评论 随着企业内部的 AI 试点项目不断失败,OpenAI 正在转向消费者市场,这表明人工智能更可能是通过用户悄然渗透到企业中,而不是大张旗鼓地从正门进入。不过,一旦进入企业,IT 部门依然需要应对随之而来的问题。
通常,新技术会以两种方式之一渗透到企业中。大多数传统的大宗 B2B 产品都是直接从正门进入。CIO 会与销售人员一起打高尔夫、共进牛排晚宴,下达高额采购订单,然后将新设备推广给企业认为需要使用的人员。
这种过程有不同的变体,比如“落地扩展”策略,即团队或部门负责人用其预算购买一款他们认为能够帮助员工完成工作的技术产品,而后该产品便在整个组织内迅速扩散。试想一下 Adobe 是如何征服图形部门的,或者 Salesforce 及其他 CRM 是如何吸引那些希望防止销售人员擅自行动 ( 并确保他们的联系人名单即使离职也留在公司 ) 的销售领导者。据传闻,即便是微软的 SQL Server 起初也主要作为部门级解决方案推出。
但关键在于:有些技术是由于业务领导者购买后再强制全员使用而进入企业的。
接下来是“后门”策略。在这种情形下,终端用户将自己在私生活中发现有用的工具带入工作,并要求雇主允许他们在工作中使用。比如 iOS 4 之前的智能手机、Dropbox、Slack 等。曾几何时,这被称为“企业 IT 的消费化”,甚至还出现了专门讨论这一话题的出版物和会议系列 ( RIP CITEworld )。
在过去大约一个月内,OpenAI 似乎正押注于第二条道路。
首先,这家 AI 估值领头羊聘请了 Fidji Simo 担任新的应用程序 CEO。Simo 曾在现称为 Meta 的公司负责 Facebook 应用,之后又领导 Instacart。她是一位称职的消费领域高管,但与当你希望渗透企业市场时通常会招聘的前 Oracle 副主管或终生 IBMer(就如 Google 2018 年聘请 Thomas Kurian 那样)相比,还相去甚远。
随后,本周,作为 ChatGPT 的制造商,OpenAI 斥资 65 亿美元 ( 对于一家据称每年亏损数十亿美元且依赖投资者维持运营的公司来说,这并非小数目 ) 投资于一家由前 Apple 设计大师 Jony Ive 领导的公司,并将其纳入团队。华尔街日报报道指出,Ive 与 Altman ( 或许还有 Airbnb CEO Brian Chesky,如近期 Wired 专访所暗示 ) 正在打造某种 AI 驱动的小玩意,他们认为该产品有望出货 1 亿台,并为 OpenAI 增加 1 万亿美元的市值。
我们坦率地希望那是一款为他们消费的某种产品提供配送功能的设备,但更可能的是类似于 2014 年电影 Her 中出现的个人数字助理,其外观无疑至少会和原始 iPod 一样美观经典。
撇开讽刺不谈,此举非常有道理。消费者用 AI 来帮助朋友规划公路旅行、进行非正式心理咨询或占星解读又有何关系?风险较低,而且互联网上提供错误信息的供应商通常不会承担法律责任。
在企业中,成功的 AI 实施大多来自员工试图节省在繁琐任务上的时间。在律师事务所中,AI 被广泛用于概括法律文件 ( 虽然律师们必须小心核实其输出,以防 AI 出现引用细节错误 )。在金融领域亦有类似应用案例——虽然 AI 并不能完美总结或从成千上万页的文件中提取数据,但它的速度远快于、效果也远胜于过去由 22 岁年轻人组成的团队完成这些任务。
程序员也越来越多地利用 AI 来执行特定任务,比如编写重复性代码。
然而,到目前为止,自上而下的 AI 指令似乎收效甚微。近期 IBM 对 2,000 位 CEO 的调查显示,他们公司中只有四分之一的 AI 试点项目实现了预期回报。据报道,强生最近关闭了大部分试点项目,转而专注于那些经过验证能创造实际价值的少数项目。大型企业中的程序员也越来越多地反映,要求强制使用 AI 的命令正以一种滑稽的方式适得其反。
至于那些声称 AI 使企业得以裁减冗余员工的公司,有些甚至后来反悔,重新雇佣了这些员工 ( 一个愤世嫉俗的人可能会认为,这种说法不过是为 COVID-19 期间科技热潮下高管过度雇佣后不得不削减成本提供的掩饰 )。
现在,试想把涉及真实金钱数额或关系生死的任务 — 比如在银行或医疗领域 — 交给 AI 执行。在这样的场景里,80% 甚至 99% 的成功率都远远不够。如果一家大银行的助理在电子表格中把数字搞错,导致损失 1 亿美元,责任必然追究到位;而如果是 AI 出错,唯一需要负责的可能就是那位下令所有员工使用 AI 而未制定严格核查标准的负责人。
关键在于,AI 确实能帮助人们更高效地完成工作,但具体如何应用,最好由员工自己决定,他们会将 AI 带入各自的工作中。随后,IT 部门需要找出所有可能被滥用的方式,供应商则须制定所有必要的控制措施,以协助 IT 部门解决这些问题。
这正是我们所见的生成式 AI 在商业领域崛起的方式——由那些让其悄然渗入生活或主动寻求它的员工带入企业,无需与 CIO 一同打高尔夫或共进牛排晚宴。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。