2024年,大模型商业化的趋势愈发明显,众多国央企等大型企业开始投身于大模型技术的研发。这一现象背后,既有着丰厚的利益诱惑,也潜藏着未知的挑战。企业能否通过大模型开发实现预期收益,成为了众人关注的焦点问题。
了解企业需求核心
企业在面对大模型排行榜、创新技术、模型结构等问题时,兴趣并不浓厚。若企业旨在满足客户对精确问题的解答,它们更倾向于寻找能解决具体问题的方案。根据2023年的调查,多数企业在挑选模型时,最看重的是模型能否迅速解决实际问题。在企业的日常运营中,对客户的准确回复比技术的高大上更为关键。毕竟,时间就是金钱,企业没有太多时间去深入探究技术细节,它们更希望快速解决问题,提升效率。
一些制造企业,它们在解决生产过程中的难题时,更看重的是大模型能否直接解决整个流程的障碍,而不是模型背后的算法细节。真正重要的是模型能否从始至终有效地解决问题。
开发行业大模型的难度
该流程需要对企业内部知识进行重新整理。比如,某能源公司在整合多年数据并重建模型时,就花费了数月时间。此外,还需打破IT系统之间的障碍。有一家金融公司为了整合大型模型,需要打通旗下十多个系统,投入了大量人力和资金。这些举措极大地提升了开发难度,这不仅仅是一项技术任务,更涉及对企业整体架构的革新。
回顾过往项目,许多企业自以为然地启动,却在中途受阻。超过一半的企业对面临的挑战预估不足。
企业对构建和使用大模型的困惑
过去一年里,我们发现企业在构建大型模型方面存在困惑。有一家初创公司盲目跟风启动了项目,却不知如何继续。众多企业对于具体的建设步骤感到迷茫。在应用层面,企业们缺少明确的指导。例如,某电商公司不清楚如何利用大模型来提高订单处理的效率。
智能客服行业里,类似现象并不罕见。过去,智能客服的解决率大约在七成左右,但企业对于如何利用大型模型进行提升却感到困惑。
Agent相关企业的转型
实在智能等企业正在向智能化转型。自2023年起,实在智能将业务重心从RPA转向了自研大模型,并致力于打造智能代理。与此同时,百度、腾讯等互联网企业也利用自身的大模型技术,积极发展智能代理业务。百度依托文心大模型推出了客服机器人,腾讯则基于混元大模型开发了相关产品。
这类企业面临新技术难题和激烈的市场竞争。它们要从旧的业务模式转型至新领域,招募人才和技术融合的过程同样充满挑战。
Agent与传统软件的区别
除了基础架构之外,Agent的进化路径存在差异。目前,在大型模型阶段,Agent尚未达到完全自主学习的进化水平。然而,它可以根据服务企业的专业知识,总结出标准操作流程,从而实现半自动化的进化。相比之下,传统软件通常遵循固定的逻辑,缺乏这种适应和学习的能力。
以某办公软件为例,其传统版本的功能较为固定。然而,依托于Agent技术,该软件能够持续优化文档处理建议等特性。
企业级Agent的发展方向
商业形态由SaaS模式转变为Agent模式。收费方式变得更加多样化,例如采用按token计费等按需付费方式。企业需根据自身需求挑选合适的付费途径来降低开支。至于企业内部AI建设,尚无统一的模式。产品和服务的路径、模式仍在不断探索中,未来发展充满变数。
新企业面临挑战,现有企业布局亦受影响,未来企业要打造Agent,路途漫长且艰巨。
各位读者,请问贵公司是否已准备好应对大模型时代中Agent的变革挑战?期待您的见解,同时欢迎点赞并分享此文。
内容来自网络,如有侵权,联系删除。
猜你喜欢
发表评论
电子邮件地址不会被公开。 必填项已用*标注