来源：红杉中国1、Awareness，统一认知，达成共识这是强调在AIGC技术引入的初期，企业首先要建立对该技术的统一认知和共识。其中最重要的核心，在于确保企业内部从高层到基层，对AIGC技术的价值、潜力和应用场景清晰的认识。真正做到这一点，离不开CEO的亲自推动。只有大Boss下场主抓，才能确保企业各部门的真正协同合作，为AIGC项目的实施提供必要的资源支持。在这个过程中，企业还可以借助“外脑”、邀请外部专家进行咨询和培训，有了更专业的认知后，也就能更好地理解AIGC的能力边界。同时通过对外部或行业内真实实践的分析和研究，让企业有更深的认知、更多的借鉴，从而做出更明智的判断和决策。2、Gauge，场景梳理，试点选择对AIGC技术的认知达成共识后，企业需要进一步评估，哪些业务场景适合应用该技术，以及应用该技术可带来哪些价值。这个过程需要自下而上地逐一拆解梳理每个场景，并邀请行业和领域专家参与，全面评估其价值潜力和技术可行性。在经过充分评估后,企业可选择一些成效较为明显的场景，作为初期试点。比如金融企业可应用自然语言处理技术，开发智能客服系统，以提升服务效率；制造企业则可利用计算机视觉技术，提高产品质检准确度等。通过成功的试点案例，企业可以积累更多经验，并逐步扩大应用范围。3、Inception，目标设定，组织配套在选择试点项目之后，企业需要设定合理的目标预期，并做好相应的组织配套，而不能将AIGC技术视为要啥有啥的"许愿机"。为保证目标的实现，企业可组建专门的“作战小组”与此配套，负责统筹规划与执行。作战小组不仅要包括AI技术人员，还要由高管主导并定期复核项目进展，确保各项工作高效推进。4、Ladder，方案制定，快速迭代进入实操阶段后，企业要根据业务场景特点，比对评估当下可采用的各种AIGC应用方案，并选出最优解决方案。同时还要注意，在实施过程中，不能期望一蹴而就，而是要小步快跑、持续提升，将模型的分数从70分逐步提升到80分、90分，要不断迭代优化模型和算法，以适应市场变化和业务需求。另外，还不能忘记及时分析模型的"Bad Case"，找到漏洞并持续修复，从而不断改善系统的精确度和鲁棒性。5、Expansion，扩大范围，深度应用在AIGC技术落地获得成功后，就要进一步"以点及面",不断扩大AI应用的范围和深度。企业要把"Think in AI"的理念，融入到业务发展的各个环节和更多的场景中去。同时也要警惕"痴迷”AI技术的风险，要能保持清醒的头脑，清楚AI技术和应用环境的局限性。企业不能不用AI，但也不能完全依赖AI，而是要在人与机器的协作中，找到最佳平衡点，让AI新技术最大程度地为企业创造价值。03 当前AIGC企业应用的最佳实践作为颠覆性的新兴技术，AIGC正深刻影响企业的人力资源结构和工作方式。经过近两年的探索，一些AIGC的最佳实践，也已渐渐浮现。1、客服，广告文案，媒体运营，最先被AI取代有调研数据显示，AIGC技术的发展和企业应用，已开始影响部分岗位,尤其是那些依赖于常规任务和可预测流程的工种。有34%的受访企业表示，客服人员已经或有望减少；27%的企业认为，广告文案人员数量将下降；22%的企业预计,自媒体运营人员也将有所减少。这一趋势的背后原因在于，AIGC技术可以高效自动处理大量的客服咨询、内容创作等工作,从而大大提高工作效率并降低对人力的需求。在人力成本高企、以降本增效为企业重要目标的今天，既然有了更高效、更有性价比的AIGC技术，必然会重新评估团队结构和人力资源配置，从而做出对自身最有利的措施。而上述岗位的一般员工，也就成了AIGC技术普及下的“牺牲品”。2、AI产品经理、算法工程师，是AI时代最热门岗位面对革新“有人欢喜有人忧”。AIGC的推广，并不只是带来“破坏性”影响，也催生了一些新的岗位和人才需求。在调研中，有47%的受访企业表示，已经或有望增加AI产品经理的岗位；31%的企业有意增加算法工程师的岗位；19%的企业则计划扩大生成式AI内容创作者的编制。AI产品经理、算法工程师等新兴岗位的出现，有助于企业将AIGC技术与业务场景相结合，更好地发掘其商业价值。这样不仅可以促进企业内部技术的升级，也为新的职场人和求职者提供了新的职业发展方向。3、拥抱AI，让每个员工都成为“学霸”除了培养专业的AI人才，提高全员的AI素养同样至关重要。哈佛商学院、沃顿商学院等研究人员联合波士顿咨询集团做了一项研究：他们选取了波士顿咨询集团中的部分高知员工，让他们使用AI辅助完成分析、创意构思和说服技巧等18项任务测试。结果发现，使用AI工具之前，顶尖员工与其他员工之间的平均差距为22%；使用之后，这一差距显著缩小至4%。也就是说，有了AI的加持，每个员工都有可能成为“学霸”。拥抱AI，可以更好地赋能所有人，释放出人机协作的巨大潜能，让个人更有竞争力，为企业带来更大的价值。企业的数智化升级，从稳妥的角度来看，在追风口之前，最好先要判断那是不是真“风口”，还要看看自己有没有“翅膀”，免得不但机会没抓到，还不能平安落地。面对AI大潮、大模型新技术也应如此，不要盲动，不要冲动，如果未谋其利先被拖垮，就太划不来了。
