生成式AI，在2020年首次出现在国际研究和咨询机构的技术成熟度曲线上。
关于生成式AI( AI)，这样定义：通过各种机器学习(ML)方法从数据中学习工件的组件(要素)，进而生成全新的、完全原创的、真实的工件(一个产品或物品或任务)，这些工件与训练数据保持相似，而不是复制。
如果觉得这个定义过于学术，麦肯锡是这样描述的：生成式AI就是利用现有文本、音频文件或图像创建新内容的技术，使用生成式AI，计算机检测与输入相关的基本模式并生成类似内容。
数据分析公司则认为，生成式AI是一种利用现有文本、音频文件或图像创建新内容的技术。借助生成式 AI，计算机可以检测与输入相关的底层模式并生成类似的内容。
过去两年，生成式AI技术上的进展主要来自于三大领域：图像生成领域，以DALL·E-2、 为代表的扩散模型( model)，自然语言处理(NLP)领域基于GPT-3.5的，以及代码生成领域基于GPT-3的。
当前正在流行的等生成式AI工具，背后包含多种技术，包括生成对抗网络 (GANs)、架构和变分自动化编码器 auto-，其中GANs是关键技术。关于生成式AI技术探讨的文章有很多，大家对号入座去搜索即可，这里就不多做介绍了。
总而言之就是，利用这些技术就可以打造出像这样的对话机器人以及类似一般的图像生成SaaS应用。
理论上，只要某个企业能够拥有同源技术以及相关开源架构，加上足够的算力和数据，也能打造成这样的现象级应用。只是，存在一个时间和投入问题，没有足够的现金流和足够的耐心并不容易成功。
所以现在都在喊口号跟进相关技术的厂商，哪些是在喊口号，哪些是真心搞生成式AI，还要大家辨别的看。
好吧，有点扯远了。对于生成式AI技术，我们只需简单的了解即可。毕竟咱们也没能力去做基础算力投入，所以主要关注生成式AI技术的应用就好了。
关于这些，我们在下一节聊。
生成式AI的应用概况
生成式AI，被列为2022年顶级战略技术。顶级和战略两个关键词，已经彰显了生成式AI在未来组织经营中的重要性。
很多人都认为生成式AI就是，并非如此。只是等AI工具的火爆，让大家开始更多的关注AIGC和它背后的生成式AI技术。自人工智能技术逐步成熟后，各种基于AI的文字技术、语音技术、图像技术及影音技术AI便开始影响我们的生活。
比如做内容创业的朋友，很多都用剪映等工具的语音转字幕、文字转视频功能，这些功能都是基于相关的生成式AI技术开发的。再如现在大家经常使用的语音导航，背后都也是对话式AI技术。
文本生成是生成式AI最早应用的领域之一，目前已广泛应用于对话机器人、内容续写、新闻撰写、诗歌小说创作等领域。
文本转语音技术，也已广泛应用于新闻阅读、有声书、出行导航、通知播报、视频配音等领域。
图像生成则率先在游戏内容创建、图像修复、风格迁移、图像合成等领域得到了应用。
可以说，当代工作与生活中的一些场景已经离不开生成式AI技术。
现阶段的生成式AI通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、艺术平面设计等。
在企业具体经营中，生成式AI的用途已经很广。
以上只是生成式AI应用的一部分，现在已有很多企业开始将生成式AI应用于一些业务场景。
比如在教育领域，一些教育机构会针对一些学生的需求和兴趣等数据，基于AI算法来分析学生过去的表现、技能等数据，用生成式AI工具为他们设计个性化课程，以确保更有效的教育方式。
在时尚领域，设计师们会借助以及等生成式AI工具，将草图转换为彩色图像，帮助设计师查找颜色匹配和图案的错误。并且使用这些工具的审查能力，可以分析从草图到颜色的多种变体组合，使时尚品牌变得更有创意。此外，这些工具还能减少物理样本的需求，节省时间和资源。
下面这张图片来自麦肯锡，它为生成式AI的使用场景做了很好的分类与总结。
▲ 点击看大图，图片机翻，英文原图后台回复GC获取
预计到2025年，生成式AI将占所有生成数据的10%，目前这一比例还不到1%。同时在具体行业应用方面，预计，到2025年生成式AI将用于50%的药物发现和开发项目，到2027年将有高达30%的制造商将使用生成式AI来改进其产品开发流程。
红杉资本预测，生成式AI有可能创造数百万亿美元的经济价值。
未来，生成式AI将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。
生成式AI对业务流程的影响
从前面几个案例，我们能看到生成式AI之所以能够帮助人们提升效率：一方面在于它能够有效加强现有生产力，另一方面则在于它改变了很多场景的原有业务流程。
就如服装设计，过去要设计服装需要画草图、了解材料、制作小样等多个步骤。现在只需要使用生成式工具A选择所需的美学、材料和目标市场，就可以根据构想创建多种风格多种元素的服装，中间的业务流程已经完全不需要。
再以编写代码为例，开发人员甚至可以用它从头开始到尾编写完整的代码，以便在特定场景中创建应用程序。整个过程不需要开发人员输入任何代码，只需不断地跟它文字交互就够了。
