導讀
5月20日晚，智次(ci)方創始人彭昭再次(ci)與AI4C應用(yong)研究院管(guan)震連麥，圍繞(rao)“AI驅(qu)動：企業數字(zi)化(hua)變革的(de)新引擎(qing)”主題展開對話。
隨著上周AI加持(chi)下(xia)的(de)產業數字化變(bian)革(ge)與創新(xin)討(tao)論的(de)深(shen)入(ru)(點擊(ji)此處查看(kan)往(wang)期文章)，AI到底會給業務帶來(lai)何變(bian)化、應用(yong)是(shi)否會進入(ru)深(shen)水區、應該走怎樣的(de)應用(yong)模式、中小(xiao)企業如何起步等(deng)問題(ti)進一步浮出水面。
5月20日晚，智次方創始人彭昭再次與AI4C應用研究院管震連麥，圍繞“AI驅動：企業數字化變革的新引擎”主題展開對話。
以下根據(ju)直播(bo)訪談內容整理：
大模型會對業務環節產生哪些影響
彭昭：哈嘍，大(da)家好，我們今天還是繼續討論(lun) AI 驅動的(de)(de)(de)數字(zi)化變革。第一個問題就是以 GPT 為代表的(de)(de)(de)大(da)模型對未來的(de)(de)(de)業(ye)務(wu)會(hui)產(chan)生什么樣的(de)(de)(de)影響?業(ye)務(wu)層面涉及到像(xiang)研(yan)發、生產(chan)、銷售、服務(wu)等環節，這些環節是不(bu)是都會(hui)被(bei)改(gai)造?
管震：如(ru)果(guo)我們接著上周討論(lun)的(de)(de)內容，當時我在這個(ge)白(bai)板上畫(hua)過一(yi)張(zhang)圖，其實(shi)每(mei)個(ge)環(huan)(huan)節(jie)里面都可能(neng)對不同(tong)的(de)(de)地方產(chan)生(sheng)效率提升，這是顯(xian)而易見的(de)(de)。因(yin)為它(ta)本(ben)身是一(yi)個(ge)語(yu)言(yan)模型，所以但凡涉及到跟(gen)(gen)文書(shu)工作相(xiang)關(guan)的(de)(de)、跟(gen)(gen)文字和符號傳遞相(xiang)關(guan)的(de)(de)(從上游傳遞到下游)、跟(gen)(gen)語(yu)言(yan)處理(如(ru)歸納(na)、演繹(yi))相(xiang)關(guan)的(de)(de)，這些環(huan)(huan)節(jie)其實(shi)都會產(chan)生(sheng)影響。
只不過現(xian)在讓人著(zhu)迷的是(shi)我(wo)們都不清楚到(dao)底(di)他能(neng)夠走到(dao)哪(na)一步。我(wo)舉個例子就是(shi)大家都能(neng)看到(dao)的客服，一早就被看中了(le)(le)(le)(le)，像轟炸機一樣就轟進(jin)(jin)去(qu)了(le)(le)(le)(le)，我(wo)們做個聊天機器人，原(yuan)來要做知識(shi)圖譜，要做語義(yi)理(li)解，要做多輪對話，現(xian)在不用了(le)(le)(le)(le)，我(wo)們直接上大模(mo)型(xing)就可以搞定(ding)了(le)(le)(le)(le)。然后再(zai)做一些embedding，再(zai)做嵌入，就可以把自己的知識(shi)庫灌(guan)進(jin)(jin)去(qu)了(le)(le)(le)(le)，反正回答(da)得好回答(da)得不好，回答(da)得準(zhun)不準(zhun)確(que)，也無(wu)所謂，所以很快就能(neng)融入進(jin)(jin)去(qu)。
這(zhe)(zhe)個(ge)(ge)(ge)是比較淺層次(ci)的(de)，我們(men)在(zai)應(ying)用(yong)上面很(hen)快就能看(kan)到(dao)，那么(me)接下(xia)來(lai)，在(zai)很(hen)多(duo)(duo)行業里面，只要跟(gen)剛才舉的(de)這(zhe)(zhe)個(ge)(ge)(ge)例子(zi)相關的(de)，我相信進到(dao)這(zhe)(zhe)個(ge)(ge)(ge)直(zhi)播間來(lai)的(de)朋友，應(ying)該(gai)多(duo)(duo)多(duo)(duo)少(shao)(shao)少(shao)(shao)都有(you)感受(shou)，所以(yi)我就不(bu)再(zai)重(zhong)復去講這(zhe)(zhe)個(ge)(ge)(ge)比較淺層次(ci)的(de)應(ying)用(yong)了。
現在稍微深一點的、讓大家覺得有意思的應用在第二輪。如果我們假設大模型它真的是作為一個對符號、對語言的抽象，那么人類的文明，無論它現在是機器，還是不是機器，是跑在信息系統里面的，還是不是跑在信息系統里，是跑在什么樣的抽象的耦合系統里面的，這些其實都是符號、數字、公式等抽象的集合。那么道理上講，但凡給它個學習的機會，它不就是能夠比人快100倍的去處理這些信息，并且能夠產生效益嗎?
