中新經緯2月27日電 題：生成式AI如何提升企業運營效率和收益？

　　作者 竇德景 復旦大學特聘教授

　　在當下數字化快速發展的背景下，生成式AI正逐漸成為眾多企業尋求內部運營優化與收益增長的關鍵力量。摩根士丹利預測，生成式AI2025年就能實現正回報，2028年收入有望突破萬億美元。

　　生成式AI能夠創造大量的商業化應用場景，盡管目前大模型公司大多還在貼錢提供服務，且尚未有完全依靠其自身實現大規模盈利的APP，但這并不妨礙它對生產效率的巨大推動。以GPT-5為例，它被普遍視為達到通用人工智能(AGI)的重要標志。這一突破性的發展為企業與各行各業的深度融合提供了強大基礎，接下來如何基于此進行優化和落地應用，才是各企業需要重點思考的問題。

　　首先，從水平應用場景來看，生成式AI對各類行業的內部運營效率提升有著立竿見影的效果，并有助于提高收益。以人力資源管理為例，筆者曾負責的項目是為某企業打造社保知識機器人。這一項目的目標是為企業員工解答社保方面的常見問題，如不同地區的社保政策、補繳政策等。在項目初期選用了一個開源的、參數為60億的某模型，這是出于對客戶有限的預算的考慮。原本這個開源模型在回答社保政策相關問題時表現并不專業。然而，筆者在僅經過5小時的微調和1萬次訓練后，就將這個開源小模型成功訓練成了能夠專業解答社保政策問題的智能系統。這一成功案例足以證明生成式AI可以以較低的成本和較短的時間投入，為企業的人力資源管理帶來顯著的效率提升，減輕人工負擔，讓人力資源部門可以將更多精力投入到更具創造性和戰略性的工作中，間接為企業創造效益。

　　其次，在業務稽核領域，特別是在隱私號對話場景中的應用。以電商外賣行業為例，外賣小哥與客戶之間的對話偶爾會產生矛盾，甚至可能出現違規騷擾等嚴重問題。對于隱私號提供商而言，及時發現這些問題至關重要。傳統的稽核方式往往依賴于人工審查和基于規則的設備，不僅效率低下，而且容易出現漏網之魚。但在引入生成式AI大模型后，其對對話內容的分析準確率和問題召回率都得到了極大程度的提高。這意味著潛在的風險能夠更早被識別并解決，從而避免了可能的法律糾紛、客戶投訴以及品牌形象受損等問題。從收益的角度來看，這為企業減少了潛在的損失，保障了平臺的穩定運營，同時提升了客戶滿意度和忠誠度。

　　另外，在市場營銷方面，大模型的應用也給企業帶來了新的機遇。眾多企業都需要開展VOC(Voice of Customer)工作。以往，企業需要依賴大量的年輕人來完成對產品上市后的客戶反饋收集和整合工作，這個過程耗時且容易出現數據偏差。而現在，生成式AI憑借其強大的數據分析和整合能力，可以更快速、準確地收集相關信息和數據，并以更清晰的方式表達觀點，為企業提供有價值的客戶洞察。通過對客戶需求的及時把握和精準決策，企業能夠優化產品設計、制定更貼合市場需求的營銷策略，從而提高產品的市場占有率和企業盈利能力。

　　最后，許多企業也在探索利用大模型來替代一些銷售助手的工作。在實際操作中，大模型的效果顯著，不僅能夠在與客戶的交互中提供準確、專業的解答，還能根據客戶的需求和特點為其提供個性化的保險方案推薦，大大縮短了銷售周期，降低銷售成本，提高了銷售轉化率。例如一家藥企，每年在中國有3000多名醫藥代表，新藥上市時需對代表進行培訓，以往整個培訓過程需一年時間，且花費大量人力和資源。運用生成式AI模擬醫生與醫藥代表的對話，培訓效率和效果大幅提升，顯著節省了時間和成本。生成式AI憑借其強大的功能，從多個維度為企業的內部運營帶來了巨大變革。雖然目前的商業應用尚在探索盈利階段，但從提升運營效率和降低成本的層面，為企業帶來了顯著的收益，在各個行業的落地應用也將為企業的長遠發展提供有力支撐。(中新經緯APP)

　　中新經緯版權所有，未經授權，不得轉載或以其他方式使用。

責任編輯：孫慶陽