正在播放国产一区_亚洲精品字幕在线观看|HD中文字幕在线播放,少妇莹莹的放荡生活,日韩欧美综合一区,国产欧美一区二区三区96精品

面對生成式AI工具的普及，許多企業雖已嘗試應用，但實際效果常常不盡如人意，這也是當前企業的普遍現狀，生成式AI驅動的生產力尚未真正形成。邁向2025年，企業如何突破瓶頸，做好準備，打造全方位領先的AI組織？

近日，明略科技集團創始人、董事長兼CEO吳明輝在青騰大學（TencentX）的一場主題授課中就此話題分享了深刻見解。

｜我們的AI落地實踐

2019年，我在北京大學攻讀博士學位。那時，我在學校已經開始研究大模型，但它還僅僅是出現在研究綜述的方法之一。直到2023年，ChatGPT引起大眾關注，我開始高度重視這一領域，帶領團隊全面擁抱大模型。面對這項新技術，和多數人一樣，起初團隊的響應并不熱烈，許多同事仍在觀望。后來，我帶領一個小型研發團隊，開發了“小明助理”Copilot（這也是目前我們全員都在使用的AI工具，同時也已經服務于多家企業客戶）。2023年7月底開發時，它的主要使用群體還是我們的產研同學，其他同事大多不會編寫提示詞（prompt），也不知道這個工具對自己有什么用。

轉機出現在十一假期過后，我們舉辦了一場大模型競賽。在競賽開始前，我們組織了一場全面的培訓，向大家展示如何使用prompt和對話流程。大家突然意識到，這個工具不僅易于使用，而且適用于所有人，不光是技術人員。到了十一月底，我們的日活躍用戶已經上升到70%，我們在AI提高生產力的道路上邁開了第一步。

如果只懂得編寫單一的prompt，那么生產效率仍難以實現大幅提升。我們還需要將一些復雜而枯燥的任務，通過agent模式實現出來。完成工具普及之后，我們開始著手進行更高階的工作——教大家如何開發agent。

令人振奮的是，除了研發團隊之外，其他同事在接受培訓后也能編寫agent了。我們的HR團隊搭建了用于招聘、面試和簡歷分析的agent，并且已經非常活躍地使用起來。現在我自己還在使用一個CEO和高管團隊的專用agent。

像我們的銷售和售前團隊擁有大量的歷史文檔庫，如何讓新加入的銷售同事快速了解公司產品，以及客戶的業務范疇，幫助他們從公司現有的資料庫中找到最適合提案的內容？現在這些都可以通過agent實現。

除了研發團隊，我們還有一支龐大的隊伍——數據分析師。上一代AI很多東西分析得還不夠好，需要分析師手動打標簽、深度挖掘分析。但現在，AI已經能夠更加自動化地執行許多任務，分析師們的部分工作也可以通過AI來完成。

從服務客戶的角度來看，過去，我們主要服務于世界五百強等大型企業，隨著AI技術的不斷深入，我們現在也有了更多服務中小企業的機會。

｜突破營銷生產力瓶頸

生成式AI興起后，我們提出了一個新概念——生成式營銷。我們與國內市場營銷領域的頂尖院校——復旦大學管理學院聯合發布了行業報告，解讀生成式營銷的價值和應用，生產力與生產關系在當下有了更深層次的實踐意義。

以我們所在的廣告營銷行業為例，廣告營銷的核心生產流程包括：消費者洞察、廣告創意制作與生成，以及傳播策略，包括媒介采買和觸點設計。首先，我們需要結合消費者洞察，了解目標消費者群體，制定廣告策略；其次，我們要制作相應的廣告內容，包括傳統硬廣，社媒種草，以及在自有的官方渠道生成私域內容；最后，我們需要將內容投放出去，涉及到流量采買和投放控制。

目前，營銷生產力的瓶頸在于，盡管互聯網廣告已經實現了千人千面的推送，但絕大多數企業仍在發布相同的內容。企業知道應該根據不同消費者群體進行個性化溝通，但缺乏多樣化內容的生產能力，而內容生產需要懂內容的專業人士，成本高昂。

面對生成式AI工具的普及，市場部可能會嘗試使用AI工具，但許多同事可能會告訴老板這些工具并不太好用，這是大多數企業當前的狀態，也是我說的生產力尚未形成。只有當這些瓶頸被突破，新的生產關系才能算真正形成。

