技術既是幫助人類的工具，也是毀滅人類的工具。這是我們不得不面對的時代悖論。
作者：Brent Dykes
來源：福布斯
編譯：巴比特
創作內容可能是一個複雜的過程，因為它可能跨越多個步驟，例如規劃、研究、寫作、編輯和發布。每週將新內容通過所有這些階段，往往是一個乏味和耗時的過程。雖然企業已經能夠將一些內容創作的任務外包給外部承包商，但技術解決方案一直無法顯著減輕內容創作的負擔——直到最近。
進入生成式人工智能（AI）
生成式人工智能（AI）是人工智能技術的一種形式，可以根據用戶的提示生成文本、圖像、音頻和其他媒體等各種類型的內容。隨著OpenAI 的ChatGPT 於2022 年11 月向公眾發布，AI 的力量變得大眾化，全世界都感受到了震盪。推出後僅五天，該在線服務的用戶就突破了100 萬——Instagram 用了兩個半月和Spotify 用了五個月的時間才完成同樣的事情。現在，無數初創公司和軟件應用程序已經開始宣傳他們自己的生成AI 功能和集成。
許多企業也開始更加關註生成式AI 必須提供的功能。在Salesforce最近發布的一項研究中，57% 的高級IT 領導者認為生成式AI 是“遊戲規則改變者”。儘管三分之一的受訪者（515 名IT 領導者）認為它被過度炒作，但但這些懷疑論者中的80% 仍然認為生成式AI 可以幫助他們的企業更好地為客戶服務。
Goldman Sachs Research預測，生成式AI“可以在10 年內推動全球GDP 增長7%（或近7 萬億美元），並將生產率增長提高1.5 個百分點。”
在最近的OpenAI 研究中，研究人員預測，生成式AI 可能會影響大約80% 的美國勞動力及其至少10% 的工作任務。 19% 的員工認為至少50% 的任務受到影響。雖然生成式AI 的出現可能最終會取代一些工人，但它將從根本上改變大多數人製作內容的方式，尤其是處理日常、重複和平凡的任務時。 ARK Big Ideas 2023預測，到2030 年，知識工作者將通過利用AI 技術將生產力提高四倍以上。
生成式AI 將如何改變勞動者的生產力？
我們開始瞥見生成式AI 帶來的生產力提升。研究分析師Joachim Klement 分享了一些揭示其前景的早期研究。第一項研究要求一組程序員完成一項編程任務。一半的參與者獲得了生成式人工智能（GitHub Copilot）的訪問權限，並且能夠在71 分鐘內完成任務，這比沒有使用人工智能輔助的程序員（161 分鐘）節省了大約56% 的時間。
在第二項研究中，200 名受過大學教育的專業人士被分配了一項寫作任務，其中一半可以使用ChatGPT 來完成。人工智能輔助的參與者能夠在更短的時間內完成任務——17 分鐘，而不是27 分鐘（生產力提高37%）。
他們不僅創作速度更快，而且當作業由獨立評委進行評分時，啟用AI 的參與者獲得了更高的平均分數（B 對C+）。研究人員還發現，較弱的參與者從使用生成式AI 技術中受益最多，因為它基本上處於表現不佳和表現最好之間的平衡位置。
通過將算法的強大處理能力與其訓練數據中包含的眾包知識和專業知識相結合，生成式AI 可幫助員工縮短完成任務所需的時間並提高產出質量。每個工人都可以從個人助理中受益，該助理可以幫助執行手動任務、集思廣益、校對草稿、開發樣本設計等。最終，生成式AI 技術將為員工提供一系列專門的AI 助手，以執行各種常見任務。與它們的人類同行不同，它們隨時待命，願意提供幫助，並且不會關心你如何利用它們的建議。
生成式AI 帶來的生產力收益將很快從多個領域顯現出來。了解這些效率提升的來源的一個有用方法是，通過內容創作的關鍵階段的角度：
生成式AI 可以協助完成內容創作過程中的所有五個步驟。
1.計劃。為你需要什麼內容以及如何處理這些內容制定策略是該過程中重要的第一步。生成式AI 可以為製定內容創作、構建和部署計劃提供指導。例如，企業家可以提示她的商業計劃大綱，或者在設計內容日曆方面獲得幫助，並就目標主題和渠道提出建議。
2.研究。到目前為止，研究主要涉及使用搜索引擎在互聯網上搜索相關且可信的信息。現在，基於簡單的提示，生成式AI 可以處理大量信息，並生成關於某個主題的總結性關鍵發現。例如，一個產品經理可以使用生成式AI 研究與其新產品概念相關的頂級消費者痛點，並獲得與該問題相關的綜合結果。
3.編寫/設計。開發任何內容的初稿通常是最耗時的步驟。生成式AI 可以簡化創建初稿的過程，以你想要的任何寫作風格和格式。例如，一個高級經理可以向一個生成式AI 工具提供包含一組關於不同市場趨勢的要點，並讓它寫出一篇完整的長篇營銷博客文章，並圍繞特定SEO 關鍵字進行優化的相關示例。
