2024年是衡量生成式AI投资回报的关键之年

研究表明，就受欢迎程度和存在程度而言，2023年是生成式AI的丰收之年。从提高生产力到创建书面内容，这种智能工具带来的可能性引起巨大的轰动。2024年将是生成式AI的衡量之年，因为人们将超越大型语言模型(LLM)的技术能力，并研究它们如何影响损益。

许多组织都希望从AI获得更多的回报。根据Forrester在2023年9月发布的AI脉动调查报告，62%的公司在明年将尝试(29%)或扩展(33%)他们的生成式AI战略。面向2024，Language I/O产品副总裁Chris Jacob概述了三个以AI为重点的预测：组织领导者如何应对AI的影响，数据为何会再次成为主角，以及聊天机器人技术的改进将如何提供更人性化的体验。

组织领导者在采用AI方面越来越有经验

AI正在迅速改变人们的生活和工作方式，一些组织领导者认识到，有必要做出数据驱动的明智决策。2024年，决策者将探索如何最好地衡量AI工具的好处。一旦他们确定了用于这些评估的指标，他们将深入挖掘生成AI工具的投资回报率，以评估对组织的贡献。

随着领导者找到收集和利用AI产生的数据的方法，预计现有技术将会增强，从而推动对这些工具的进一步投资。根据麦肯锡的研究，由于这些发展，40%的组织已经计划增加对AI的整体投资。

这些组织看到了AI的价值，它可以通过将人类执行的任务实现自动化来改善流程，从而减少工作量、节省时间、减少错误。越来越多的组织也在利用AI的能力，通过提供个性化的内容和推荐来增强客户体验。为了最有效地利用这些AI工具，更多的领导者将采取下一个关键步骤，而不仅仅是观看技术演示和概念验证，将它们深入整合到组织现有的系统中。

生成式AI使用让数据将重新成为主角

如今，生成式AI使用量激增，79%的受访者表示他们接触过生成式AI，近四分之一(22%)的受访者表示他们经常在工作中使用。这些数字表明，生成式AI正在成为组织的筹码，而不仅仅是锦上添花，并且将变得越来越有必要保持竞争力。

然而，当涉及到AI的实施时，组织领导者应该谨慎行事，因为生成式AI的输出并不总是准确的——例如一些测试表明，生成式AI的准确度为3%到27%。ChatGPT可能会编造一些东西，并且在没有安全指南或强大的数据集的情况下使用生成式AI来填补培训数据中的空白，可能会给组织带来风险，例如提供误导性信息。

尽管存在这些风险，但只有21%采用AI的组织制定了有关人们如何在工作中使用生成式AI的政策。这些安全防护措施包括强制性的事实核查，禁止向AI提示敏感或专有信息，以及道德内容创建的最佳实践。

然而，随着技术的不断发展，并为组织提供竞争优势，那些过度担心风险和犹豫利用AI力量的组织将被抛在后面。

还记得有关数据输入和输出的“垃圾进，垃圾出”这句名言吗？它也适用于LLM和生成式AI。两者都依赖数据来提供输出，因此期望重新强调数据质量，以便从训练数据生成的输出尽可能准确、干净和可靠。有了强大的数据集和可靠的调优过程，组织可以避免输出不准确的陷阱。

AI聊天机器人摆脱“恐怖谷”是关键

“恐怖谷”是指科技和人类并没有完全融合的一个空间。这种介于两者之间的空间既吸引人又让人抵制，这就是AI目前所处的位置。LLM擅长模仿人类，有时很明显是在鹦鹉学舌，虽然很像但不是并完全逼真，这对一些人来说，他们感到被愚弄因此反感生成式AI。

对于客户服务机器人等关键的消费者接触点来说，犯错的余地非常小。这种有些令人反感的“恐怖谷”可能会迅速破坏原本顺利的交易。然而在未来几年，随着聊天机器人沟通能力的不断完善，它们输出的内容与真正的人类几乎无法区分，因此这种差距将会显著缩小。然而，这种完美可能并不像人们想象的那样明显。

人们可能会将AI的功效与“完美”的人类反应进行比较，但什么是完美的反应呢?将同一文本交给三位才华横溢的翻译人员，不可避免地会产生三种细微差别和措词不同的优秀译文。这三个翻译结果都可能是“完美”的，但并不会完全匹配。用不了多久，人们就会看到AI的类似输出。它可能不是完美的输出，但将提供与可接受的人类反应相同的场景和信息。而定义和衡量聊天机器人与客户的沟通能力将是2024年的关键。

AI帮助聊天机器人更好地与客户沟通，但沟通只是其中的一部分。客户正在寻找与聊天机器人互动的结果。根据Gartner最近进行的一项研究，在客户服务互动中使用聊天机器人的客户中，只有25%的人表示会再次使用聊天机器人。从这个数字中可以得出结论，聊天机器人目前的能力并不能完全满足许多用户的需求。

AI可以让员工的工作和生活更轻松、更高效，同时也能改善客户体验。然而，组织需要安全地将专有数据合并到流程中，从而为客户和组织带来更好的结果。虽然风险很高，但负责任的AI使用将增强团队的流程和生产力，使组织和最终用户受益。

总之，Jacob认为2024年是AI的衡量之年。投资回报率将被衡量，其结果将决定AI的组织命运。预计这项技术的持续改进和发展将最终导致广泛的采用，并带来人们想象的商业用例。