所以(yi)(yi)如(ru)果(guo)我(wo)們回到(dao)剛才提的問題，無(wu)論是(shi)哪個(ge)(ge)環(huan)節(jie)，它是(shi)研發、產(chan)品設計(ji)、采(cai)購、市場調研、計(ji)劃、排(pai)產(chan)，還包括設備，每個(ge)(ge)環(huan)節(jie)里面(mian)其實都是(shi)對前面(mian)那個(ge)(ge)環(huan)節(jie)交(jiao)付的一(yi)堆信(xin)息的處(chu)理，并且交(jiao)付到(dao)下一(yi)個(ge)(ge)環(huan)節(jie)，如(ru)果(guo)我(wo)們現在(zai)嘗試(shi)去(qu)抽象(xiang)這(zhe)(zhe)個(ge)(ge)過(guo)程的話，它其實就(jiu)做這(zhe)(zhe)件事(shi)情。那以(yi)(yi)GPT為代表大模型道理上在(zai)未來，可(ke)能明天，可(ke)能一(yi)周或(huo)者(zhe)一(yi)年之后(hou)，干得(de)比我(wo)們快得(de)多(duo)。這(zhe)(zhe)個(ge)(ge)就(jiu)讓人著迷了，那如(ru)果(guo)用現在(zai)的GPT，或(huo)類似(si)GPT這(zhe)(zhe)種(zhong)模式(shi)，我(wo)們能干成多(duo)少事(shi)情?能干成什(shen)么樣?
第二(er)種(zhong)是有很多在(zai)做不(bu)同領(ling)域的(de)(de)專家也在(zai)思(si)考現在(zai)的(de)(de) GPT能(neng)否被應用(yong)于(yu)他(ta)們(men)的(de)(de)領(ling)域。 它不(bu)能(neng)硬套在(zai)各個(ge)領(ling)域里(li)面，但GPT的(de)(de)一些思(si)維、模式、思(si)路確實很好，比如可以(yi)(yi)用(yong)于(yu)對工業(ye)場(chang)景的(de)(de)理解，可以(yi)(yi)用(yong)于(yu)未來產品(pin)新(xin)品(pin)的(de)(de)研發(fa)，也可以(yi)(yi)用(yong)于(yu)(有些可能(neng)是我們(men)自己(ji)在(zai)瞎想)未來的(de)(de)一些新(xin)的(de)(de)工作機會的(de)(de)創造。
原來我們單獨朝(chao)一個(ge)(ge)方向想、到最后就(jiu)是死胡同的(de)那種思路，豁然開朗成為(wei)現在(zai)這(zhe)種更(geng)發散，或者叫做(zuo)用多模態的(de)思維方向去做(zuo)這(zhe)件事，這(zhe)個(ge)(ge)是讓(rang)人著迷的(de)事，當然同時它也是個(ge)(ge)謎。到目前為(wei)止，有(you)多少人真(zhen)的(de)把(ba)這(zhe)件事做(zuo)出來了(le)呢?我覺(jue)得還需要(yao)等待一段(duan)時間(jian)，但(dan)非常有(you)意思的(de)時間(jian)點到了(le)。
大模型在工業領域是否將進入深水區
彭昭：四月份(fen)的(de)時候(hou)看到一(yi)個新聞，說(shuo)西(xi)門(men)(men)子(zi)和微軟(ruan)將加強(qiang)合(he)作，利用生(sheng)成(cheng)式(shi)AI推動工業(ye)生(sheng)產(chan)力發展，兩(liang)家公(gong)司(si)正在將西(xi)門(men)(men)子(zi)用于(yu)產(chan)品生(sheng)命(ming)周期管理(li)(PLM)的(de)Teamcenter?軟(ruan)件與微軟(ruan)的(de)協作平臺Teams和Azure OpenAI服務中的(de)語言(yan)模型以及其他Azure AI功能(neng)集(ji)成(cheng)。兩(liang)家公(gong)司(si)在合(he)作開發可編程邏輯(ji)控制器 (PLC) 的(de)代碼(ma)生(sheng)成(cheng)工具，ChatGPT 將用于(yu)通(tong)過自(zi)然語言(yan)輸入生(sheng)成(cheng) PLC 代碼(ma);另外還在研發能(neng)夠更好地發現生(sheng)產(chan)缺陷的(de)系(xi)統，結(jie)合(he)微軟(ruan)Azure機器學習和西(xi)門(men)(men)子(zi)的(de)Industrial Edge。
之前大(da)模(mo)型的(de)(de)應用(yong)都(dou)(dou)是(shi)(shi)在(zai)聊天機器人都(dou)(dou)比(bi)較淺層次的(de)(de)應用(yong)，那這個合作已(yi)經深層次進入到(dao)了業務和設(she)備(bei)層面，以前這些大(da)家都(dou)(dou)是(shi)(shi)不愿意公開的(de)(de)，這是(shi)(shi)不是(shi)(shi)意味(wei)著大(da)模(mo)型在(zai)工業領域開始(shi)深入到(dao)深水(shui)區?未來在(zai)工藝流程、設(she)備(bei)、質(zhi)量等方(fang)向上(shang)會有更多深度(du)應用(yong)?
