23年技术追踪 大模型热潮下埃森哲强调 生成式AI推动企业重塑

原标题：23年技术追踪 大模型热潮下埃森哲强调 生成式AI推动企业重塑

十年之前，埃森哲便提出过“商业全面数字化”。自2018年开始，埃森哲也连续六年推出企业数字化转型报告，追踪中国企业的数字化进程。

十年时间倏忽而逝，宏观外部环境剧烈变动，伴随人工智能等技术的发展，行业也越发感受到各种不确定性与波动性正在加剧。在埃森哲全球副总裁、大中华区主席朱虹看来，当下企业正面临一种“Compressed Transformation”（挤压式转型）——以更快的速度在多项领域进行转型——的考验。

朱虹说道，埃森哲与众多企业沟通，于企业而言，尽管面临诸多挑战和压力，企业加速转型的内驱力反而是增强的。行业迫切希望通过数字化转型来提升企业的韧性，将关注点从过去单纯的财务或业绩这类数据指标转向更为全面的领域，包括战略、人才、数据、可持续发展等。

在此背景下，埃森哲在其《技术展望2023》报告及其他研究中指出，在全球化、能源价格、供应链、气候变化等变局中，企业需要对新技术有更好的判断和把握。埃森哲考虑到多重因素，提出了一个新的观点——接下来10年的数字化转型，必须要进行企业的全面重塑。

面向下一个十年的转型

在埃森哲全球副总裁、大中华区企业技术创新事业部总裁、阿里事业部总裁俞毅博士看来，对新技术趋势的解读放在商业环境中，将有利于行业、企业分析面临的各种挑战，对不同的技术趋势及落地应用进行判断，进而开展有效投入，实现技术和业务价值。这也是埃森哲连续23年发布《技术展望》，为企业、政府机构及其他组织指明未来方向的初衷。

作为一直以来的技术重点，人工智能技术贯穿埃森哲《技术展望》报告相当长的历史脉络之中。埃森哲全球首席战略官巴斯卡尔·戈什指出，过去几年间，技术经历了指数性的变革。云技术、数据、人工智能机器学习技术正在日趋成熟且不断融合。正是因此企业开始积极部署智能自动化。“智能自动化已经超越了提升生产力的这一单一目的，将行业带进了一个新的时代。”

在此背景下，企业领导者们看到了进一步运用技术开展数字化转型的价值，特别是在疫情期间，大多数企业都加速了转型进程。站在转型下一个十年的当口，企业全面重塑的时代已拉开帷幕。人工智能等新兴技术将成为这一时代的关键动能。

生成式人工智能——高处的果实？

2023年，最为引发业界关注的技术热点，非生成式人工智能莫属。此前，经济学家朱民表示，生成式AI在根本上改变了我们对数字经济的理解。“以后这个世界就是有生成式AI和没有生成式AI之间的一个区别。”

俞毅对生成式人工智能也颇有感触，2022年8月，他在美国接触了多家技术公司，其中便包括知名AI企业Midjourney，令他眼前一亮，那时他便感觉到，很多事情发生了变化。

更广的调研印证了这样的变化。埃森哲访谈了全球4000多位高管，跨越20多个行业，有42%的全球受访企业有意在今年大力投资ChatGPT及生成式人工智能和大语言模型，98%的高管认为生成式人工智能将能够改造企业整体的运营。企业对跨职能的重塑、技术推动的重要性有着共识。

但是，其中存在不小的落差，俞毅表示，全球范围内真正采取企业重塑战略的领军企业比例只有8%，大部分企业还是观望心态。埃森哲希望通过研究访谈触发更多的企业思考——人工智能会对已有的业务产生影响，具体怎么进行企业重塑，以及如何通过技术抓住新的机会，获得持续增长。

此次大模型热潮背后的大型语言模型（LLMs）和基础模型是推动生成式人工智能进步的重要转折点。它们不仅破解了语言复杂性的密码，使机器能够学习上下文、推断意图并独立创造，而且还可以快速微调以适应各种不同任务。这些技术将对未来的工作方式、商业模式和社会生活产生深刻影响，使人类创造力和生产力发生巨大改变。

