觀察丨AI真正改變的是人類的工作和思考方式

來源：外灘董事會BundBoard

作者：外灘董事會

原標題：《我們終將在AI裡遇見人性丨外灘現場》

6月28-30日，外灘董事會一行CEO奔赴北京，進行了三場與人工智能相關的關鍵對話。

面對人工智能，許多創始人是既興奮又緊張。

興奮在於，人工智能的迅速成長，會帶來許多的新的機會，造就新的創新模式和組織架構。

緊張在於，人工智能和當下組織與業務會產生什麼樣未知的衝突與挑戰。

心懷畏懼，也不能阻礙創業者們奔赴人工智能的步伐。

比起具體的技術，成本以及功能，創業者們更加關心的是背後的本質，人工智能是否會撼動現有的商業體系，以及現有的組織價值觀。

例牌說明：以下為對話後的學習心得內容，並非對話嘉賓本人的分享原文。

01、原則與價值觀是大模型最重要的事

第一站我們來到了智譜AI，與COO張帆共同探討，企業如何擁抱大模型。

很多人對大模型會有些誤解，有的人覺得大模型就是許願池，只要許願了就能實現，當發現大模型不能有問必答，有求必應的時候，他們就會信念崩塌。

還有些人覺得大模型就是個智能的大數據庫，只是瘋狂的投餵數據，指望大模型自己能生成思考能力和判斷能力，但最後會發現，大模型都還是很傻。

要打造一個得心應手的大模型，一定要教會它相應的判斷準則和原則。

這就好比員工入職一家企業，要讓員工知道什麼能說，什麼不能說，什麼能做，什麼不能做。這些判斷推理的框架，比數據本身重要多了。

數據的投餵也一樣，你給大模型投餵的都是銷售冠軍的行為模式和判斷模式，它就會慢慢學習成為銷售冠軍；你給它投餵普通銷售的數據，它就會成為普通銷售。

相當於大模型是一張白紙，有學習能力和判斷能力，需要企業去調教成自己想要的樣子。

**因此打造企業專屬的大模型，需求越清晰，價值觀和判斷準則越明確，大模型的試錯成本就越低，其他的技術也好，成本也好，已經慢慢成熟，不難實現。 **

02、大模型不是工具，而是共同成長的伙伴

第二站來到了百川智能，同CEO王小川一起探討人工智能的本質以及我們要如何看待人工智能。

我們問了王小川一個問題，哪些職業或行業會被AI取代？

他的回答是，**大多數坐在電腦面前的，都會被AI取代。 **

這個回答不禁讓我們思考，大模型真正威脅著的，不是藍領階層，而是白領階層。

互聯網能觸達的任務，它基本都能通過學習來實現。也許當下，大模型是白領們的好幫手，能幫助我們提升效率。但大模型的能力不止於工具，它更像一個生命體，會調整和修正自己的判斷。

比如我們要招聘一個人，我會問大模型，招聘一個這樣的人需要哪些條件，它就會告訴我，還可以幫我發布招聘信息，還能篩選符合基本條件的簡歷。

大模型的判斷依據是通過大數據，而非我們每個人有限的經驗，得出的結論反而會更加客觀與理性。

組織的形態會再次發生逆轉。工業革命的時候我們通過精細分工來加速發展，而現在要倒回去，不需要分工了，都讓大模型做了，大公司越來越少，會湧現出許多個人+AI的小公司。

借助GPT的能力，每個人不是在原有崗位做員工，而是可以利用GPT幫助實現個人的夢想，社會將變得更加扁平，每個人可以活得更加自我，找到自己真實存在的意義。

03、什麼是好的大模型，取決於我們的評判標準

第三站我们来到了百度智能云，与百度集团执行副总裁，百度智能云事业群总裁沈抖进行了一次深度交流。

百度文心一言較早進入國內的大模型領域，他們更加註重大模型在各個商業場景和產業落地的應用。他們認為，好的大模型，最重要的指標是好用，而不是一味的在各種技術指標中追求極致。

在大商業場景中，最大的一個憂慮是，大模型技術是否會在運用過程中帶來信息安全的不可控。

如果大模型生成的內容直接to C，就會帶來很多信息安全的不確定性。所以人+大模型的模式，是一個繞不開的發展過程。

大模型幫助人來提供效率，人來保證大模型的信息安全，若遇到問題時，也可以由具體的人進行問責和跟進。

大模型的發展速度，是基於硬件的發展速度。現在芯片一代一代革新，算力越來越快，這給大模型的發展打下了地基。

未來硬件使用成本越來越低，大模型時代也會像移動互聯網時代一樣，到達一定程度，湧現各種各樣的創新，爆發式發展。

而目前任何能用語言和文字解決的問題，AI都能大幅提升效率。

比如寫一篇英文的新聞發言稿，或者規劃一個旅遊路線，AI都能做得比人要好。

因此我們值得用AI把每個行業都重新做一遍，在這過程中，**最重要的重構還不是業務和流程的重構，而是人們思維的重構。 **

AI真正改變的將是，我們的工作模式以及思考方式。而到那個時候，大模型時代就會到來。

寫在最後

這次CEO們見的都是最懂大模型的人，探討的都是最實用的企業落地場景，得到最明確的一個信息是，**AI能幫助人，但AI還沒法完全取代人。 **

CEO們的真正需求是，任務能完成的更快更好，成本能降得更低。

至於這個需求是靠人力完成的，還是靠AI完成的，並不是很重要。

目前人工智能的定位，更像是一個智能人才儲備，需要企業投入時間去訓練他，告訴他什麼能做什麼不能做，讓他達到期望的效果。

每個中高管的KPI應該從培養一個預備幹部，到培養一個預備幹部和一個人工智能幹部。

比起簡單粗暴的全員AI辦公，如何給人工智能分配合適的工作，也許是CEO們在大模型時代最重要的能力。