A16Z最近又發(fā)了一篇有意思的文章，談到他們認(rèn)為的生成式AI下一波趨勢在哪。我們要注意三件事：第一，代碼行數(shù)不是衡量工程生產(chǎn)力的好方法；第二，更長的產(chǎn)品內(nèi)容，不一定就能起到更清楚的說明作用；第三，更長幻燈片，也不一定能提供更多見解。 

一、生成式AI在B2B場景應(yīng)用的變化 

過去幾年大家見證了大語言模型（LLM）逐步成為主流，并研究了這項技術(shù)在B2B領(lǐng)域的應(yīng)用情況。盡管取得了巨大的技術(shù)進(jìn)步，但我們認(rèn)為，我們?nèi)蕴幱贐2B用例的生成式AI應(yīng)用的早期——第一波浪潮之中。 

隨著各公司逐步開發(fā)自己的應(yīng)用，并且開始尋求圍繞產(chǎn)品建立護(hù)城河，我們預(yù)計很多業(yè)務(wù)中的目標(biāo)和實現(xiàn)方法，將會迭代到“第二波浪潮“之中。 

如何理解這里的“迭代”？ 

到目前為止，絕大多數(shù)生成式AI應(yīng)用，都集中在信息 divergence 之上。也就是說，目前的應(yīng)用，主要是根據(jù)一組指令，來創(chuàng)造新的內(nèi)容。 

而在第二波生成式AI浪潮之中，相信市場會見證更多用于信息匯集的生成式AI應(yīng)用，這些應(yīng)用會通過綜合現(xiàn)有信息，向我們展示更精細(xì)化、篩選出來的內(nèi)容（That is, they will show us less content by synthesizing the information available.）為了和第一波生成式AI浪潮進(jìn)行區(qū)分，我們把第二波生成式AI浪潮，稱為合成人工智能（”SynthAI”）。 

雖然第一波生成式AI浪潮在應(yīng)用層創(chuàng)造了一些價值，但第二波生成式AI浪潮將帶來下一步功能變化。 

那么，下一步，生成式人工智能在B2B的解決方案會是什么走向？ 

結(jié)論是：B2B解決方案之間的PK，將不會把重點放在令人眼花繚亂的AI技術(shù)能力，而更關(guān)注這些技術(shù)層面的能力，將如何幫助企業(yè)用戶具備（或重新定義）更有價值的企業(yè)工作流程。 

第一波生成式AI浪潮：跨越從C端用戶到企業(yè)的橋梁。 

為了分析第一波生成式AI浪潮，首先我們要對B2C和B2B應(yīng)用進(jìn)行區(qū)分。當(dāng)我們作為消費者，應(yīng)用生成式人工智能時，我們的目標(biāo)是以玩耍、娛樂和分享為導(dǎo)向。在娛樂層面，質(zhì)量和正確性并不是最重要的：而讓人工智能模型生成藝術(shù)或音樂這類功能更為重要，因為我們可以在Discord頻道中分享，當(dāng)然也會很快就會忘記它。大家通常會有一種心理傾向，認(rèn)為更多的內(nèi)容=生產(chǎn)能力=好，所以，用戶通常會被吸引到生成式的、自動創(chuàng)造的AI工具。 

舉個例子：ChatGPT的興起，就是很具備說服力的案例：因為用戶真的容忍了這個聊天機(jī)器人很多質(zhì)量上的缺陷，就是因為大家能用它，生成更豐富的內(nèi)容，并且分享，令人印象深刻。 

當(dāng)涉及到B2B應(yīng)用時，業(yè)務(wù)目標(biāo)就不同了。這里的目標(biāo)，主要是圍繞時間和質(zhì)量的成本效益評估。我們要么希望能夠用同樣的時間產(chǎn)生更高的質(zhì)量，要么希望產(chǎn)生同樣的質(zhì)量，但是速度更快。 

人們使用B2B應(yīng)用主要是在工作場所，在這類的場景中，質(zhì)量更重要。然而，今天人工智能生成的內(nèi)容，主要是為重復(fù)性和低風(fēng)險的工作提供的，這種業(yè)務(wù)層面上，要求通常不高。例如，生成式AI很可以為廣告或產(chǎn)品描述撰寫文案，許多這個領(lǐng)域的B2B應(yīng)用，表現(xiàn)出明顯的增長態(tài)勢。 