管震：對這個問題我有兩個方面想和大家聊。
第一個方面是關于方向。我和AI4C研究院的同事們，還包括后來一個叫做 AI Copilot(副駕)的團隊，都是從微軟出來的精英們。那么一開始定位我們想干的事情，就肯定不是說大家都會的那件事，我們就想深入進去看看在制造業領域里面，在一些數據密集的場景當中能做什么樣的事。這件事我們就算是往前走了一點點，也不能說是走通了。我舉個例子，在此之前先給給大家介紹一下，我本身是廣東省工信廳聘請的工業互聯網專(zhuan)家(jia)，也(ye)是廣東省首(shou)批制造業數字(zi)化轉型專(zhuan)委(wei)會(hui)專(zhuan)家(jia)，和(he)團(tuan)隊在制造業方面做了(le)一些探索。
好多(duo)工業(ye)互聯網平臺(tai)都提到一(yi)(yi)件(jian)事，要做數據(ju)(ju)采(cai)集(ji)(ji)。但(dan)凡你是做制(zhi)造業(ye)，泛制(zhi)造業(ye)包括說(shuo)大工業(ye)場景里(li)面，無論是風機也(ye)好，還是一(yi)(yi)些智能產品也(ye)好，相信數據(ju)(ju)采(cai)集(ji)(ji)你已(yi)經做過很多(duo)了。但(dan)數據(ju)(ju)采(cai)集(ji)(ji)上(shang)來干什么?這件(jian)事情一(yi)(yi)直是個(ge)謎一(yi)(yi)樣，非常神奇。
數(shu)據采集完之后呢，原來我們(men)提出了(le)各種各樣的(de)模型，針對不(bu)同(tong)的(de)業務場景中的(de)一些不(bu)同(tong)業務目標(biao)，包括像預(yu)測性維護。比如說你開(kai)(kai)的(de)車，4S店讓你回去的(de)時(shi)(shi)間(jian)點和你把車開(kai)(kai)壞的(de)時(shi)(shi)間(jian)點之間(jian)選一個折中的(de)時(shi)(shi)間(jian)點，這樣可以在財務和效益(yi)之間(jian)取得更好的(de)平(ping)衡。
另(ling)外我(wo)們也(ye)可以做一些(xie)(xie)對(dui)于(yu)業務上面的調優(you)。比如原來我(wo)們跟上海不(bu)工(gong)軟件合(he)作過好(hao)幾年，做這種高級(ji)排程系統(tong)，就是(shi)(shi)(shi)企業里面用(yong)的APS。可是(shi)(shi)(shi)高級(ji)排程系統(tong)它其(qi)實有很多依存關系，包括機器(qi)設備的狀態好(hao)不(bu)好(hao)，現在(zai)招的人現在(zai)是(shi)(shi)(shi)什么水平，能(neng)不(bu)能(neng)勝任(ren)那(nei)個工(gong)作，這些(xie)(xie)都是(shi)(shi)(shi)做好(hao)一個計劃的約束條(tiao)件。無論(lun)是(shi)(shi)(shi)采購的計劃，還是(shi)(shi)(shi)排班的計劃，都要依賴這些(xie)(xie)因素。
所以在一些(xie)特定(ding)的(de)(de)(de)場景(jing)下其實做(zuo)了(le)一些(xie)或者說(shuo)能(neng)做(zuo)一些(xie)，能(neng)夠解決某些(xie)特定(ding)問(wen)題(ti)的(de)(de)(de)事情。但(dan)是(shi)一直解決不(bu)(bu)(bu)了(le)的(de)(de)(de)問(wen)題(ti)是(shi)，如果我(wo)們從更高的(de)(de)(de)層面來看這(zhe)個場景(jing)，我(wo)們總是(shi)在想，對于工業領域(yu)有沒有這(zhe)樣的(de)(de)(de)大(da)模(mo)(mo)型(xing)，能(neng)夠幫我(wo)們去多模(mo)(mo)態的(de)(de)(de)處理各(ge)(ge)(ge)種各(ge)(ge)(ge)樣的(de)(de)(de)數(shu)據?當然(ran)它(ta)(ta)不(bu)(bu)(bu)是(shi)真(zhen)的(de)(de)(de)去處理聲音、文(wen)字、圖(tu)片，但(dan)是(shi)又包(bao)括(kuo)聲音、文(wen)字、圖(tu)片，也(ye)包(bao)括(kuo)從不(bu)(bu)(bu)同(tong)(tong)設備(bei)、不(bu)(bu)(bu)同(tong)(tong)系統里來的(de)(de)(de)各(ge)(ge)(ge)種數(shu)據;它(ta)(ta)去理解不(bu)(bu)(bu)同(tong)(tong)的(de)(de)(de)這(zhe)個業務(wu)(wu)邏(luo)輯，業務(wu)(wu)邏(luo)輯它(ta)(ta)本身它(ta)(ta)代表著業務(wu)(wu)模(mo)(mo)型(xing)，原來我(wo)們都得單獨(du)建模(mo)(mo)。
曾經我(wo)和上海不(bu)工軟件的人有(you)過如下一段對(dui)話：
上海不工軟件：我(wo)們現在已(yi)經(jing)有600多萬(wan)種算法了(le)
我：請問你們要600多萬種(zhong)算法來干什么(me)呢?
