AIGC技术与数字化转型实践

近期，ChatGPT，GPT-4等基于自然语言大模型的AIGC技术异常流行而火爆，产业各界都投入了巨大的关注。

人们在惊奇GPT家族产品的“类人”的交互能力，以及“智力”水平的同时，也纷纷开始布局如何在产业实践中引入AIGC相关的前沿数字化技术，构建更有经济价值的数字化应用，加快企业数字化转型的全面落地。

AIGC属于人工智能领域近几年比较新颖的技术形态。传统的人工智能技术比较关注数据分析，AIGC，全称为AI Generated Content（人工智能生成内容），则比较关注数据的自动合成。

读诗容易，作诗难。因此，AIGC按理说，在技术实现的难度水平上，比传统的AI技术应用具有更大的专业性门槛。当然，这种专业性的门槛也不单单是为了自找麻烦，而是旨在构建更有实用性价值的AI技术产品。

从数字化转型的定义来看，本质上是用数据来改变业务。这个循环包括3个主要过程：一是从业务中获取数据；二是分析数据，得到结论和洞察；三是基于结论和洞察，反过来制定决策，影响业务。

在之前的数字化转型工作中，其中，第一步和第二步已经完成了线上化和自动化的能力水平；在第三步，具体形式则比较多样，有以人工为主的方式，也有以机器为主的方式，自动化水平参差不齐。

AIGC技术不仅涉及前两个步骤，还涵盖了第三个步骤，不仅分析数据，还能自动基于分析结果和结论，生成业务行为——获得面向内容创作的生产力。

因此，可以人为，AIGC是数字化应用在更高自动化水平上的体现，实现了数据资源全流程的数字化驱动。以ChatGPT，为代表的数字化应用主要体现在以下几个方面，且更多方面还在不断探索拓展中。

基于AIGC的搜索应用

该类应用的重点在于“查找”。

AIGC本质上是一种高智能水平的搜索引擎，可以实现对海量信息的快速查询和整合。基于AIGC的搜索引擎，可以支持更柔性的查询语言，可以更加准确地理解用户的数据查询需求。

与传统搜索引擎不同，AIGC搜索可以得到一定的“间接”结果。不一定有什么内容返回什么内容，而是可以先加工，后返回，相当于对查询内容提前进行了浅层的加工分析，降低用户处理信息的负担。

毕竟，搜索任务最终的结果需求，在于得到有价值的信息，而不是原始的数据源素材。

当前，微软的Bing搜素引擎已经和ChatGPT在结合，构筑下一代搜索引擎的范例，而除了通用领域的泛搜索，未来，垂直领域的深度搜索，也必将面临系统性的智能化升级。

AIGC则“催化”了各种不同数据查询类应用的技术变革，这个变革将极大推动企业数字化转型中，对数据资源的利用率和创新参与度。

基于AIGC的交互应用

该类应用的重点在于“反馈”。

基于AIGC的交互，在ChatGPT上面体现的最为“淋漓尽致”。ChatGPT是一款非常拟人化的聊天机器人。所有基于聊天，交互的数字化服务形式，都将因为ChatGPT的流行而获得综合能力的发展和提升。

AIGC对智能客服、智能导购、智能语音助手，这类应用的影响自不必说。传统的技术架构，灵活性很差，处理长尾需求的能力不足，因此产业落地效果差强人意。

基于语言大模型的AIGC技术，可以应对更多场景，当实用性达到一定阈值的时候，这类数字化产品的市场接受度也将突破“奇点”，拓展出市场蓝海。

未来，人工智能不仅可以替代传统的体力工作，随着AIGC的出现，也可以替代一部分基于语言交流的，具有拟人特征的服务类工作。

例如，随着社会老龄化的问题不断严重，基于AIGC的聊天机器人可以起到陪伴，照料、监护等日常“贴心”服务，有效地缓解相关社会问题。

同时，也有不少具有聊天能力的机器人，开始尝试用于心里疾病的治疗方面，类似创新实践可以缓解都市职场人的生存压力，提供重要的情绪疏导价值。

基于AIGC的交互类应用，不仅达到了“降本增效”，同时也促进了企业综合服务能力水平的提升。

基于AIGC的创作类应用

该类应用的重点在于“生成”。

AIGC的重点在于创作，即生成新的数字内容，形态多样，包括文本、音频、视频、3D模型、代码、过程、游戏等等。

这种生成能力本身就是生产力！只要定义好生成内容的形式，对相应的预训练“大模型”进行微调，就能达到可靠的内容生成应用效果。

基于AIGC的创作类应用，本质上就是让机器来承担一部分人的知识类工作，智慧工厂代替了传统工人的职业，那么AIGC可能也把一部分白领的工作替代了。

当然，现在也不必太过焦虑，至少AIGC关注的重点在于替代低质量、重复的、套路的知识类工作，比如，有套路和规范的内容编辑。

这种能力提升了RPA（Robotic Process Automation）的能力水平，强化了相应的技术应用形态。

另外，AIGC可以解决大量的文书类工作，达到“秘书”的效果。

很多文字类工作具有较强内容范式，如果引入AIGC技术，可以更好地解放人的脑力工作，使其专注于知识创作的顶层设计以及核心内容的创作中，更好地提供业务信息价值。

本文来自微信公众号“大话数字化转型”（ID:dataminingxmz），作者：数字化刘老师，36氪经授权发布。