外，它还能识别景观图像中描绘的城市和地理位置。

AIGC与工程管理职能各方面的整合有可能重塑工程师和专业技术人员所采用的方法。这种转变可以提高效率，降低风险，并为工程创新提供基础。AIGC在工程管理过程中的各职能发展前景包括以下几个方面：

1.工程项目咨询：AIGC在工程咨询领域发挥着举足轻重的作用，为工程行业提供不同领域的咨询支持，包括为工程行业提供技术、管理、法律、会计、人力资源、市场营销、政治、经济、金融、公共事务和传播等专业知识。

2.工程项目营销：AIGC可用于工程项目的营销，赋能AIGC辅助销售策略确定、AIGC 辅助市场预测、AIGC辅助项目沟通和AIGC辅助售后服务。

3.工程项目运营：AIGC是工程项目运营中的宝贵资源，它具有预测功能，可预测潜在的设备故障或必要的维护，实现人员调度智能化，加强智能生产规划。

4.工程管理中的财务与会计：AIGC协助生成财务报告和审计内容，确保工程项目符合监管和标准。

5.工程风险管理：AIGC擅长对工程项目进行全面风险评估。利用历史和实时数据，它可以预测潜在风险，并生成预防措施内容。

6.工程项目研发：AIGC在制作评估工程设计可行性、确定潜在市场机会和应对技术挑战的内容方面发挥着举足轻重的作用。

2.2 AIGC服务在工程管理的分类

从生成的内容来看，AIGC服务主要分为五类：文本内容、图像内容、音频内容、视频内容和3D内容，如图1所示。如Epstein等人（2023）和 Jo（2023）所述，GAI-文本、GAI-图像、GAI-音频、GAI-视频和GAI-3D代表了人工智能驱动的生成式技术，用于创建、管理和优化工程管理领域的各种数字内容。

图1. AIGC的类型

GAI-文本涉及内容管理系统、搜索引擎优化和自然语言处理等技术。这些技术旨在加强工程管理领域的数字营销和交流活动。

GAI-图片需要分析和理解数字图像，以便应用于工程管理。它采用物体识别、面部识别和文本识别等技术来实现其目标。

GAI-音频利用人工智能分析数字音频文件，实现语音识别、音乐识别和情感分析等功能。这一功能有助于评估客户情感，并在工程管理领域内提升客户服务水平。

GAI-视频利用人工智能来解释并生成数字视频文件，采用了物体识别、运动检测和面部识别等技术。这种分析有助于评估视频或广告的效果，并锁定特定工程项目人群。

最后，GAI-3D利用先进的计算机图形算法，在工程管理应用中生成、处理和展示三维数字对象和场景。

表1. AIGC的分类表

Nielsen（1992）提出了工程生命周期的概念。将AIGC融入这一生命周期为工程师提供了优化流程、降低成本、提高产品质量和安全性的机会。值得注意的是，深度学习的进步推动了自然语言处理领域的实质性进展。

Vaswani 等人（2017）在谷歌的支持下推出的Transformer模型是这些大模型的基础网络架构。ChatGPT是OpenAI于2022年11月推出的超大型语言模型。它利用生成式预训练转换器（GPT）来促进连续数据的处理，并赋予其语言理解和内容生成能力。通过整合 DALL-E3，ChatGPT可作为聊天机器人运行，为工程师提供为工程管理目提供额外价值的能力。

不过，在实施 AIGC时，重要的是要高度重视道德因素并提高透明度。如图2所示，这种强调有助于降低工程流程中无意中出现偏见或错误的风险。此外，提供充分的培训和支持对于确保工程师能够有效地与AIGC系统协作也至关重要。

图2. 工程项目生命周期

3.1 AIGC辅助的工程项目需求分析

在工程项目的需求分析阶段，工程师可以有效利用AIGC的一系列服务来简化和改进他们的流程。具体来说，利用基于人工智能的工具可以在技术文档、虚拟原型设计和需求验证方面带来显著优势。

在工程项目的结构化写作方面，Jin（2023）提出工程师可以利用GAI-文本在专业生成内容（PGC）和用户生成内容(UGC)中提取相关信息。这就需要技术规范和客户反馈文本数据，以便AIGC辅助的工程项目管理能够识别普遍存在的内容主题和工程项目问题。

在工程项目的虚拟原型制作方面，从GAI图像和GAI文本到转化为GAI-3D的组合功能可创建工程项目或系统的数字原型。这些原型可以在实际项目建造之前于顾客需求等进行严格的测试和改进，从而及早发现潜在的问题或设计缺陷。因此，这种方法可以节约成本，减少实物测试或项目部署工作所投入的时间。

最后，AIGC在验证需求方面也非常有价值，它可以在整个工程项目生命周期内自动验证需求的完整性、一致性和可追溯性。这种自动化验证提高了效率，并确保了对需求的严格遵守实施。