可以极大地增强代码编写、文档和审查。通过使用，开发人员可以简化他们的工作流程，提高他们的生产力，减少开发成本和时间，并创建原本需要更多时间和精力来构建的应用程序。
不管将用于个人业务的撰写内容、创建客户服务聊天机器人、开发对话界面、内容翻译、日程管理，还是在企业应用于数据分析、文案和公关、客户关系、销售、财务、教学、人力资源等业务单元，都能在一定程度上精简及优化业务流程，起到降本增效的积极作用。
这是等生成式AI工具最具价值之处，也是生成式AI被很多机构重视的优势所在。
通过对前面一些场景案例的分析与总结，不难发现生成式AI对于业务流程的影响主要表现在两个方面：
一是生成式AI可以对原有流程进行精简与优化。原本需要多个步骤的业务流程，借助AI实现流程自动化，业务流程条线和流程复杂度大幅精简，不再需要更多的人力与资源的参与，进而实现解放人力，降低成本，提高效率。
二是基于生成式AI新流程可以替代原有流程。有些业务流程原来完全由人力承担，企业的做法一般是将这部分业务外包出去，或者用传统集成自动化技术去实现，在效率并未提升的情况下，成本也在逐步上升。有了可以胜任相应业务的生成式AI，自然就可以用这些技术去替代原来的外包业务流程。
现在，一些海外专家甚至已将生成式AI技术，视作西方发达国家应对外包优势明显的亚洲等地区的一项竞争策略。
生成式AI对业务流程的影响主要是积极的。它可以帮助企业提升业务流程的效率和优化业务流程，缩短业务流程周期，提高业务流程效率;能够通过分析大量数据，识别常见模式和规则，生成自动化程序，提高组织生产效率和自动化水平，实现业务流程的快速执行;还可以大大减少人工干预，提高业务流程的执行效率。
此外，生成式AI技术可以对业务流程进行模拟、优化和预测，从而实现业务流程的持续优化。
当然，生成式AI技术也会带来一些负面影响。比如技术应用后流程精简与优化所造成的人员失业问题，业务流程中集成新技术所带来的业务与数据的安全风险与隐私问题，以及引入技术成本短期大幅增长的问题等。
总体而言，生成式AI技术对业务流程的影响利大于弊。新技术的应用对于企业提升效率并保持竞争力至关重要，企业在引入新技术之前必然会经过相关考虑与周密部署，以保证企业的持续运营。因此，负面影响也不算太大问题。
生成式AI变革业务流程
事实上，生成式AI对组织业务流程的影响，远不止以上几点。
从应用角度而言，一般来说企业可以通过以下几种方式使用生成式AI：
一是生成式AI与业务部门一起增强当前的创新工作流程，开发自动化以帮助人类更好地执行创造性任务。比如游戏设计师可以利用生成式AI来创建地下城，突出他们喜欢和不喜欢的内容;销售人员也可以用生成式AI生成营销自动化程序，以更高效的完成客户对接等业务。
二是生成式AI充当业务流程的主要部分，成为某项业务的主流程。生成式AI可以在几乎没有人为参与的情况下生产无数的创意作品，只需要设置上下文，结果独立生成。
三是将生成式AI工具与BPM、BPA、ERP、RPA、BI及低/无代码等工具进行集成，形成端到端解决方案，以更全面地优化业务流程。比如将生成式AI放到超自动化架构中打造更高效的端到端自动化，以及将用于低代码平台通过对话聊天开发程序等。
需要说明的是，在端到端解决方案中，生成式AI与其他企业管理系统不是并行关系，而是在整体业务流程中都会有所交互。生成式AI生成的高质量内容会被其他系统调用，流程自动化也会参与到生成式AI的工作流之中。
例如，我们可以将生成式AI与SAP集成。生成式AI能够读取SAP中的数据，并利用其进行数据分析，把数据转化为人类可读的形式，以此提供商业洞察力。同时生成式AI可以自动完成SAP系统中的重复性工作，比如数据录入、报告生成等，进而实现更好的业务流程自动化。
再看一个与的集成案例。某公司通过将嵌入到中，让其对潜在客户的活动和行为实时评分和评级，识别销售线索中最有可能转化为购买客户的模式，以提升客户转化率。还可以让接任繁琐和重复的管理任务，使得销售专注于更有价值的任务，以此提升销售团队生产力。
还有RPA与生成式AI的集成应用，已经集成了聊天机器人、语音机器人、智能文档识别(IDP)以及图像生成等多种生成式AI工具。现在与的集成，则是在探索RPA与基于大模型的生成式AI的集成应用。
这些应用不只是单向助力RPA运作，彼此之间会在数据交换、内容生成、自动化执行等方面进行多元化合作，进而优化流程以及提升效率。并且基于超自动化架构，未来将会有更多生成式AI技术集成到架构之中，将会持续提升基于RPA的流程自动化运行效率。
王吉伟频道认为，生成式AI技术与各种软件系统的集成与融合，已经成为一种趋势，并且正在极大地改变与优化企业的运营架构与运作模式，对于整体业务流程效率提升有着极大的推动作用。
现在已有很多软件厂商，都在探索其产品与生成式AI的集成与融合应用。包括本身就为降低开发难度的低代码与RPA平台，比如等低代码平台，早就在教客户如何通过API集成。
尤其是与低代码、RPA等技术的集成与融合，直接让全民开发进入了一个更加简易的阶段。我们知道，国外所推动的公民开发( )正在轰轰烈烈的进行，并且逐渐成为企业在IT开发方面的主流模式。
相关文章