但我們隨后也發(fā)現(xiàn)，生成式人工智能在撰寫意見或論據(jù)方面確實不可靠（即使AI生成的內(nèi)容令人信服或有信心，它也往往無法達(dá)到我們想要的準(zhǔn)確程度）注意，當(dāng)涉及到B2B生產(chǎn)環(huán)境中的創(chuàng)新和合作時，這一點更重要，大模型生成SEO信息也許是可用的。但是，如果讓它為開發(fā)者撰寫一篇詳細(xì)新產(chǎn)品的博客文章，將會需要不小的人力去完善，以確保這篇文章是準(zhǔn)確的，與目標(biāo)受眾產(chǎn)生共鳴。 

另一個常見例子是AI用于編寫銷售的電子郵件，生成式AI對于普通的、冷冰冰的冷啟動郵件是很有用的，但對于準(zhǔn)確的個性化郵件來說就不太可靠了。從一個優(yōu)秀銷售的角度來看，生成式AI有助于在更短的時間內(nèi)寫出更多的電子郵件，但要寫出能提高回復(fù)率，并帶來訂單的電子郵件（這也是對銷售代表的評價），銷售代表還是需要仔細(xì)研究，并通過自己判斷，了解潛在客戶想聽什么。 

從本質(zhì)上講，在頭腦風(fēng)暴和早期，第一波生成式人工智能對于更實質(zhì)性的寫作是成功的，但最終，越是需要創(chuàng)造力和領(lǐng)域內(nèi)人專業(yè)知識，就越需要人為完善。 

二、重構(gòu)工作流程，有何代價？有何好處？ 

即使在生成式AI對較長的博客文章有用的情況下，你的Prompt必須是精確的。也就是說作者必須已經(jīng)對代表自己博客文章的實質(zhì)概念，具備清晰認(rèn)識。然后，為了得到良好的結(jié)果，作者必須對AI輸出的結(jié)果進(jìn)行審查，迭代Prompt，不行的話，還要重寫整個章節(jié)。 

這里有個例子是用ChatGPT來生成法律文件，需要熟悉法律prompt的人提供所有需要的條款，然后ChatGPT可以用這些條款來生成草案。注意，AI不能執(zhí)行當(dāng)事方之間的談判過程，但一旦所有關(guān)鍵條款都確定下來，生成式AI就可以出品較長的法律類文件草稿。不過，這些工作仍需要職業(yè)律師對它進(jìn)行審查，編輯輸出，以使這項文件達(dá)到可以簽署的出品樣本。 

這也是為什么這類成本+效益評估模式，會在B2B背景下打破。 知識工作者正在評估如何工作流程中增加一個額外的AI功能的步驟是否值得花時間？是否應(yīng)該還是由我們自己做？ 

三、第二波生成式AI浪潮：匯聚信息，從而改善決策 

當(dāng)我們進(jìn)入第二波生成式AI浪潮的時候，焦點會從信息生成轉(zhuǎn)向信息綜合。注意，在知識工作中，決策能力具備巨大價值，而員工的報酬是根據(jù)不完善信息做出決定，而不一定是單純執(zhí)行或解釋這些決定而產(chǎn)生的內(nèi)容數(shù)量而決定的。在許多情況下，更長的時間并不意味著更好。 

許多常識和公理都支持下列觀點： 

代碼行數(shù)不是衡量工程生產(chǎn)力的好方法； 

更長的產(chǎn)品內(nèi)容，不一定就能起到更清楚的說明作用； 

更長幻燈片，也不一定能提供更多見解。 

Hex公司創(chuàng)始人Barry McCardel認(rèn)為，人機(jī)可以共生，比如說LLM如何能夠改善我們的工作方式？ 

“AI在這里是為了增強(qiáng)和改善人類的能力，而不是取代人類。 

因為當(dāng)涉及到理解世界和做出決策時，人類一定要參與其中。人工智能能做的是幫助人類將更多的腦電波，應(yīng)用于有價值的、創(chuàng)造性的工作，這樣我們不僅能在一天中花更多的時間來做重要的工作，而且還能解放自己，從事最有價值的工作?！?nbsp;