4.編輯/潤色。創建初稿後，你通常需要進一步修改、鞏固和改進它。雖然生成式AI 不會免除人工編輯的責任——甚至可能需要更多的監督，但它也有助於簡化你的編輯過程。例如，銷售代表可以使用生成式AI 來校對RFP 回復中的句子結構和用詞選擇，並嘗試使用不同的語氣或風格以更好地匹配銷售機會。
5.發布。完成內容後，你可能需要對其進行不同的格式化，以便可以跨不同渠道分發。生成式AI 可用於快速重構內容以適應不同的格式。例如，設計師可以使用該技術在多個社交媒體渠道中快速創建和分發單個設計的變體。
從內容的開始到交付，生成式AI 可以在簡化和精簡內容創建過程的每個階段方面發揮不可或缺的作用。當你匯總所有這些階段節省的時間時，你就會開始意識到這項技術提供的巨大價值。然而，在其發展的早期階段，企業仍然需要謹慎對待它在其業務中的應用方式。
在生成式AI 被完全採用之前，道路上有一些障礙
最近，微軟創始人比爾·蓋茨表示，人工智能是他一生中繼1980 年圖形用戶界面之後的第二大創新。然而，許多商業領袖還不相信它已經準備好進入黃金時代——這也是有充分理由的。雖然早期結果很有希望並且非常引人注目，但還需要對以下問題給予更多關注和重視：
1.準確性問題。生成式AI 並不總是能夠區分事實和虛構。它可以自信地爭辯說，牛蛋比雞蛋大得多。如果沒有適當的事實核查，用戶可能會收到聽起來連貫但完全是胡說八道的錯誤信息。
2.隱私和安全問題。不應與公共生成式AI 工具共享敏感（HIPAA）或專有信息。不幸的是，三星等公司發現他們的員工已將機密源代碼和戰略會議記錄上傳到非私有的生成式AI 工具中。
3.偏見問題。目前，生成式AI 工具主要是根據從互聯網收集的數據進行訓練。網上猖獗的人類偏見在這些算法中根深蒂固，最終進一步強化了基於性別、種族、國籍和政治的偏見。微軟的Tay（一個Twitter 聊天機器人）和Meta 的Galactica（一個基於科學文章的大型學習模型（LLM）），在被發現模仿性別歧視和種族主義語言後都被迅速關閉（分別為16 小時和3 天）。
4.道德問題。當生成式AI 的訓練數據依賴於其他人的文本和圖像時，會引發對歸屬和知識產權的擔憂。 Getty Images 最近起訴Stable Diffusion 侵犯版權，因為該藝術生成式AI 工具在未經藝術家許可或未註明藝術家姓名的情況下複製了1200 萬張圖像用於訓練目的。此外，生成式AI 可用於製造深度造假、錯誤信息和宣傳。
在企業可以完全接受這項有前途的技術之前，供應商、政府和客戶組織必須在標準、政策和指南方面做更多的工作，以幫助緩解這些問題。生成式AI 將在我們未來的工作方式中發揮重要但具有顛覆性的作用。雖然你的企業可以選擇等待，直到一切問題都被解決，但基於人工智能創新的加速步伐，這可能不是最好的策略。
嘗試生成式AI
在擁有多年商業智能諮詢經驗後，Nick Kelly 開始了自己的分析培訓和諮詢業務，專門從事儀表板設計和採用。和許多其他企業家一樣，他對人工智能的能力感到驚訝——但這項技術也讓他對自己的未來感到焦慮。
Kelly 沒有坐等事態發展，而是發起了一項大膽的實驗。他向ChatGPT 提出挑戰，要求復制他在創建企業儀表板需求方面的專業知識。他使用他的書中和其他培訓材料中的50,000 多個單詞來訓練生成式AI 工具。
隨後，他的發現令人震驚。使用ChatGPT，他能夠快速生成特定於行業的問題和一組合理的初始需求，以與客戶一起審查，這大大縮短了數小時的發現過程。此外，通過ChatGPT，他發現他可以為他的儀表板線框生成樣本指標，這些指標在很大程度上與行業標准保持一致，只需要稍作修改。
儘管這些結果給他留下了深刻的印象，但Kelly 仍然對生成式AI 是否也能幫助儀錶盤UI 設計持懷疑態度。總的來說，他發現專業人士在設計方面遇到的困難最大。然而，使用Midjourney（一種以圖像為中心的生成式AI），Kelly 發現他能夠製作出視覺上令人驚嘆的模擬設計，所用時間僅為之前的一小部分。這些AI 生成的模型的顏色選擇和設計提示為他的儀表板提供了更具吸引力的界面。
在實驗之前，Kelly 感到受到了生成式AI 的威脅，並對它如何幫助他的業務持懷疑態度。現在，他正在調整自己的技能以適應這種變革性技術，並將AI 工具集成到他的新流程中。結果令人印象深刻——效率更高，客戶讚歎不已，並且他更加專注於如何提供更多價值。
作家Frank Herbert 說，“技術既是幫助人類的工具，也是毀滅人類的工具。這是我們不得不面對的時代悖論。”
雖然你的企業必須謹慎使用生成式AI，但隨著技術的不斷成熟，你將從團隊現在學到的經驗教訓中受益。生產力風險太高，不能固守現狀而不探索生成式AI 如何增強你現有的工作流程。就個人而言，我很高興能在我自己的數據故事業務中測試這項技術——我希望也是如此。
展開全文打開碳鏈價值APP 查看更多精彩資訊
