Created by GenAI: Stable Diffusion
這篇文章是我長期在 CIO 經理人雜誌發表的專欄文章之一，之前很多篇有關科技產業投資的議題，近期比較多注意力則是有關生成式AI 的研究心得。
其實，對我來說，科技、教育、學習、人才、企業、創新...這幾個關鍵字，幾乎就是每天的生活 --- 或者也可以說，就是我 Career 的全部，就跟柴米油鹽醬醋茶一樣都是每天不可或缺的食糧。對這些議題有興趣的朋友們，歡迎一起交流....
從玩家到 CEO
2022 年 11月 30 日 OpenAI 正式對外發表 ChatGPT，生成式 AI（Generative AI，簡稱 GenAI）開始加速爆炸性成長。除了 ChatGPT 之外，Midjourney、Stable Diffusion 以及微軟 Copilot、Google Bard …等，越來越多的生成式 AI 工具服務如雨後春筍般蓬勃發展。
除了 ChatGPT 二個月內達 1 億用戶以及 1,750 億參數 LLM 大型語言模型的特點之外，真正讓世人驚豔的其實是，只要以口語化的 Prompt 指令，就可以指揮各種生成式 AI 進行擬人化的對答、撰寫各種專業文件、或是一鍵生成各種程式碼、比美藝術家繪圖的「創作能力」。
如果說未來的能源是「數據」 (Data) ， 未來的動力引擎就是「算力」 (Computing Power) 。生成式 AI 將數據和算力由科學家和工程師手中解放到一般人手中，這是第一次工業革命到目前第四次工業革命以來，人類文明社會總體生產力再一次大躍進。不過，生成式 AI 讓人們驚艷，也開始恐懼，人類是不是真的要被 AI 取代了？
從開始的驚艷、恐懼、疑慮、到目前的理解、接受，短短幾個月，生成式 AI 的目光焦點就已從最早的電腦玩家轉移到企業市場。全球企業 CEO 們開始認真思考：如何運用生成式 AI 的強大火力來加速提升企業創新競爭力？
CXO 眼中的生成式 AI
如果你以為剛開始幾起洩漏營業秘密或資安疑慮的報導，就讓企業 CEO 們對生成式 AI 打退堂鼓，那就太單純了！其實說直白點，這只是欺敵策略，比較高段的企業領導人早就在思考如何超前部署生成式 AI，最好是對手都不敢用，自己可要趕快卯起來研發 — 江湖的水，比你想像得還要深啊！
不要被媒體誤導，讓我們直接看看國際研究機構的研究報告數據：
- 根據高盛研究，生成式 Al 將使全球約 3 億個全職工作自動化，可能取代美國 7% 的工作崗位，使全球 GDP 在 10 年內增長 7% 達 7 兆美元。
- 德勤 Deloitte 針對企業 CEO 的調查顯示，超過一半 55% 表示正在嘗試使用生成式 AI，37% 企業已經開始導入，79% CEO 認為將提高組織效率，高達 82% CEO 認為生成式 AI 將在未來兩年內成為組織競爭優勢的關鍵要素。
- 近期 TECHnalysis Research 另一項涵蓋全球超過 500 家大型企業 CEO 的調查研究更顯示：90% 的 CEO 認為 AI 將在未來五年內成為他們行業領頭羊，78% CEO 認為 AI 技術將幫助他們開發新的產品和服務，85% CEO 已經開始或計劃在未來一年內投資生成式 AI 相關技術。
看了那麼多的報告數據，結論其實只有一個，那就是：大多數企業 CEO 都已經意識到生成式 AI 的重要，縱使仍有若干疑慮，但大多數都已在積極練兵，想要運用生成式 AI 作為提升企業創新競爭力的強大武器。
生成式 AI 在各產業的應用
這些想法，很多已經落實為具體的作法。事實上，已有許多產業開始使用生成式 AI 並獲得不錯的成果，例如：
- 娛樂及媒體業：
最早讓世人見識到生成式 AI 的創作能力就是在影音娛樂產業。Netflix 早就使用 AI 技術來分析用戶的觀看習慣，並根據這些數據推薦相關的節目。近來 “虛擬人”、“虛擬主播”、“虛擬歌手”...等不斷應運而生，Gartner 預估 2030年 將有 90% 影劇創作內容是由 Al 生成的。生成式 AI 或許就是元宇宙的加速器。 - 製造業：
在製造業中，生成式 AI 開始被用於優化生產流程和提高產品質量。例如，通用電氣（GE）使用 AI 技術來預測機器的維修需求，從而減少停機時間和維修成本。根據 Gartner 預估，製造業到 2024 年將有 40% 的企業應用程序使用對話式 AI ，到 2027 年將有 30% 的製造商利用生成式 AI 來提高產品開發效率。這數字可能算是相當保守的預測。 - 零售業：
與消費者體驗有關的零售業，生成式 AI 很早就開始被應用。除了電商在 SEO、關鍵字廣告、虛擬人行銷...之外，也可以根據消費者的購物習慣生成個性化的推薦以提高銷售轉換率。亞馬遜也很早就使用 AI 技術分析消費者的購物記錄，提供個性化的商品推薦，從而提高銷售成效。未來生成式 AI 在商務上的創新應用，想必會是越來越豐富的。 - 觀光旅遊：