3.2 AIGC辅助的工程设计

设计是工程项目生命周期中的一个关键要素，集成 AIGC 服务则是提高设计效率的有效手段。其中值得注意的是，AIGC使设计工具能够采用算法生成多种工程项目设计方案，并遵守指定的参数和约束条件。正如Chen等人（2023）所阐明的，这种方法使工程师能够探索大量的设计替代方案，并根据性能或成本等标准优化设计。

此外，GAI-图像 和GAI-3D的组合功能还扩展到计算机辅助设计的某些方面。这些功能包括生成或修改3D模型以及绘制复杂的技术图纸，如图3所示。这些增强功能大大提高了设计过程的准确性和效率。

在协作设计流程领域，工程师还可以通过GAI-文本、GAI-音频和GAI-视频进行有效协作。这些AIGC系统可根据工程师的输入提供设计替代方案或改进方案，从而进一步优化设计流程，并产生卓越的设计结果。

工程设计领域的项目要求、标准和规范以及示范工程设计案例的信息积累对AIGC辅助的工程设计的实施尤为重要。这些信息可以综合成适合基于GPT学习的文本材料，包括工程项目建设、建筑材料和建筑技术等。在这种情况下，AIGC将扮演设计和方案渲染助手的角色。在设计模型生成阶段，AIGC用自然语言阐明建筑模型需求，并迅速生成适合多方利益相关者协同工作的建筑信息模型。在设计渲染阶段，AIGC根据参数和自然语言输入调整设计标准，智能生成设计解决方案和渲染图。

图3. 人工智能生成的工程建筑实例图

3.3 AIGC辅助的工程项目实施

在工程生命周期的实施阶段，AIGC集成在增强工程流程的多个方面（包括机器人交互、预测性维护和质量控制）方面发挥着关键作用。

正如 Gravel 和 Svihla（2021）所阐述的那样，利用机器人运行数据和人机交互数据，AIGC 在协助工程师设计和执行机器人系统方面发挥着至关重要的作用。这些系统可以自主运行或只需极少的人工干预，从而提高任务执行的效率。

此外，AIGC还具备持续实时监控工程项目或系统性能的能力。它利用安全内容、工程项目数据和反馈回路来预测工程维护需求，最终减少工程项目停工时间并大幅降低维护成本。

在质量控制领域，AIGC可以利用内部和外部工程项目知识库，实现特定流程方面的自动化。这包括检测工程项目或系统中的缺陷，最终提高项目质量和减少浪费。

3.4 AIGC辅助的工程项目测试

在工程项目测试过程中，AIGC服务在简化缺陷检测（Guo 等，2023）和性能分析（Du 等，2023）等各个方面发挥了重要作用。在AIGC的支持下，工程师可以通过生成测试用例和进行自动测试等来改进测试流程。这种优化可缩短测试时间，降低测试成本，同时提高测试结果的精度和可靠性。此外，AIGC服务还能在测试过程中利用图像识别和其他机器学习算法识别产品或系统中的缺陷。此外，它还通过采用能够识别异常和辨别性能模式的机器学习算法，协助工程师在测试过程中仔细检查实施细节。

3.5 AIGC辅助的工程项目评估

评估是工程项目生命周期的最后阶段，在这一阶段，AIGC的集成可以大大加强项目评估，促进项目管理科学的发展（ Lv，2023）。

用户、设计公司和项目实施者都有机会将相关数据纳入共享的工程项目数据库。例如，工程设计公司可以提供与已完成项目相关的重要数据，包括设计方案、建筑成果和使用反馈。这些数据可作为 AIGC的宝贵资源，为工程实施者的评估过程提供便利。

此外，在这一阶段，AIGC服务还能在项目改进、决策支持和实时性能监控等多个方面为工程师提供帮助。在项目改进领域，工程师可以利用 AIGC服务仔细检查项目或系统的数据，从而确定需要改进的地方。善于检测使用模式或分析用户反馈的机器学习算法在这方面发挥着关键作用。

在决策支持领域，AIGC服务可在整个演进阶段为决策提供帮助。工程师可以通过 AIGC 实时监控项目，利用机器学习算法检测异常情况并识别性能趋势。这种多方面的方法提高了工程流程管理的有效性。

4.1 AIGC在工程管理中面临的挑战

1.伦理问题

将AIGC服务纳入工程管理领域具有重大优势，但同时也带来了伦理方面的复杂问题， 需要认真考虑。

首先，使用AIGC可能会无意中产生训练数据中的偏见，从而可能导致工程管理决策中出现不公平或带有偏见的结果。例如，基于历史数据，AIGC设计可能会偏向于特定的材料、供应商或承包商，从而有可能忽略其他可行的替代方案。解决这一道德问题至关重要。

其次，AIGC服务必须考虑到工程管理决策对环境和社会的影响，包括资源消耗、废物产生和社区责任参与等。出于道德方面的考虑，AIGC有必要在工程管理领域推广可持续和对社会负责的做法。

最后，AIGC服务的部署引发了与知识产权所有权有关的问题，包括设计、计划和报告。制定有关知识产权和所有权的明确指导方针，对于减少潜在纠纷和维护所有利益相关者的利益至关重要。