上海不工(gong)軟件(jian)：沒(mei)辦法(fa)，為適配不同的場景，我們就得搞(gao)這么多種算法(fa)
我：這些都(dou)是你們人手寫出(chu)來的嗎(ma)?
上(shang)海不(bu)工軟件：基本上(shang)都是，后來當然有一定的(de)加速
再到后面和他(ta)們的(de)(de)溝(gou)通(tong)中得知這個數據增長的(de)(de)更夸(kua)張。無(wu)論是(shi)適(shi)配千變萬化的(de)(de)工(gong)業場景，還是(shi)更復雜(za)的(de)(de)多家企業共同構成(cheng)的(de)(de)價值鏈或者產業鏈的(de)(de)時候(hou)，場景算法(fa)光靠人力(li)是(shi)無(wu)法(fa)窮盡的(de)(de)，我(wo)們不能像愚公移(yi)山一樣，一點點調(diao)(diao)優(you)或調(diao)(diao)參。
所以這個是原來人力不可及的，那未來有沒有可能用大模型的思路來將原本散落在不同地方的算法或者一些寶貴的經驗通過一個新的適合于工業場景下的transformer(就是 GPT里面的transformer，現在大部分大模型都基于transformer)來進行一些新的思考?我覺得這(zhe)是很有(you)可能發生的，這(zhe)是我們思考的第一個方向。
包括我估計西門(men)子和微軟其實也是(shi)在(zai)這(zhe)么嘗試，他們一(yi)個(ge)是(shi)工(gong)業(ye)背(bei)景，一(yi)個(ge)是(shi)IT背(bei)景，所以他們兩邊一(yi)起碰(peng)撞(zhuang)，可能(neng)就(jiu)會(hui)出現這(zhe)樣的(de)情況：我這(zhe)邊有(you)一(yi)個(ge)思路或想法，你那邊能(neng)用上或能(neng)解決嗎?兩邊互相碰(peng)撞(zhuang)，逐步在(zai)工(gong)業(ye)領域深入(ru)。
第二個方面是關于速度。原來我們在產(chan)品的(de)時候，特別是(shi)跟信息(xi)化、數(shu)字(zi)化相關的(de)產(chan)品，無(wu)論它是(shi)硬件(jian)還是(shi)軟件(jian)，無(wu)論它是(shi)叫 APS、EDA還是(shi)叫 ERP、Office，其實原來在做(zuo)更新(xin)迭代的(de)時候都很(hen)慢，但(dan)是(shi)今(jin)天突然有一條思(si)路(lu)可以讓你很(hen)快就能把產(chan)品推出(chu)來。
甚(shen)至WPS我(wo)看到(dao)前兩天發的(de)(de)新聞，不用(yong)(yong)再(zai)等 Office的(de)(de)Copilot了，用(yong)(yong) WPS 就(jiu)直接可以根據你的(de)(de)需(xu)求(qiu)描(miao)述自動(dong)生成 PPT。大家都發現這是(shi)(shi)(shi)一條思(si)路，無論他(ta)現在做出(chu)來的(de)(de)是(shi)(shi)(shi) 100 分還是(shi)(shi)(shi) 90 分，還是(shi)(shi)(shi)真(zhen)的(de)(de)比 GPT 差 2 分，無所謂，但是(shi)(shi)(shi)我(wo)們都看到(dao)這個(ge)模型，這個(ge)思(si)路是(shi)(shi)(shi)對(dui)的(de)(de)，我(wo)們就(jiu)可以朝(chao)那個(ge)地方嘗試。
迭(die)代(dai)這件事(shi)情很(hen)快(kuai)，我(wo)們(men)今天可能趕(gan)不上(shang)GPT，趕(gan)不上(shang) 4.0，但我(wo)們(men)可能很(hen)快(kuai)就能趕(gan)上(shang)3.0甚(shen)至3.5。所以大家在不同的方(fang)向(xiang)上(shang)都(dou)可以用這個(ge)思(si)路(lu)(lu)去(qu)思(si)考，并且很(hen)快(kuai)速地讓(rang)自己產品往(wang)前更新迭(die)代(dai)。原來可能產品都(dou)不知道該(gai)往(wang)哪個(ge)方(fang)向(xiang)去(qu)做，今天起(qi)碼提供給你一個(ge)思(si)路(lu)(lu)，往(wang)那個(ge)方(fang)向(xiang)走，它(ta)是有一定的前進(jin)的。
所以我覺得(de)在這個事情上面有以上兩個思路可以和(he)大家探討(tao)。
松耦合是更適合工業領域的應用模式
彭昭：剛才管(guan)總提到的(de)那個(ge)公(gong)司(si)我挺(ting)感興(xing)趣(qu)的(de)，他們(men)為什么會(hui)有那么多種算法(fa)?在整(zheng)個(ge)業務(wu)運行的(de)過程中(zhong)這眾多的(de)算法(fa)如何來(lai)高效(xiao)響應業務(wu)?
