作者：Brent Dykes
来源：福布斯
编译：8btc
图片来源：由无界 AI 工具生成
创作内容可能是一个复杂的过程，因为它可能跨越多个步骤，例如规划、研究、写作、编辑和发布。每周将新内容通过所有这些阶段，往往是一个乏味和耗时的过程。虽然企业已经能够将一些内容创作的任务外包给外部承包商，但技术解决方案一直无法显着减轻内容创作的负担——直到最近。
进入生成式人工智能（AI）
生成式人工智能（AI）是人工智能技术的一种形式，可以根据用户的提示生成文本、图像、音频和其他媒体等各种类型的内容。随着 OpenAI 的 ChatGPT 于 2022 年 11 月向公众发布，AI 的力量变得大众化，全世界都感受到了震荡。推出后仅五天，该在线服务的用户就突破了 100 万——Instagram 用了两个半月和 Spotify 用了五个月的时间才完成同样的事情。现在，无数初创公司和软件应用程序已经开始宣传他们自己的生成 AI 功能和集成。
许多企业也开始更加关注生成式 AI 必须提供的功能。在 Salesforce 最近发布的一项研究中，57% 的高级 IT 领导者认为生成式 AI 是“游戏规则改变者”。尽管三分之一的受访者（515 名 IT 领导者）认为它被过度炒作，但但这些怀疑论者中的 80% 仍然认为生成式 AI 可以帮助他们的企业更好地为客户服务。
Goldman Sachs Research 预测，生成式 AI“可以在 10 年内推动全球 GDP 增长 7%（或近 7 万亿美元），并将生产率增长提高 1.5 个百分点。”
在最近的 OpenAI 研究中，研究人员预测，生成式 AI 可能会影响大约 80% 的美国劳动力及其至少 10% 的工作任务。19% 的员工认为至少 50% 的任务受到影响。虽然生成式 AI 的出现可能最终会取代一些工人，但它将从根本上改变大多数人制作内容的方式，尤其是处理日常、重复和平凡的任务时。ARK Big Ideas 2023 预测，到 2030 年，知识工作者将通过利用 AI 技术将生产力提高四倍以上。
生成式 AI 将如何改变劳动者的生产力？
我们开始瞥见生成式 AI 带来的生产力提升。研究分析师 Joachim Klement 分享了一些揭示其前景的早期研究。第一项研究要求一组程序员完成一项编程任务。一半的参与者获得了生成式人工智能（GitHub Copilot）的访问权限，并且能够在 71 分钟内完成任务，这比没有使用人工智能辅助的程序员（161 分钟）节省了大约 56% 的时间。
在第二项研究中，200 名受过大学教育的专业人士被分配了一项写作任务，其中一半可以使用 ChatGPT 来完成。人工智能辅助的参与者能够在更短的时间内完成任务——17 分钟，而不是 27 分钟（生产力提高 37%）。
他们不仅创作速度更快，而且当作业由独立评委进行评分时，启用 AI 的参与者获得了更高的平均分数（B 对 C+）。研究人员还发现，较弱的参与者从使用生成式 AI 技术中受益最多，因为它基本上处于表现不佳和表现最好之间的平衡位置。
通过将算法的强大处理能力与其训练数据中包含的众包知识和专业知识相结合，生成式 AI 可帮助员工缩短完成任务所需的时间并提高产出质量。每个工人都可以从个人助理中受益，该助理可以帮助执行手动任务、集思广益、校对草稿、开发样本设计等。最终，生成式 AI 技术将为员工提供一系列专门的 AI 助手，以执行各种常见任务。与它们的人类同行不同，它们随时待命，愿意提供帮助，并且不会关心你如何利用它们的建议。
生成式 AI 带来的生产力收益将很快从多个领域显现出来。了解这些效率提升的来源的一个有用方法是，通过内容创作的关键阶段的角度：
生成式 AI 可以协助完成内容创作过程中的所有五个步骤。
1.计划。为你需要什么内容以及如何处理这些内容制定策略是该过程中重要的第一步。生成式 AI 可以为制定内容创作、构建和部署计划提供指导。例如，企业家可以提示她的商业计划大纲，或者在设计内容日历方面获得帮助，并就目标主题和渠道提出建议。
2.研究。到目前为止，研究主要涉及使用搜索引擎在互联网上搜索相关且可信的信息。现在，基于简单的提示，生成式 AI 可以处理大量信息，并生成关于某个主题的总结性关键发现。例如，一个产品经理可以使用生成式 AI 研究与其新产品概念相关的顶级消费者痛点，并获得与该问题相关的综合结果。
3.编写/设计。开发任何内容的初稿通常是最耗时的步骤。生成式 AI 可以简化创建初稿的过程，以你想要的任何写作风格和格式。例如，一个高级经理可以向一个生成式 AI 工具提供包含一组关于不同市场趋势的要点，并让它写出一篇完整的长篇营销博客文章，并围绕特定 SEO 关键字进行优化的相关示例。
