在工作中稳妥使用生成式人工智能的五种方法

还有许多其他不同的地方也可以快速开始使用生成式人工智能，而且这一技术正在被整合到一些工具和平台中，或许你的企业已经在使用。因此，针对如何测试和应用这些工具，你要考虑制定指导方针。以下是值得考虑使用生成式人工智能的五个重要领域，以及关于如何寻找其他适合场景的指导原则。

1. 提高开发人员的工作效率

编写代码通常被认为是介于艺术和科学之间的工作，但在编程过程中，有很多工作是机械重复的。云平台和模块存储库的兴起意味着，编写现代的应用程序与提出算法一样，就是将组件和 API 连接在一起，重构现有的代码，优化环境和精心组织不同的管道。这方面的很多工作完全可以让自动化和人工智能来协助完成，但是，你还需要知道该如何以及在哪里使用这些工具来监测其影响和效果。你可以从使用一次性工具开始，加快完成某些特定且常见的工作，然后再转向全面使用代码编写助手。

文档编写既重要又经常被忽视：你不仅可以让生成式人工智能来记录一个代码库，而且你还可以在文档中建立一个聊天界面，从而开发人员可以在此询问该代码库如何工作和使用，或者仅仅是取代常规的搜索框。这就把普通文档转变为对话式编程，由此，人工智能可以获取你的数据，然后告诉你如何编写一个查询。 

测试工作是另一个容易被忽视的领域，因此自动生成单元测试将帮助你做更大范围的测试。Commit 机器人还可以帮助开发人员编写含有足够多内容的消息，以便用户和其他开发人员可以使用，生成式人工智能还可以做同样的工作，即帮助 IT 人员记录升级和系统重启过程。 

同样重要的是，通过告诉人工智能你想要什么，然后它来生成后台逻辑和其他模板，这样开发人员就可以专注于从事应用程序中更有意义和更有创意的工作。你还应该使用生成式人工智能来编写自己的 codemods(即在大型代码库中自动执行重复且耗时性任务的脚本)，或者让人工智能来帮助修正稿件的语态和语气，以更好地适应文章的风格。像 GitHub Copilot 等编码助手和内置于大型语言模型(LLM)的 IDE 可以完成所有这些工作甚至更多，但不应该取代开发人员;开发人员需要理解和评估自己从未写过的代码(以及代码所运行的环境)，以防这些代码包含安全漏洞或性能瓶颈、遗漏、错误决定或只是普通错误，因为人工智能是通过学习存储库来生成代码，而这些存储库可能含有某些或所有以上问题。想想如何在你的企业中跟踪人工智能生成的代码，这样你就可以对其进行审核，并评估其是否可用。开发人员表示，在使用 GitHub Copilot 时，他们的工作效率更高，挫折感减少。微软公司表示，Copilot 使用者所记录的代码中有 40% 是人工智能生成的，且没有经过修改。目前，当开发人员离开 IDE 会话后，其源头就会丢失，因此，针对记录人工智能工具的使用情况，要考虑制定内部指导原则。 

2. 提高低代码和无代码业务用户的水平 

虽然业务用户不具备专业知识来评估人工智能助手生成的代码，但低代码和无代码环境受到高度限制，并且集成了生成式人工智能工具的地方不太可能出现问题。 

低代码应用程序经常需要检索和过滤数据。而低代码平台已经添加了生成式人工智能功能，可以生成查找式查询或对返回的数据(例如以编程方式添加缺失的邮政编码)进行清理，从而使没有数据库专业知识的业务用户可以获得更多信息，而无需坚持使用预先构建的组件或等待专业开发人员为他们编写查询字符串。像Census GPT 等开源工具使查询大型公共数据集变得更加容易。 

代码助手也不仅仅适用于专业开发人员。Wix 人工设计智能 (ADI) 可以为你打造一个完整的网站，包含了代码生成和生成式设计;Uizard 可为网站和应用程序原型做同样的工作;Fronty 可将图像变成 HTML 和 CSS，而微软 Power Apps中的 Express design 可将手绘草图或 Figma 文件变成一个可使用的应用程序，并拥有后端。 

大多数企业感兴趣的生成式人工智能用例都是在低代码自动化工作流程中可以调用的模块，因此员工可以根据自己的具体需求进行调整。像其他组件一样，各平台已经开始提供 ChatGPT 和其他 OpenAI 的 API。然而，要确保在低代码环境中，与生成的文本或图像所伴随的任何提示或指导信息能正确显示，最好还能提供反馈，同时还要确保员工知道你的政策，即这些信息是否可以在员工未事先审查的情况下直接提供给客户。 