管震：原來(lai)(lai)所謂(wei)的(de)(de)(de)適應(ying)性(xing)算法，它是你給多(duo)少約束條(tiao)(tiao)件，就(jiu)會(hui)做(zuo)出對(dui)應(ying)的(de)(de)(de)題目，就(jiu)像線(xian)性(xing)規劃一(yi)樣，大家知(zhi)道做(zuo)線(xian)性(xing)規劃是根(gen)據給出的(de)(de)(de)一(yi)些約束條(tiao)(tiao)件，寫出公(gong)式、目標函數，然后就(jiu)可以自動得到最(zui)優解(jie)。這(zhe)個算法并不(bu)需(xu)要特(te)別(bie)多(duo)、特(te)別(bie)復雜(za)，只(zhi)(zhi)是需(xu)要有(you)一(yi)套行之有(you)效的(de)(de)(de)求解(jie)器(qi)就(jiu)可以。在國內，有(you)很多(duo)公(gong)司也是這(zhe)么做(zuo)的(de)(de)(de)，比(bi)如杉數科技(ji)等，大家在做(zuo)這(zhe)種協同算法的(de)(de)(de)時(shi)候，其(qi)實都(dou)是按照(zhao)這(zhe)個思路(lu)來(lai)(lai)的(de)(de)(de)。只(zhi)(zhi)不(bu)過后來(lai)(lai)有(you)一(yi)種思路(lu)被大家逐漸接受，叫做(zuo)松(song)耦合。
我相信大家聽我提到過很多次松耦合，松耦合的目的是將很多環節拆解開來，不要綁得太緊。如果綁得太緊，它就變成了一個黑盒子，要進行調優，要與其他人協作，都會變得很麻煩，這樣實際上弊大于利。在工業場景中，工業場景本身就是一個松耦合的場景，就如亞當·斯密勞動分工論所說的分工才能產生熟練工人，所以需要將其拆解。
如果我們把這個面向業務目標的這些算法去拆解一下的話，你就會發現原來它可以拆解成不同的環節對于排班或計劃效率產生影響的一個一個子集。那(nei)么每個(ge)(ge)(ge)環(huan)節都有不同(tong)的算法(fa)，因此算法(fa)和算法(fa)之間(jian)，當(dang)你(ni)要做到(dao)一(yi)(yi)起的時候，要變成一(yi)(yi)條產(chan)線(xian)，或者是說(shuo)不在一(yi)(yi)個(ge)(ge)(ge)廠里(li)面，它還有外協廠，還有其他的上游(you)公(gong)司和下游(you)公(gong)司。當(dang)你(ni)在擴大的時候，就(jiu)(jiu)會(hui)發現環(huan)節非(fei)常多(duo)，那(nei)環(huan)節越(yue)多(duo)，它的組合(he)數量就(jiu)(jiu)越(yue)大。也(ye)就(jiu)(jiu)是說(shuo)每一(yi)(yi)個(ge)(ge)(ge)環(huan)節我們(men)把它看作一(yi)(yi)個(ge)(ge)(ge)節點(dian)，第一(yi)(yi)個(ge)(ge)(ge)節點(dian)有10個(ge)(ge)(ge)算法(fa)，第二個(ge)(ge)(ge)節點(dian)也(ye)可能有10個(ge)(ge)(ge)，第三個(ge)(ge)(ge)節點(dian)還有10個(ge)(ge)(ge)，那(nei)我們(men)就(jiu)(jiu)有很(hen)多(duo)組合(he)。
這看起來當然很嚇人，但實際上它很好用，因為你可以在不同的企業和場景中組合，甚至由人工智能去(qu)驅動組(zu)合(he)(he)。比如(ru)說跟(gen)人力(li)資(zi)源(yuan)相(xiang)關(guan)的(de)(de)(de)，跟(gen)設(she)備相(xiang)關(guan)的(de)(de)(de)，跟(gen)生產相(xiang)關(guan)的(de)(de)(de)，跟(gen)搬運相(xiang)關(guan)的(de)(de)(de)，跟(gen)紡織相(xiang)關(guan)的(de)(de)(de)等(deng)等(deng)，在(zai)不(bu)(bu)同的(de)(de)(de)環節(jie)組(zu)合(he)(he)的(de)(de)(de)時候(hou)，就需要不(bu)(bu)停地適應不(bu)(bu)同的(de)(de)(de)場景，然后把相(xiang)關(guan)的(de)(de)(de)算法拿過來進行組(zu)合(he)(he)，這樣(yang)就很容易(yi)承擔億次以上的(de)(de)(de)操(cao)作。