应对这些道德挑战的潜在解决方案包括建立行业认可的数据库和实施透明的算法。在工程管理方面，尽管项目各不相同，但工程安全和施工标准等标准始终保持一致，因此建立一个专门针对工程管理的综合数据库是有必要的。还应该定期审计和审查用于训练AIGC 模型的数据集，以确保数据的公正性和代表性。

此外，部署透明、可解释的 AIGC模型可使用户理解的人工智能，从而使其建议和行动更值得信赖。这种透明度促进了问责制，提高了AIGC服务在工程管理中的道德诚信度。

2. 可靠性问题

在将AIGC服务纳入工程管理时，由于当前AIGC可靠性不高和工程对可靠性的高要求， 可靠性是新一代人工智能在工程应用中首要考虑因素。确保AIGC的质量和可靠性至关重要，因为不准确或错误有可能导致项目延误、成本超支或安全隐患。

为了建立和保持可靠性，实施严格的验证和检验程序至关重要。这些程序有助于降低潜在风险，并确定AIGC符合必要的标准。从本质上讲，要确保AIGC服务的可靠性，就必须执行严格的确认和验证程序。这些流程的目的是评估AIGC模型的性能、发现潜在问题并确认其是否适合预期应用。

AIGC服务的可靠性取决于其与现有工程管理系统和流程的无缝集成。确保AIGC服务与其他工具之间的兼容性和互操作性，对于维护可靠性和促进协调一致的工作流程至关重要。为进一步提高AIGC的可靠性，业界可采取积极主动的方法，持续监测和定期审核输出结果。这种做法可确保AIGC输出保持在预期参数范围内，有效检测异常情况并维护人工智能系统的一致性能。

3. 稳健性问题

在工程管理领域采用AIGC服务时，稳健性起着关键作用。与稳健性相关的挑战包括几个关键的考虑因素：

稳健的AIGC服务应具备从训练数据中获取知识的推断能力，以驾驭工程管理领域中的新颖和不可预见的情况。开发能够适应不同项目背景、要求和约束的人工智能模型，同时始终保持性能，是稳健性的关键要求。

此外，AIGC服务的稳健性取决于其与现有工程管理系统和流程的无缝集成。确保 AIGC 服务与其他工具之间的兼容性和互操作性对整个系统的稳健性至关重要。

增强AIGC服务的稳健性的潜在解决方案包括设计可恢复的安全默认操作或在不确定预测情况下提示人工干预。这种方法可有效降低根据不稳健的输出执行潜在危险的自动操作的风险，保障工程管理流程的完整性。

4.2 工程管理中AIGC的发展趋势

AIGC与工程管理行业的整合为众多研究途径的探索铺平了道路。随着该行业的不断发展，几个研究课题将受到越来越多的关注，包括 AIGC辅助优化设计、AIGC辅助工程咨询和 AIGC辅助绿色工程。

首先，AIGC与优化设计在工程管理设计中的融合为提供快速、高效、创新的服务带来了希望。AIGC可以在考虑材料效率、结构完整性和项目美学等因素的基础上，提出多种优化设计组合，同时与消费者、建筑师和工程师的设计目标和限制保持一致。此外，AIGC还可以通过测试和模拟来评估结构荷载分布，从而促进安全高效的设计。

其次，工程咨询在评估项目的财务可持续性和盈利能力方面发挥着举足轻重的作用。工程咨询公司传统上依赖于人力，而AIGC可以分析历史互动、付款行为和项目结果，从而对客户进行剖析。这种数据驱动的方法有助于承包商就项目投标做出明智的决策。工程师可以进一步利用AIGC建立模型，根据特定变量预测结果，从而扩展工程咨询经验数据库。例如，AIGC可以通过分析历史投标数据、市场趋势和竞争对手的投标行为生成最佳投标策略。此外，它还能自动识别可能出现索赔的情况，并协助量化索赔金额。

最后，AIGC与绿色工程的结合扩大了其潜在价值，促进了更高效、更环保解决项目方案的开发。AIGC的预测能力能够预测能源消耗模式，对节能建筑的实施提供可能。这种与绿色工程原则的结合将为行业内的可持续发展实践带来革命性的变化。

正如本文提到的AIGC对各个生命周期（需求分析、设计、实施、测试和评估）的工程实践所产生的深远影响，AIGC在工程管理领域具有巨大的潜力。AIGC在这些阶段的战略应用有潜力提升工程项目的决策过程，优化项目资源分配，并简化项目工作流程。

AIGC处理大量数据集、提取有价值的见解、预测新兴趋势和自动化重复任务的能力极大地贡献了其变革潜力。将AIGC整合到工程管理实践中，使组织能够实现更高的效率，促进创新，并在行业内获得竞争优势。

为了进一步提高AIGC在工程管理中的有效性，利益相关者可以合作建立行业认可的数据库。这些数据库作为AIGC的宝贵数据来源，提供了解决可靠性、伦理考虑和鲁棒性等关键挑战的机会。此外，专注于AIGC辅助优化设计、AIGC辅助工程咨询和AIGC辅助绿色工程的研究努力，在推进AIGC在工程管理领域应用方面可以发挥关键作用。