近些年来，由于大模型这个产物的面世，让AI技术引起了更多的关注和期待，这主要是因为大模型不仅改变了AI领域的发展势头，而且还会对各行各业产生了相关的影响。

一、大模型的作用

那么在这里我们就有必要先来了解下什么是大模型，大模型这个词其实是一个简称，完整的说法叫做大语言模型。那它能给与我们带来哪些帮助呢？

这时候，我们可以简单回想一下自己身边的工作 ，可以发现很多事项的执行过程中，大部分都需要通过人们的语言沟通这个行为去传递彼此之间的配合完成，然而这个大语言模型的出现，就相当于用机器代替人工去理解配合人完成某一任务，不再需要仅靠人与人之间去实现，而且对于纯人工配合来说，它的效率性以及便捷性会更加突出明显。

二、与以前的人工智能有什么区别

到这里可能大家也许会说，不就是以前人工智能么，有什么大惊小怪的，我只想说，相对于以前来讲，这次还真的不太一样。

举个例子，大家对人工的智能的最新理解可能类似于以前手机上的智能语音助手，如小米手机的小爱同学，还有苹果手机的Siri等。

但是相对于大语言模型还没出现之前，你会发现这些智能语音助手可能没有那么能理解你，有时候甚至想对它回复一句国粹。这是因为它们以前只能根据一些提前设定好的规则或内容给你反馈。

而现在有了大模型之后，那么体验就完全不一样了，你会发现这个东西现在好像真的越来越聪明了，终于可以完全听懂你说的话了，甚至还会尝试去理解你与它们对话的背后意思，也就是说这些手机上的智能语音助手对人类的语言理解能力真的越来越可行了。

另外一个就是它的生成能力也更加快捷了，以前我们的一些文件文稿、论文，甚至包括图片和视频，站在人类的角度去操作都是需要花费大量的时间精力，有些甚至还需要具备某一个领域的专业知识作为支撑才能运作。

现在因为有了大模型之后，那么这些东西就可以让它很快帮你搞定，甚至完成的效果可能比你考虑的还要周到全面，这放在以前是完全没有的。

所以，现在大家总算明白为什么自从大模型出现之后，然后随即也出现人类的工作终究是否会被人工智能替代掉的社会声音。

三、不同企业的AI应用方式

说了这么多，但是在面临各行各业的企业来说，AI再强大，那么也得让其加入到自己的生产过程当中才是王道，我相信这也是每家不同企业都存在的普遍看法。

尽管因为各行各业的不同，那么在AI技术的应用场景呈现形式自然也会存在各自差异，但也总有存在相似之处，下面我主要是从用户体验、内部提效、投入资源3个维度进行简要探讨。

比如在教育行业，站在教育企业的视角来看用户体验，即付钱购买课程，而付费学生的诉求是十分明确的，就是希望在你这能学到知识。那么在这个环节里，我们是否可以把学生的一个学习效率提升进行扩展，包括一些老师或学管以及客服在跟学生沟通时的质量和效率。

那么在这里，AI技术围绕上面的切入点就是用它去协助教育企业对学生体验进行全过程的跟进应用。

比如教育企业可以用AI技术去判断每一次老师跟学生在互动过程中的好坏质量进行评估，通过学生以及客服或老师的情绪词等去抓取判断沟通中出现的问题是否被解决，同时将结果报告能及时分发至不同部门去优化和及时挽回的措施上，因为相对于之前的纯人工部分对接而说，当一个学生用户体验出现不好的情况，然后还因为各部门之间的时间差再进行一个挽回措施，那么错失了就基本要不回来的。

又比如教学中的知识体系这个层面，不管是视频课程还是一些教案教义等试题，这些都是基于教育企业自身通过常年积累大量的知识体系和知识沉淀去呈现到课堂上的，虽然学生在每次上课的过程中也会有老师告诉你相关的知识点，但是有些由于某块知识点的因为自身深度而一下子要去逐渐做分析延伸到每一个知识点，这样的做法一时间在人为上是不可能做到的，尽管是资历深厚的老师，一下子也可能存在极大的挑战性，而这时候通过AI的辅助，那么则就可以很快的在既有的知识体系上快速协助学生去拆解整个系统性知识点的来龙去脉，且同时帮助学生做专属分段知识点的总结等，那么整体而言对于学生在学习对应知识的门槛也就自然降低，即协助了学生的学习效率，同时减免了课堂上因为某个学生的知识盲点给老师带来的挑战性和其他学生的学习体验。

对于内部提效的切入点，比如一个旅行服务平台企业，由于自身系统会存在不断积累沉淀海量的照片上传，但是在这些照片展示在用户前时需要依靠企业人工先做一个标注标签的工作环节，比如标注该图片风格以及来源归属等。最后通过AI技术的协助直接提升了图片标识处理的提速，所以说，特别是一些重复性工作环节时，人工就算再快，然而在机器面前拼效率也是没得比。

还有一些出行货运的服务商同样在人效这一块进行提效，比如一个货运服务平台，那么这里面就会涉及到司机、货主跟平台调度员，而对于调度员来说，这里面就需要大量的人力和沟通成本，若AI技术的切入应用，那么是不是也就可以进行一个替换提效的作用？

包括对于一些网约司机的招聘场，在面对可能一年会有10万甚至到上百万的司机，那么就需要不停的去应对招聘这项工作，对于平台企业来说是既费时间又费人工的，而当把AI技术应用到司机招聘的这个场景下，那么基本上就可以发现用AI技术辅助比人工HR招聘的效率要快的多了，这也是一个很典型的用AI技术进行企业内部提效的示例。

最后一个要说的就是当应用AI技术场景时，企业则需要投入的相关资源衡量，比如企业已经获悉可以给自身带来用户体验或内部提效的应用上，那这时去执行意味着会投入相关的AI技术资金成本，里面会涉及到人才以及当前AI技术的不断更新迭代等因素。

从AI技术人才来说的话，这里可能真的需要综合型比较强的技术人才，即懂业务+懂技术+懂产品，例如从了解大模型最初的训练模式的基本原理，然后通过其回推到相应的场景业务去怎么提升，真正匹配帮助到业务的应用上，而且到最后的人才薪酬以及基础设备建设等，这些都是一系列的初期资金投入。

另外一点就是对于AI技术更新迭代这块来说的话，若在初期资金投入的条件满足下，但因为技术迭代带来的影响，其实也是蛮可怕的一件事情，比如之前有一些生成视频的AI产商，可能在第一时间就早抓住了当前视频生成技术，然后搞着搞着却发现行业的这个技术突然就迭代了，然后就没然后了，那这个对于后续的自己技术研发做不到引领前沿的时候，那这其实是一件很恐怖的事情，会让之前的努力付之东流，因为这一点，所以也是目前很多人虽然都知道AI技术是个机会，但是在行动上都依然保持观望的姿态。

综上，那么我们企业如何来看待当下的AI技术浪潮呢？这里其实是要看企业自身的情况，比如主要是搞AI技术研发还是在原有产品基础上进行一个AI技术的赋能层面，若是本来就是做产品的，那么可能就没必要去特别的关注和了解当前技术发展的细节上，也就不用去投入太多资源进行很深度的开发等，而是作为一个当前AI产品使用者去支持企业的自身的场景进行赋能，

比如银行业，那么可能更多关注的是针对与客户沟通或者贷后报告快捷生成的应用，而对于品牌商来说，则可能会应用于营销层面的创意图片文案赋能等等。

所以每个企业的核心诉求都不太一样的，但对于当前的AI人工智能的技术应用都值得每个企业去逐步摸索和使用。

本文由 @宇辰一心 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。