接下(xia)來其實在(zai)跟不(bu)(bu)(bu)工軟件(jian)在(zai)聊的(de)一(yi)件(jian)事(shi)情就是(shi)，既然如(ru)此，我(wo)們(men)剛才(cai)也提到工業(ye)場(chang)景很(hen)復雜，又面對各種個(ge)樣(yang)(yang)(yang)來自(zi)市場(chang)、來自(zi)訂(ding)單(dan)(dan)、來自(zi)配料、來自(zi)上(shang)下(xia)游供應商等(deng)的(de)變動和壓(ya)力，這(zhe)些情況(kuang)下(xia)是(shi)不(bu)(bu)(bu)是(shi)能(neng)夠類似像(xiang)GPT一(yi)樣(yang)(yang)(yang)，更(geng)好的(de)和決策者、運(yun)營者、銷(xiao)售(shou)人員(yuan)(yuan)之間(jian)去對話?銷(xiao)售(shou)人員(yuan)(yuan)在(zai)前端(duan)賣東西的(de)時(shi)候，他(ta)(ta)很(hen)快就知(zhi)道我(wo)能(neng)不(bu)(bu)(bu)能(neng)接這(zhe)個(ge)單(dan)(dan)。客戶(hu)那兒 150 塊(kuai)錢(qian)我(wo)們(men)能(neng)不(bu)(bu)(bu)能(neng)接?旁邊(bian)一(yi)個(ge)競爭對手降到 145 塊(kuai)錢(qian)了，我(wo)們(men)能(neng)不(bu)(bu)(bu)能(neng) 140 塊(kuai)錢(qian)拿下(xia)來?拿下(xia)來的(de)話我(wo)們(men)能(neng)排期(qi)在(zai) 3 個(ge)月時(shi)間(jian)內完成(cheng)嗎?他(ta)(ta)可以不(bu)(bu)(bu)斷問這(zhe)樣(yang)(yang)(yang)的(de)問題，而后面的(de)不(bu)(bu)(bu)同的(de)這(zhe)個(ge)系(xi)統就組合在(zai)一(yi)起，通過(guo)這(zhe)樣(yang)(yang)(yang)的(de)協同計劃系(xi)統來更(geng)好的(de)為前端(duan)提供服務。
小步快跑，推動變革落地
彭昭：其實大模型在某種程度上提出了一個新的組(zu)織變(bian)革(ge)形態，“數(shu)字員工”進入(ru)組(zu)織，成(cheng)為節省人(ren)力(li)、提升效(xiao)率(lv)的工具(ju)，這會給(gei)企業帶來哪(na)些影響?在這樣的情況下，組織要如何(he)(he)對待變革這件事?如何(he)(he)調整變革節奏(zou)，以適(shi)應(ying)這種新常態?
管震：我(wo)們以咨(zi)(zi)詢(xun)行(xing)業為例(li)，這個事情對咨(zi)(zi)詢(xun)行(xing)業目(mu)前短期來(lai)(lai)看有(you)利(li)有(you)弊。弊當然(ran)是看得到的，比如(ru)說兩三(san)年之內很可(ke)能面(mian)臨的要裁(cai)員。原來(lai)(lai)咨(zi)(zi)詢(xun)公(gong)司(si)的項目(mu)來(lai)(lai)源是我(wo)靠(kao)腦(nao)力為客戶提供報告等服務(wu)，但未(wei)來(lai)(lai)甲方說我(wo)靠(kao) GPT 也(ye)能出這個報告，所(suo)以你的業務(wu)量就(jiu)有(you)可(ke)能會受到影響，尤其是一些(xie)中(zhong)等的和比較初(chu)級的咨(zi)(zi)詢(xun)公(gong)司(si)。
彭昭：大的咨詢公司也(ye)深受影響(xiang)，比如埃森哲，也(ye)在裁員。
管震：對的。畢馬威(KPMG)宣布與微軟達成合作，為美國的審計、稅務和咨詢客戶提供生成式人工智能解決方案，以提升工作效率、節省運營成本和增強客戶體驗。這其實是我想說的第二件事，如果咨詢公司真的去研究和應用，得到的好處很可能更多。
我先舉表象的(de)(de)例子，我們去(qu)給(gei)企(qi)業(ye)做咨詢，很(hen)可(ke)能只賣(mai)一次。我們今天包裝好了(le)(le)一個產品賣(mai)給(gei)客戶，比如領導力、企(qi)業(ye)戰略、經營管(guan)理、供(gong)應鏈優化等，我們的(de)(de)課程或(huo)解(jie)決方(fang)(fang)案給(gei)人(ren)家(jia)就(jiu)完(wan)了(le)(le)。但是當有(you)了(le)(le)GPT或(huo)者GPT配合的(de)(de)一些(xie)數(shu)字化的(de)(de)公司(si)之(zhi)后，你(ni)(ni)至(zhi)少(shao)可(ke)以賣(mai)好幾次。