现阶段，大多数企业会以直接购买“模型即服务”来开展业务应用。不过对许多企业来说，最大的价值或将源于使用自身的数据定制或微调模型，满足其独特需求。

比如，企业方有望随时便捷地获取和使用生成式人工智能及大语言模型应用程序。企业可以通过应用程序编程接口（API）调用这些程序，并运用提示学习（prompt tuning）和前缀学习（prefix learning）等提示工程技术，针对自身的具体需求加以定制。

另外，为了提高生成式人工智能和基础模型在特定业务应用方式中的价值，企业将越来越多地利用自身数据对预训练模型加以微调来实现定制，从而让绩效实现质的飞跃。

例如，在线旅行代理公司通过部署ChatGPT插件作为“智能客服”，为用户提供旅游出行的个性化建议，帮助用户更快确定行程安排。对于意外的行程更改，旅客可以通过全天候在线的智能客服快速解决问题。

除此之外，生成式AI还可以具体落地于内容创建、代码编写、流程自动化、信息安全等领域。俞毅观察到，有些行业的客户起步比较早，例如，全球一家规模较大的保险公司，首先用生成式AI在一个节点承保审核方面做了应用，里面牵涉的文档多而复杂，通过生成式AI对历史数据、市场环境等的考量和分析，横向比较看，现阶段企业的承保、审核的过程能够快20%至30%。

俞毅认为，生成式人工智能在企业里的目标、应用场景还是相对明确的，这是好的基础。当前的应用比较偏前端和用户交互层面，未来需要继续拓展到工业及企业级应用领域。企业要往上“看”，去够高处的果实，与此同时企业也要往下“沉”，打好地基。

“目前有很多企业的数字化核心还不够牢固，这方面的能力建设包含了产品研发、供应链、核心系统、人力资源等全流程。否则，和生成式人工智能结合来进行企业重塑就会面临困难。”他说道。

技术趋势中谨慎前行

越来越多的中国企业正在积极探索生成式人工智能技术，并开始应用大型语言模型来实现更多的创新和效率提升。在埃森哲看来，企业方既需看到明确的方向，也应在过程中谨慎探索，例如选择一些低风险领域进行可行性评估，再开展生成式人工智能试点，探索创新潜力。

同时，技术应用初期，在合规、安全、技术伦理等方面企业仍要引起足够重视。俞毅表示，安全合规问题是企业比较关注的点，企业、行业面临的合规环境越来越复杂。

大多数的企业已经意识到让生成式AI更“有责任感”的重要性并开始采取积极行动。埃森哲指出，77%受访企业高管将对于AI的监管列为优先事项。此外，有八成受访高管表示，其企业将投入10%或更多的AI总预算，以满足未来的监管要求。

7月13日，网信办等七部门正式发布了《生成式人工智能服务管理暂行办法》（下称《办法》），从生成式人工智能服务提供者的算法设计与备案、训练数据、模型，到用户隐私、商业秘密的保护，监督检查和法律责任等方面提出了相关要求。同时，《办法》中明确了对生成式人工智能产业的支持和鼓励态度。

生成式人工智能所面临的风险因素中，合规风险贯穿于模型设计、搭建、使用各个阶段，涉及个人和商业隐私、版权和著作权等各个方面。

其次是数据风险。如果一台基础模型长期浸染在存有偏差的数据当中，它就会被这些数据“诱导”，从而输出错误的信息或执行歧视性操作。另一方面，某些群体特质也会使生成式AI为其打上固化标签，“一刀切”地去执行某些程序，而失去公平性。

埃森哲认为，打造负责任的生成式AI，不是一项“见招拆招”、“亡羊补牢”的局部任务，而是在生成式AI基础模型的设计之初就应未雨绸缪，并在其全生命周期中持续领航匡正的系统性工程。