疫情後，觀光旅遊業開始報復性增長。生成式 AI 可以輕易根據旅客的偏好和旅行記錄生成個性化的旅遊建議。例如，Airbnb 使用 AI 技術來分析旅客的預訂記錄，並根據這些數據推薦相關的住宿及旅遊行程的選擇。以後每個人都配備有虛擬的私人導遊其實也不用太過訝異了。 - 醫療保健業：
生成式 AI 可以根據患者的數據生成個性化治療方案，提高治療效果。例如， DeepMind 公司已經開發出可以預測患者的疾病進展的 AI 系統，幫助醫生制定更有效的治療計劃。Gartner 預估到 2025 年有超過 30% 的新藥和新材料使用生成式 AI 發現。Insilico Medicine 在短短 18 個月內就透過生成式 AI 從新靶點發現轉變為臨床前候選藥物，預算僅為 260 萬美元。 - 銀行金融業：
銀行和金融機構正在積極使用生成式 AI 進行風險評估、投資策略制定等。JP Morgan Chase 使用 AI 技術分析金融市場的數據，預測股票的價格走勢，幫助投資者做出更明智的決策。麥肯錫估計生成式 AI 將在欺詐檢測、交易預測和風險因素建模中得到應用，每年可額外創造 2,000-3,400 億美元的經濟價值。
當然不限於上述產業，從新創公司、中小企業、一直到世界 500 強，許多企業領導人都在不斷探索：如何使用生成式 AI 的強大火力來提升企業創新競爭力？
企業如何應用生成式 AI
麥肯錫調查指出，企業目前運用生成式 AI 約有 75% 集中在客戶營運、行銷業務、軟體工程和研發。Gartner 對 2,500 名企業高管進行的另一項調查顯示，想要運用生成式 AI 在改善客戶體驗和留客率、推動收入增長、以及優化成本結構的應用上。
讓我們看看目前已有的例子：
- 客戶服務：通過 Chatbot 聊天機器人提供即時且擬人化的客戶互動。
- 個性化產品和服務：運用生成式 AI 根據消費者的喜好和行為數據，生成個性化的產品或服務建議。
- 市場行銷：自動生成廣告、行銷文案等，減少人工創作的時間和成本。
- 個性化體驗：根據每位用戶的喜好和行為自動生成個性化的內容或推薦，提供更加個性化的用戶體驗。
- 優化生產流程：以生成式 AI 預測機器維修需求，從而減少停機時間和維修成本。
- 自動化工作流程：以生成式 AI 自動生成腳本或程式碼，幫助企業自動化某些任務從而提高效率。
- 履歷分析：以生成式 AI 進行自動化面試以及履歷篩選分析等工作。
- 金融市場分析：銀行和金融機構使用生成式 AI 分析金融市場數據，預測股票價格走勢或風險評估，從大量數據中挖掘出隱藏的模式和趨勢。
- 數據驅動決策：生成式AI幫助企業從大量數據中提取有價值的洞察，從而做出更明智的決策。
- 模擬與訓練：以生成式 AI 模擬真實世界的情境，幫助企業在無風險的環境中進行訓練或測試。
- 風險管理：模擬各種業務情境和風險，幫助企業更好地預測和管理風險。
- 專利分析：以生成式 AI 自動檢索和分析現有的專利，找出可能的侵權風險或新的技術趨勢。
生成式 AI 加速企業創新轉型
當然，我相信此刻肯定還有其他無數的生成式 AI 企業應用正在研發中。不過，我個人認為，生成式 AI 與以往鑑別式 AI 的最大差異不在於「分析力」而是在於「創造力」。如何善用生成式 AI 的高度創造力來加速企業創新，才能發揮生成式 AI 最強大的火力，例如：
- 創新商業模式：生成式 AI 不僅可以提高現有業務的效率，還可以創造全新的商業模式和收入來源。你曾思考過如何在一天之內提出超過 100 種以上的創新商業模式構想嗎？
- 產品設計與原型製作：生成式 AI 可以自動生成新的產品設計或建議改進現有設計的方法，從而加速產品開發過程。一天之內創建出 100 種新的產品設計雛形似乎並不是太困難的事情？
- 研究與開發：在高度技術密集的藥物開發或材料科學等領域，生成式 AI 已經可以預測新的化合物或材料的性質從而加速研究過程。一天生成數百種 IC 設計？看來已經不是那麼不可思議了。
你曾想像過如何在一天之內使用生成式 AI 創建出 100 種可能的商業模式？寫出 100 份 BP？開發出 100 種新商品雛形？模擬分析在 100 個市場上的銷售狀態？產生 100 個可能的虛擬競爭對手來檢驗自己的商模？瞬間產生 100 份世界各國專利？....
不用懷疑，這些狂野的創新想法，我都已經親自動手實驗過，而且確實可行。
有興趣了解如何指揮生成式 AI 的各種 Prompt 嗎？要成功指揮生成式 AI 加速企業創新轉型，你需要的不只是「提問力」，而是更豐富的「想像力」！我們下次聊。