企(qi)業(ye)原(yuan)來(lai)(lai)要(yao)改變很(hen)困(kun)難(nan)，就(jiu)算你(ni)(ni)給(gei)我講課、給(gei)我輔導，我真的(de)(de)要(yao)完(wan)成往你(ni)(ni)說(shuo)的(de)(de)那個方(fang)(fang)向去(qu)做也很(hen)困(kun)難(nan)。但是有(you)了(le)(le)GPT之(zhi)后，它(ta)很(hen)可(ke)能往前走的(de)(de)那一步很(hen)快就(jiu)試出來(lai)(lai)了(le)(le)，到(dao)底對還(huan)是不(bu)對?效果(guo)和你(ni)(ni)的(de)(de)目(mu)標之(zhi)間有(you)多大差距?企(qi)業(ye)很(hen)快就(jiu)知(zhi)道了(le)(le)。
當企業(ye)(ye)(ye)發現你的(de)咨詢方案出來的(de)非常快(kuai)，而且(qie)更準確，可以(yi)(yi)去協同不(bu)(bu)同的(de)系統(tong)、不(bu)(bu)同的(de)數據，以(yi)(yi)前(qian)即使(shi)你有(you)顧問，也很難從各(ge)種系統(tong)中獲(huo)取數據并進行分析，但現在(zai)你可以(yi)(yi)從不(bu)(bu)同的(de)系統(tong)中進行協同。然后(hou)你給(gei)企業(ye)(ye)(ye)的(de)業(ye)(ye)(ye)務目(mu)標既有(you)感(gan)性的(de)又有(you)理性的(de)，很容易評估，對企業(ye)(ye)(ye)來說，邁出這(zhe)一小步并不(bu)(bu)復雜，邁完之后(hou)它(ta)發現這(zhe)個咨詢方案很落地，有(you)效果(guo)，那(nei)企業(ye)(ye)(ye)就會覺(jue)得(de)我們還(huan)可以(yi)(yi)再(zai)往前(qian)走一小步，再(zai)做一期。
最近確實也碰到了類似的兩家企業。一家是中小企業，老板在(zai)(zai)(zai)某一(yi)個(ge)傳統(tong)行(xing)業做了二三十年，現(xian)在(zai)(zai)(zai)兒子要接班(ban)，就(jiu)是(shi)(shi)(shi)(shi)這么個(ge)場(chang)景。二代接班(ban)，他肯(ken)定是(shi)(shi)(shi)(shi)不愿意用傳統(tong)的那個(ge)老思(si)(si)路去做，但是(shi)(shi)(shi)(shi)你要知(zhi)道老人家有(you)很多思(si)(si)路是(shi)(shi)(shi)(shi)很難(nan)改的，可能(neng)是(shi)(shi)(shi)(shi)路徑依賴(lai)，但也(ye)有(you)可能(neng)它就(jiu)是(shi)(shi)(shi)(shi)真的經驗吶。不聽老人言(yan)，吃(chi)虧在(zai)(zai)(zai)眼前(qian)，我們也(ye)見到過很多年輕人接班(ban)太沖動(dong)，把企業家底敗光的案例。
這個時候我(wo)(wo)們站在(zai)咨(zi)詢(xun)方(fang)(fang)(fang)，我(wo)(wo)們是被年輕的(de)這一(yi)(yi)代(dai)請過去，相當于(yu)要說服老(lao)(lao)一(yi)(yi)輩(bei)的(de)創業(ye)者。我(wo)(wo)們先了(le)解對方(fang)(fang)(fang)企(qi)業(ye)的(de)數字(zi)化基礎，然后在(zai)GPT和咨(zi)詢(xun)專家共(gong)同(tong)協作下下輸出了(le)一(yi)(yi)份面(mian)向對方(fang)(fang)(fang)企(qi)業(ye)的(de)方(fang)(fang)(fang)案(an)，提交給年輕一(yi)(yi)代(dai)接班人去和老(lao)(lao)一(yi)(yi)輩(bei)創業(ye)者商量。
這個(ge)咨(zi)詢(xun)方案(an)跟原(yuan)(yuan)來區(qu)別非常大(da)，原(yuan)(yuan)來就(jiu)是(shi)(shi)有(you)點像賭(du)，500萬(wan)做一個(ge)咨(zi)詢(xun)，不到最(zui)后不知道結果(guo)如何。可是(shi)(shi)我們今天給提供的(de)咨(zi)詢(xun)方案(an)里(li)面是(shi)(shi)分(fen)三步(bu)走(zou)，第(di)一步(bu)做的(de)就(jiu)是(shi)(shi)你(ni)原(yuan)(yuan)來做的(de)事情往(wang)前走(zou)一小步(bu)，但是(shi)(shi)你(ni)能很快看(kan)到的(de)結果(guo)是(shi)(shi)什么?比如兩(liang)個(ge)月時(shi)間就(jiu)做完(當然這兩(liang)個(ge)月是(shi)(shi)概數)，就(jiu)可以給企業一個(ge)反饋。