那么，AI如何改善人類的決策？法律專家需要專注于綜合和分析，提高決策的質(zhì)量和/或速度，明顯的應(yīng)用是，去總結(jié)人類自己永遠(yuǎn)無法直接消化的大量信息。 

SynthAI在未來的真正價值是，幫助人類更快地做出更好的決定。 

這里的設(shè)想幾乎與ChatGPT的用戶界面相反：與其根據(jù)簡明的Prompt寫出長篇大論的回復(fù)，如果我們能從海量數(shù)據(jù)中，逆向設(shè)計出總結(jié)的簡明提示，會怎么樣？（Instead of writing long-form responses based on a concise prompt, what if we could reverse engineer from massive amounts of data the concise prompt that summarizes it? ） 

這將有機(jī)會，讓我們重新思考用戶體驗，使其盡可能有效地傳達(dá)大量的信息。例如，像Mem這樣由AI技術(shù)驅(qū)動的知識庫，保存著某個組織中的所有會議筆記，可以主動對相關(guān)的決策、項目或人發(fā)起建議，當(dāng)組織中的角色開始一個新項目時，應(yīng)該參考這些決策、項目或人，從而節(jié)省了他們?yōu)g覽先前機(jī)構(gòu)沉淀知識的數(shù)個小時（甚至幾天）的時間。 

回到上面一個對外發(fā)送營銷郵件的例子，一個潛在的表現(xiàn)是，AI可以識別目標(biāo)客戶，究竟在何時會處于最高水平的購買意圖（基于新聞報道、人才遷移等），并提醒相關(guān)銷售代表。然后，人工智能模型將根據(jù)綜合研究，建議在電子郵件中提一兩個最重要的問題，以及與想要銷售的目標(biāo)客戶最相關(guān)的產(chǎn)品功能。 

這些輸入，可以被輸入到第一波生成式AI帶來的解決方案中，但其價值來自于綜合階段，并為銷售人員，節(jié)約了對單一潛在客戶的研究時間。 

確保這種綜合信息質(zhì)量足夠高的根本轉(zhuǎn)變是，從大規(guī)模的通用模型轉(zhuǎn)向能夠應(yīng)用多種模型的架構(gòu)，包括在特定領(lǐng)域和特定用途的數(shù)據(jù)集上訓(xùn)練的更精細(xì)模型。例如，某個構(gòu)建客戶支持應(yīng)用的公司，會使用以支持為中心的模型，該模型可以訪問公司的歷史支持票據(jù)，但在其他情況下又會回到GPT。在建設(shè)專有微調(diào)模型和數(shù)據(jù)集壁壘，這些組件會成為公司速度和質(zhì)量的護(hù)城河。 

SynthAI的部署 

當(dāng)我們思考，第二波生成式AI浪潮可能是什么樣的時候，我們相信從SynthAI中，受益最大的應(yīng)用場景將是以下兩種情況： 

存在大量信息的場景，人類很難手動篩選所有的信息。 高信噪比場景，主題或抽象出來的觀點必須具備準(zhǔn)確性。 

人工智能對工作流的改造，會帶我們走向一個新的生產(chǎn)力時代。北京千景縱橫科技有限公司，有著穩(wěn)定高效的創(chuàng)意團(tuán)隊和成熟的服務(wù)體系，期待為您服務(wù)。

北京千景縱橫科技有限公司成立于2011年，坐落北京中關(guān)村科技園區(qū)-專注高端網(wǎng)站建設(shè)（品牌展示型、官方門戶型、電子商務(wù)型、營銷型網(wǎng)站、Html5響應(yīng)式）、微信小程序、APP開發(fā)、云服務(wù)器部署和運維，為企事業(yè)單位的互聯(lián)網(wǎng)應(yīng)用提供一站式服務(wù)。

標(biāo)簽：千景縱橫  千景網(wǎng)絡(luò)  北京網(wǎng)站建設(shè)  北京網(wǎng)站設(shè)計  北京小程序開發(fā)  官網(wǎng)制作  門戶網(wǎng)站開發(fā)  商城網(wǎng)站建設(shè)