｜準備好你的“X”

我們常說，y=f（x），大模型是函數f，是推理系統。當你希望用它提升生產力時，你需要輸入x，也就是那些真正有助于輸出目標y的核心信息。你可以將這些信息寫入prompt中，或者使用其他方法。但如果沒有x，就不太可能生成一個合格的y，這是基本的原理。

2024年，大模型f本身在不斷進步，最大的進步是多模態能力得到了顯著增強。這意味著我們在提供信息時，不再局限于文字prompt，還可以提供圖片、視頻作為輸入。我們也開發了用于廣告營銷場景的多模態大模型。

許多企業在廣告投放前需要進行測試，確保廣告片不會引起消費者的負面感受。以前，我們會邀請消費者前來觀看廣告片，并通過傳感器和多目攝像頭，監測消費者的腦電變化和眼球注意力，幫助客戶提前測試廣告可能引發的消費者情緒變化。如果情緒反應正面，廣告可以正常投放；如果不是，就需要進行修改。因為投放廣告的成本遠高于制作廣告的成本。

今天，我們可以讓AI代替消費者觀看廣告，并讓不同的AI扮演不同的角色。我們研發的超圖多模態大語言模型（HMLLM）不僅可以預測消費者情緒反應，還可以進行對情緒產生的原因進行描述，向品牌主解釋消費者為何情緒高漲或低落。我們的研究在今年全球人工智能頂級會議ACMMM上獲得了最佳論文提名。論文獲獎的核心原因在于，我們認為情感反應是由觀看者這個主體決定的，我們采用了一種新的視角來實現AI情感理解，并能根據不同群體的屬性進行分析。

當前，許多企業都在做社媒種草，甚至有些企業已經實施全員營銷策略（KOS種草）。特別是擁有線下門店的企業，擁有成百上千的銷售團隊，企業鼓勵全員參與小紅書文案創作和抖音、視頻號的內容發布。

當你動員一千人去發布帖子時，可能會遇到幾種情況。有些員工可能并不會發布，或者發布的質量不高。還有一種情況是，雖然內容質量很高，但發布的是相同的帖子。對于同質化的帖子，平臺無法收錄，企業也就無法實現種草效果，吸引流量。

從營銷的角度來看，AI生成內容存在一個矛盾，那就是需要在內容的數量和質量之間找到平衡。內容多元化的前提是精細化的洞察，企業在了解產品專業知識的基礎上，還需要掌握消費者的情緒、注意力以及他們喜歡的內容。在這方面，多模態同樣能起到重要作用。

例如，在奧運會之后，高考發榜成為網絡熱點。運用多模態技術，我們可以發現真正的爆帖并沒有直接提及錄取通知書，而是采用了配圖來呈現。如果僅使用單一模態，便難以挖掘到相關爆帖和流量趨勢。

除了外部社交媒體上消費者討論的內容，企業知識也同樣重要。比如業務數據、員工個人構建的知識體系，以及外部專業知識等等。

在y=f(x）的基礎上，我們還引入了另一個變量z，即效果監測。通過了解內容發布后的表現，比如轉發、評論和點贊情況，以及廣告投放后的點擊率和后續轉化行為，我們可以利用這些數據進一步迭代和優化品牌的營銷策略。

｜讓員工充分用起來

讓每個人都能使用AI至關重要。即使AI工具提供了很多功能，也不一定能保證大家都會去使用，這是當下許多團隊面臨的現實問題。我在這里分享一些底層邏輯的思考，這些思考源自于前百度首席產品架構師俞軍老師提出的一個公式：產品價值=（新體驗-舊體驗）-替換成本。

大家可以思考兩點：第一，新工具與舊工具相比，能力提升和體驗改善有多大？如果差距很小，用戶可能不太愿意去使用；第二，替代成本有多高？

目前有兩種AI工具形態，一種是“agent”，可以一次性完成多個任務，相當于將復雜的工作流程，通過一個指令完整地執行；另一種是“copilot”，可以讓AI與現有工具聯系起來，極大地降低替代成本。

最后，我想借用一套理論來說明生成式AI的生產力轉化路徑，企業要以組織能力為中心，自上而下推動，培養員工思維，提升員工能力，并重視員工治理，讓每個員工了解生成式AI背后的道理，并提供與之相適應的工具、組織架構，以及文化環境。