研究表明，就受歡迎程度和存在程度而言，2023年是生成式AI的豐收之年。從提高生產力到創建書面內容，這種智能工具帶來的可能性引起巨大的轟動。2024年將是生成式AI的衡量之年，因為人們將超越大型語言模型(LLM)的技術能力，并研究它們如何影響損益。

許多組織都希望從AI獲得更多的回報。根據Forrester 在2023年9月發布的AI脈動調查報告，62%的公司在明年將嘗試(29%)或擴展(33%)他們的生成式AI戰略。面向2024，Language I/O產品副總裁Chris Jacob概述了三個以AI為重點的預測：組織領導者如何應對AI的影響，數據為何會再次成為主角，以及聊天機器人技術的改進將如何提供更人性化的體驗。

組織領導者在采用AI方面越來越有經驗

AI正在迅速改變人們的生活和工作方式，一些組織領導者認識到，有必要做出數據驅動的明智決策。2024年，決策者將探索如何最好地衡量AI工具的好處。一旦他們確定了用于這些評估的指標，他們將深入挖掘生成AI工具的投資回報率，以評估對組織的貢獻。

隨著領導者找到收集和利用AI產生的數據的方法，預計現有技術將會增強，從而推動對這些工具的進一步投資。根據麥肯錫的研究，由于這些發展，40%的組織已經計劃增加對AI的整體投資。

這些組織看到了AI的價值，它可以通過將人類執行的任務實現自動化來改善流程，從而減少工作量、節省時間、減少錯誤。越來越多的組織也在利用AI的能力，通過提供個性化的內容和推薦來增強客戶體驗。為了最有效地利用這些AI工具，更多的領導者將采取下一個關鍵步驟，而不僅僅是觀看技術演示和概念驗證，將它們深入整合到組織現有的系統中。

生成式AI使用讓數據將重新成為主角

如今，生成式AI使用量激增，79%的受訪者表示他們接觸過生成式AI，近四分之一(22%)的受訪者表示他們經常在工作中使用。這些數字表明，生成式AI正在成為組織的籌碼，而不僅僅是錦上添花，并且將變得越來越有必要保持競爭力。

然而，當涉及到AI的實施時，組織領導者應該謹慎行事，因為生成式AI的輸出并不總是準確的——例如一些測試表明，生成式AI的準確度為3%到27%。ChatGPT可能會編造一些東西，并且在沒有安全指南或強大的數據集的情況下使用生成式AI來填補培訓數據中的空白，可能會給組織帶來風險，例如提供誤導性信息。

盡管存在這些風險，但只有21%采用AI的組織制定了有關人們如何在工作中使用生成式AI的政策。這些安全防護措施包括強制性的事實核查，禁止向AI提示敏感或專有信息，以及道德內容創建的最佳實踐。

然而，隨著技術的不斷發展，并為組織提供競爭優勢，那些過度擔心風險和猶豫利用AI力量的組織將被拋在后面。

還記得有關數據輸入和輸出的“垃圾進，垃圾出”這句名言嗎？它也適用于LLM和生成式AI。兩者都依賴數據來提供輸出，因此期望重新強調數據質量，以便從訓練數據生成的輸出盡可能準確、干凈和可靠。有了強大的數據集和可靠的調優過程，組織可以避免輸出不準確的陷阱。

AI聊天機器人擺脫“恐怖谷”是關鍵

“恐怖谷”是指科技和人類并沒有完全融合的一個空間。這種介于兩者之間的空間既吸引人又讓人抵制，這就是AI目前所處的位置。LLM擅長模仿人類，有時很明顯是在鸚鵡學舌，雖然很像但不是并完全逼真，這對一些人來說，他們感到被愚弄因此反感生成式AI。

對于客戶服務機器人等關鍵的消費者接觸點來說，犯錯的余地非常小。這種有些令人反感的“恐怖谷”可能會迅速破壞原本順利的交易。然而在未來幾年，隨著聊天機器人溝通能力的不斷完善，它們輸出的內容與真正的人類幾乎無法區分，因此這種差距將會顯著縮小。然而，這種完美可能并不像人們想象的那樣明顯。

人們可能會將AI的功效與“完美”的人類反應進行比較，但什么是完美的反應呢? 將同一文本交給三位才華橫溢的翻譯人員，不可避免地會產生三種細微差別和措詞不同的優秀譯文。這三個翻譯結果都可能是“完美”的，但并不會完全匹配。用不了多久，人們就會看到AI的類似輸出。它可能不是完美的輸出，但將提供與可接受的人類反應相同的場景和信息。而定義和衡量聊天機器人與客戶的溝通能力將是2024年的關鍵。

AI幫助聊天機器人更好地與客戶溝通，但溝通只是其中的一部分。客戶正在尋找與聊天機器人互動的結果。根據Gartner最近進行的一項研究，在客戶服務互動中使用聊天機器人的客戶中，只有25%的人表示會再次使用聊天機器人。從這個數字中可以得出結論，聊天機器人目前的能力并不能完全滿足許多用戶的需求。

AI可以讓員工的工作和生活更輕松、更高效，同時也能改善客戶體驗。然而，組織需要安全地將專有數據合并到流程中，從而為客戶和組織帶來更好的結果。雖然風險很高，但負責任的AI使用將增強團隊的流程和生產力，使組織和最終用戶受益。

總之，Jacob認為2024年是AI的衡量之年。投資回報率將被衡量，其結果將決定AI的組織命運。預計這項技術的持續改進和發展將最終導致廣泛的采用，并帶來人們想象的商業用例。