3. 理解文档和数据 

将定制版的 ChatGPT 与必应相结合，这为微软的搜索引擎带来了数百万的新用户。但大型语言模型的工作方式意味着出现错误和将发生“幻觉”，因为这些模型基本上是自动完成句子和段落，以生成符合查询提示的文本。如果你想要的信息不存在，则该模型仍会尝试创建一些合理的信息。即使给出的信息是正确的，并且与某一领域大多数专家所说的相符，但答案也可能是不完整的、不准确的。如果你还不是专家，那么你可能不知道该答案中缺少哪些东西。企业搜索和公共网络一样，这些问题对于它们而言都是难题;即将推出的微软 365 Copilot 工具将试图通过查询 Microsoft Graph 的文档和实体数据，然后提供参考信息来解决这一问题，但这仍可能遗漏一些重要内容，需要你自己来添加。 

开始寻找机会使用大型语言模型来总结和分析文档，或在更受限的场景中生成文本来解释概念，在这些场景中的信息会由内部专业人员进行审查，而不是直接展示给你的客户或其他终端用户。 

生成一个知识图谱，以使不同实体之间的联系和关系可视化，由此来帮助你理解某一项目、社区或生态系统。Excel 中的 Copilot 工具将提供一种互动的方式，可以对沙盒中的数据进行深入了解和提出问题，而不改变其底层数据，因此任何错误都可能使你走上歧途，但不应该污染那些以后用于分析的原始信息。 

利用数据讲故事是表述一些重要趋势的另一种有效方式，基于人工智能的分析方法(例如 Power BI 的 Smart Narratives)可以发现异常情况和促成因素，然后用图表和自动生成的说明进行解释。这可以避免大型语言模型在数学方面遇到的问题，因为这些见解是通过线性回归等 AI 模型得出，然后通过语言模型进行描述。这类组合方法可能会变得更加普遍。同样，安全工具也开始使用语言生成功能来解释安全威胁、异常情况和人工智能检测到的潜在破坏迹象，并用清晰、自定义的语言告诉你这意味着什么，以及该如何处理。在未来，我们将能够向这类工具提出问题，并让其解释所给出的建议。 

通过在关键词和预设回答之外，使用一些听起来更自然的内容，以及在知识库更新时自动包含一些新信息，你也可以让现有的聊天机器人变得更聪明、更灵活。同样很有吸引力的是，直接面向客户使用生成式人工智能聊天机器人，以提高客户满意度和降低成本，但这比在企业内部使用这一机器人来找出益处和其他人力资源问题等有用信息的风险更大。虽然一个时髦的聊天机器人会适合某些企业，但你不希望因为客户收到一个危险的建议或被聊天机器人侮辱而使企业成为头条新闻。使用生成式人工智能来为代理人提供帮助，可以让你提高工作效率并降低风险。 

4. 加快业务用户的工作流程 

会议应该是做出业务决策和分享知识的地方，但过多的会议则将丧失其价值。像 Microsoft Teams Premium、Dynamics 365 Copilot 和 Slack 的 ChatGPT 应用程序等人工智能工具可以创建会议总结，并可以记录分配给与会者和未参加会议者以及可能不知道自己职责的人员的行动任务。例如，这也有助于避免围绕谁要去做会议记录和其他“办公室家务”展开的权力游戏。 

每天能够看一次繁忙的 Slack 频道也可以提高工作效率和改善工作与生活的平衡，但那些制定计划和做出决策的人应负责确保人工智能所创建的总结、行动任务和时间表是准确的。能够对与客户和顾客通话进行总结的人工智能工具，可帮助管理者监督和培训员工。这可能对财务顾问和呼叫中心的工作人员一样有用，但在使用工具来监控员工工作效率时，需要具有同理心，以避免出现对工作场所过度监控的问题。用户反馈和产品评价是有帮助的，但其巨大的数量可能令人难以承受，有用的信息可能被埋在众多信息之中。 