老一(yi)輩看完方案之(zhi)后，看到兩個月能(neng)有一(yi)次真(zhen)實成果的反饋，且能(neng)及時確(que)保這件事情是在控制范圍(wei)之(zhi)內，加(jia)上心態非(fei)常平和，就(jiu)按照方案開(kai)動了(le)起來。
第二個案例是傳統的大企業，對(dui)于這樣的(de)企(qi)業(ye)來說，決策并不是(shi)一(yi)個人(ren)說了(le)算(suan)，在這種(zhong)情況下，決策者往往也會(hui)非常擔心自己走錯一(yi)步。那這個時(shi)候，小(xiao)步快跑的(de)思路變得非常重(zhong)要(yao)。在以(yi)(yi)前(qian)這種(zhong)小(xiao)步快跑可(ke)能難以(yi)(yi)實現，但現在我(wo)們(men)(men)有(you)了(le)一(yi)種(zhong)可(ke)行的(de)路徑(jing)。只不過在不同的(de)領域(yu)中，小(xiao)步快跑的(de)實現方(fang)向可(ke)能會(hui)有(you)所不同。但重(zhong)要(yao)的(de)是(shi)，我(wo)們(men)(men)需要(yao)有(you)一(yi)條線將它們(men)(men)串起來。
一家企業，打(da)個(ge)比方(fang)，原來它是(shi)一個(ge)餅(bing)，其(qi)中餅(bing)的(de)每(mei)一塊(kuai)就是(shi)它的(de)產品一、產品二(er)、事業部一、事業部二(er)等(deng)等(deng)，老板在(zai)這(zhe)(zhe)個(ge)餅(bing)的(de)中心，所有(you)人都向中心匯報。很多時(shi)候我們在(zai)做(zuo)數(shu)字化(hua)咨詢這(zhe)(zhe)件事情的(de)時(shi)候，看著這(zhe)(zhe)個(ge)餅(bing)不知道從何處下嘴，牽一發動(dong)全身(shen)，因此小步快跑難以實現。
換個思(si)路，如果我(wo)(wo)們把這(zhe)家企業拆(chai)成縱向的(de)(de)(de)一(yi)個個模(mo)塊，但每個不同(tong)的(de)(de)(de)部門、不同(tong)的(de)(de)(de)事業部都有自己的(de)(de)(de)業務目標。同(tong)時我(wo)(wo)們把它(ta)的(de)(de)(de)數(shu)(shu)字化(hua)現狀用線條的(de)(de)(de)形式展(zhan)示出來，同(tong)時與(yu)背后做個映(ying)射，這(zhe)個就有點像咱(zan)們 GPT 的(de)(de)(de)這(zhe)個embedding，做向量的(de)(de)(de)映(ying)射，從前面的(de)(de)(de)數(shu)(shu)字化(hua)現狀進到一(yi)個向量空間的(de)(de)(de)第二維。
在(zai)這(zhe)(zhe)種模式下，小(xiao)步快跑就有可能(neng)(neng)實現。比方說有一個(ge)(ge)二(er)代老(lao)板，他是負責海(hai)外銷(xiao)售的，非常(chang)急迫的需(xu)要知道他的企業是不(bu)是能(neng)(neng)夠(gou)在(zai)越南開場(chang)、能(neng)(neng)不(bu)能(neng)(neng)在(zai)某個(ge)(ge)地方去中轉貨物、貨物中轉周期需(xu)要多(duo)長，類似這(zhe)(zhe)樣的一些(xie)需(xu)求，這(zhe)(zhe)種情(qing)況下我們(men)就去分(fen)析與(yu)前端銷(xiao)售最緊密連接(jie)的部分(fen)，映射到后面(mian)的向(xiang)量空間，我們(men)就得到為了實現這(zhe)(zhe)個(ge)(ge)需(xu)求哪幾個(ge)(ge)小(xiao)模塊必須邁步向(xiang)前走。
但是往前走的過程(cheng)其(qi)實并(bing)沒(mei)有邁(mai)大(da)步，我們還是為了(le)他的業務目標達成，所以(yi)每個(ge)都走了(le)一(yi)小步。這樣的話這個(ge)數(shu)字化變革(ge)所消耗成本最(zui)低，同(tong)時(shi)又能拼出來一(yi)個(ge)完整的路(lu)徑圖。所以(yi)進到(dao)產業當中的時(shi)候(hou)，我覺得這個(ge)有很多(duo)可以(yi)探討(tao)的。
彭昭：是(shi)的(de)，產業數字化變革是(shi)一個(ge)值得深入探討的(de)話題，非常感謝管總今(jin)天的(de)精(jing)彩分享。
