埃森哲发布主题为“AI拐点：重塑人类潜力”的《技术展望2024》报告。报告指出，人们身处巨大的技术变革中，其中AI等颠覆性技术正趋于“人性化”，将重塑市场和组织的生产力规则。

人类对技术的设计理念始终未变，只是从先前的以技术为主导转变为现今的以人性化为核心。新一代技术更加契合人类的思维与行为模式，紧密贴合人类的需求与想象力，与生活的方方面面紧密相连。如今，人类已无需再受制于机器的需求和局限，例如在导航时为了避免偏离目标而不得不忍受导航仪的干扰。借助AI等人性化技术，技术将变得更直观和易用，我们可以更加顺畅地优化和释放人类潜能，让技术真正服务于我们的需求，而不是反过来成为我们的束缚。越来越多人也将通过AI等技术，轻松接触和利用技术，扩大获得知识的机会并参与持续创新。

在此背景下，领导者仍会面临产品和服务是否扩大规模、新数据的应用和制定变革策略等问题，此外还会增加新的思考维度：任何监督人工智能？不同人在数字化转型中担当怎样的角色？因此，AI等技术对于众多企业来讲，既是机遇也是挑战。

01人类与数据关系颠覆：从知识到智识的革新

数据是塑造当今数字化企业最重要的因素之一，对于企业来讲是十分珍贵的资源。企业希望客户、员工、合作伙伴和投资者能够找到并使用这些信息。但在现实应用场景中，可能会因为不记得正确的搜索词等，导致无法编写查询，数据只是孤立地存在“数据池”，难以应用。现在，数据和人类的关系正在发生变化，人们从搜索获取数据，变为通过询问人工智能聊天机器人来寻求答案。对于当今的数据驱动型业务来说，生成式AI可以带来不可估量的潜在价值。

数字化企业的整个基础将被颠覆，企业将使用大语言模型顾问，使企业充分利用数据，最终实现数据驱动业务运营。

“顾问”型聊天机器人需要综合大量信息，使用不同的数据模式，才能提供更准确的答案和建议。这要求企业从根本上思考如何收集和构建数据及更广泛的架构，并将人工智能应用于数字化框架中。无论企业数字化的基础如何，大数据模型顾问都需要完整且易用访问的数据基础。

数据图谱是其中最重要的技术之一。它是一种用于表示和分析数据之间关系的可视化工具，核心部分包括节点和边，节点通常代表人、物品、公司等数据实体，边则代表这些实体之间的关系，如购买、合作、关联等。数据图谱的结构能展示数据的复杂网络结构，并允许用户深入探索和分析。

除了数据图谱之外，企业更新重整架构，还需要使用数据网格和数据架构来匹配和梳理企业需要处理的信息。

为了实现从搜索到真正的顾问模式的转变，企业还需要做更多数据培训。通常企业会选择以下模式训练大语言模型：第一种从零训练。但这需要投入大量资源，因此比较少见，常见于领先的人工智能公司；第二种对现有大语言模型进行“微调”。企业借助大型云厂商等数据企业的通用大数据模型，根据特定需求，进行进一步的培训，使其符合自身专业领域的需求。与从头开始训练相比，这种模式的成本明显要低得多，但可能需要对实时性进行一些妥协。此外，微调模式也在不断升级，针对特定场景，企业开始微调小语言模型，这种方法效率更高、运行成本也更低，而且可以更快地进行训练，并用于较小的边缘设备。

最后，构建大语言模型顾问的一种流行方法是提供更具相关性、特定用例信息来关联训练。通常这是通过检索增强生成（Retrieval-Augmented Generation ，RAG）实现 ，它将信息检索系统和生成模型相结合，让模型既能自我训练又能直接使用，通过API即可访问。情境学习和RAG所需的时间和计算资源较少，适合对信息时效性要求比较高的场景，但精确性仍有待验证。

无论企业选择哪种方式或者探索更多的方式构建大数据模型，都必须具备坚实的数据基础和相关语境，否则大数据模型将始终无法达到预期效果。

02探索大语言模型的未来：洞见风险并寻求降低之道

获得大语言模型带来新机遇的同时，企业也要了解相关风险。例如，大数据模型被训练为以高度确定性提供概率性答案，因此有时模型会传达错误信息。此外，数据的安全性和权限等问题也值得关注。

但这些挑战瑕不掩瑜，大语言模型仍然有许多利好。接下来企业需要关注大模型的准确性提升和理性判断。首先，输入到大语言模型中的数据，无论是用于培训还是提示，都应该是新鲜、标签明确且完整客观的高质量数据；其次，数据权限要明确，确保用户有权访问为情境学习而检索的任何数据；第三，生成式AI聊天机器人的输出应该与品牌调性保持一致，确保模型不会回答敏感数据或有害言论，以及不能回答超出其范围的问题，并告知回答的不确定性并提供验证来源；最后，聊天机器人需要持续接受测试和人工监督。

在人类科技发展的关键时刻，生成式AI等技术正成为数据和软件领域的引领者，促使数字化企业深入反思并创新其与客户、员工及合作伙伴的交互方式。