生成式人工智能可以对回复信息进行分类、总结和归类，以提供更容易理解的汇总反馈。从长远来看，很容易想象一个个人购物助手会向你推荐一些你想买的商品，并回答相关问题，而无需你翻阅数页的商品评价和意见。但企业也需要谨慎使用这些工具，因为这些工具可能会发出攻击性或诽谤性的观点，或过度热衷于过滤掉负面的反馈。生成式人工智能工具可以阅读和总结长篇文档，然后利用这些信息起草新的文档。目前已经有 Docugami 等工具，承诺可以从合同中提取到期日和交付物信息，国际律师事务所 Allen & Overy 正在试用一个平台，帮助其进行合同分析和法规遵从工作。生成半结构化的文档(如谅解备忘录、合同或工作说明)，可能会加快业务流程，并有助于你以程序化的方式规范一些业务术语，但将需要极大的灵活性和进行大量的监督。 

5. 克服写作障碍，美化设计 

你不必把整个写作过程都交给人工智能，而只需要在收集灵感、文案撰写和制作图片或设计方面获得帮助。Office 365 和 Google Docs 将很快让你可以使用生成式人工智能创建文档、电子邮件和幻灯片，所以你需要制定原则，以确保这些文档的正确性，然后将其与其他人共享。同样，要从更受约束的任务和你可以监控的内部应用开始。 

生成式人工智能可以在你的电子邮件中或在 Salesforce、Zoho 或 Dynamics 365 等 CRM 中，作为平台的一部分或通过第三方工具，提示你如何撰写客户外联电子邮件、感谢信息或后勤问题的提醒信息。人们对使用人工智能进行营销也有很大兴趣，但也存在品牌风险。在点击发送这些信息之前，请将这些人工智能给出的选项仅作为一种开始工作的起点，而不是最终版本。 

人工智能生成的文本可能并不完美，但如果你有很多空白内容需要填补，则它可能比什么都没有要好。例如，Shopify Magic 可以获取产品的基本细节，然后为在线店面写出一份流畅的、经过搜索引擎优化的产品描述，而当你拥有了一些内容后，就可以对其进行改进。另外，Reddit 和 LinkedIn 使用 Azure Vision Services 为图片创建标题和备选文字，以提高会员自己未添加这些内容时的可读性。如果你拥有一个用于训练的大型视频库，则自动生成的总结可能会帮助员工充分利用自己的时间。从文本中生成图像的功能可以非常强大，像新的Microsoft Designer 应用程序等工具可将图像扩散模型交到业务用户手中，这些用户可能对使用 Discord 服务器访问 Midjourney 望而却步，也可能不具备使用 Photoshop 中 Stable Diffusion 插件的专业知识。但人工智能生成的图像也存在争议，其问题涉及到从深度伪造和恐怖谷效应，到训练数据的来源和无偿使用知名艺术家作品的道德问题。企业希望在使用生成图像方面有一个非常明确的政策，以避免陷入更明显的困境。 

寻找自己的应用场景 

正如你所看到的，从客户支持工作和零售业，到物流工作和法律服务，凡是你想要使用可靠的信息源进行有效互动的地方，都有机会从生成式人工智能技术中受益。 

为了负责任地使用生成式人工智能，你可以从自然语言处理用例开始，例如为非面向客户的场景来分类、总结和生成文本，这些场景中生成的内容由具有专业知识的人进行审查，以发现和纠正错误和虚假信息，并寻找一个能轻松自如完成这些工作的界面，而不是仅仅接受人工智能给出的建议。跳过人工参与来节省时间和金钱，这是非常具有吸引力的，但如果生成的信息不准确、不负责任或具有攻击性，那么你的业务可能会遭受巨大的损失。 

许多机构都担心数据泄露到模型中，从而可能会帮助竞争对手。谷歌、微软和OpenAI 公司都已发布了数据使用政策，称一家公司使用的数据和提示性语言只用于训练自己的模型，而不是用于给所有客户使用的核心模型。但对于员工可以将哪些信息复制到公共的生成式人工智能工具中，你仍需要制定一些指导原则。 

供应商还表示，使用者拥有模型的输入和输出内容，这在理论上是个好想法，但可能无法反映出生成式人工智能在版权和剽窃问题上的复杂性，而且像 ChatGPT 等模型并不包括引用信息，因此你不知道其返回的文本是否正确，或是否抄袭别人的文章。改写并不完全属于抄袭，但盗用别人的原创想法或见解对任何企业来说都不是好事。 

对企业来说，培养员工的人工智能素养，让员工熟练使用和评估生成式人工智能输出的内容，这也非常重要。从不重要的领域开始小范围应用，然后从中学习有用的东西。