4.编辑/润色。创建初稿后，你通常需要进一步修改、巩固和改进它。虽然生成式 AI 不会免除人工编辑的责任——甚至可能需要更多的监督，但它也有助于简化你的编辑过程。例如，销售代表可以使用生成式 AI 来校对 RFP 回复中的句子结构和用词选择，并尝试使用不同的语气或风格以更好地匹配销售机会。
5.发布。完成内容后，你可能需要对其进行不同的格式化，以便可以跨不同渠道分发。生成式 AI 可用于快速重构内容以适应不同的格式。例如，设计师可以使用该技术在多个社交媒体渠道中快速创建和分发单个设计的变体。
从内容的开始到交付，生成式 AI 可以在简化和精简内容创建过程的每个阶段方面发挥不可或缺的作用。当你汇总所有这些阶段节省的时间时，你就会开始意识到这项技术提供的巨大价值。然而，在其发展的早期阶段，企业仍然需要谨慎对待它在其业务中的应用方式。
在生成式 AI 被完全采用之前，道路上有一些障碍
最近，微软创始人比尔·盖茨表示，人工智能是他一生中继 1980 年图形用户界面之后的第二大创新。然而，许多商业领袖还不相信它已经准备好进入黄金时代——这也是有充分理由的。虽然早期结果很有希望并且非常引人注目，但还需要对以下问题给予更多关注和重视：
1.准确性问题。生成式 AI 并不总是能够区分事实和虚构。它可以自信地争辩说，牛蛋比鸡蛋大得多。如果没有适当的事实核查，用户可能会收到听起来连贯但完全是胡说八道的错误信息。
2.隐私和安全问题。不应与公共生成式 AI 工具共享敏感（HIPAA）或专有信息。不幸的是，三星等公司发现他们的员工已将机密源代码和战略会议记录上传到非私有的生成式 AI 工具中。
3.偏见问题。目前，生成式 AI 工具主要是根据从互联网收集的数据进行训练。网上猖獗的人类偏见在这些算法中根深蒂固，最终进一步强化了基于性别、种族、国籍和政治的偏见。微软的 Tay（一个 Twitter 聊天机器人）和 Meta 的 Galactica（一个基于科学文章的大型学习模型（LLM）），在被发现模仿性别歧视和种族主义语言后都被迅速关闭（分别为 16 小时和 3 天）。
4.道德问题。当生成式 AI 的训练数据依赖于其他人的文本和图像时，会引发对归属和知识产权的担忧。Getty Images 最近起诉 Stable Diffusion 侵犯版权，因为该艺术生成式 AI 工具在未经艺术家许可或未注明艺术家姓名的情况下复制了 1200 万张图像用于训练目的。此外，生成式 AI 可用于制造深度造假、错误信息和宣传。
在企业可以完全接受这项有前途的技术之前，供应商、政府和客户组织必须在标准、政策和指南方面做更多的工作，以帮助缓解这些问题。生成式 AI 将在我们未来的工作方式中发挥重要但具有颠覆性的作用。虽然你的企业可以选择等待，直到一切问题都被解决，但基于人工智能创新的加速步伐，这可能不是最好的策略。
尝试生成式 AI
在拥有多年商业智能咨询经验后，Nick Kelly 开始了自己的分析培训和咨询业务，专门从事仪表板设计和采用。和许多其他企业家一样，他对人工智能的能力感到惊讶——但这项技术也让他对自己的未来感到焦虑。
Kelly 没有坐等事态发展，而是发起了一项大胆的实验。他向 ChatGPT 提出挑战，要求复制他在创建企业仪表板需求方面的专业知识。他使用他的书中和其他培训材料中的 50,000 多个单词来训练生成式 AI 工具。
随后，他的发现令人震惊。使用 ChatGPT，他能够快速生成特定于行业的问题和一组合理的初始需求，以与客户一起审查，这大大缩短了数小时的发现过程。此外，通过 ChatGPT，他发现他可以为他的仪表板线框生成样本指标，这些指标在很大程度上与行业标准保持一致，只需要稍作修改。
尽管这些结果给他留下了深刻的印象，但 Kelly 仍然对生成式 AI 是否也能帮助仪表盘 UI 设计持怀疑态度。总的来说，他发现专业人士在设计方面遇到的困难最大。然而，使用 Midjourney（一种以图像为中心的生成式 AI），Kelly 发现他能够制作出视觉上令人惊叹的模拟设计，所用时间仅为之前的一小部分。这些 AI 生成的模型的颜色选择和设计提示为他的仪表板提供了更具吸引力的界面。
在实验之前，Kelly 感到受到了生成式 AI 的威胁，并对它如何帮助他的业务持怀疑态度。现在，他正在调整自己的技能以适应这种变革性技术，并将 AI 工具集成到他的新流程中。结果令人印象深刻——效率更高，客户赞叹不已，并且他更加专注于如何提供更多价值。
作家 Frank Herbert 说，“技术既是帮助人类的工具，也是毁灭人类的工具。这是我们不得不面对的时代悖论。”
虽然你的企业必须谨慎使用生成式 AI，但随着技术的不断成熟，你将从团队现在学到的经验教训中受益。生产力风险太高，不能固守现状而不探索生成式 AI 如何增强你现有的工作流程。就个人而言，我很高兴能在我自己的数据故事业务中测试这项技术——我希望也是如此。