人工智能驱动企业：通过情境感知AI重塑组织0引言

0 引言

0.1 简介

生成式人工智能的爆炸式增长引发了一系列案例研究，展现了它正在迅速而深刻地改变着企业。然而，大多数用例仍然将这项技术应用于增强现有系统。本书阐述了为什么企业领导者必须重新审视生成式人工智能的基础知识，并着眼于长期收益。
像 ChatGPT 这样的工具仅仅标志着情境感知人工智能的开端——这种系统能够理解非结构化人类输入的内容和意图。我们借鉴现实世界的案例和学术研究，展示了情境感知人工智能如何增强组织互动，开启新的协作形式，并引领以人工智能为中心的企业时代。通过使用诸如提示工程（prompt engineering）、检索增强生成 (RAG：retrieval‑augmented generation)、知识图谱（ knowledge graphs）以及代理系统（notably agentic systems）等技术来增强基准大型语言模型 (LLMarge Language Models)，组织可以构建定制化工具，以适应个人用户的思维模式及其所参与的协作工作流程。我们提出了一个实用的框架——3C：校准 (Calibrate)、澄清 (Clarify)、渠道化 (Channelize)，以帮助领导者在组织的各个层级中引领这一根本性转变。
0.2 作者

Ram Bala 是圣克拉拉大学利维商学院的人工智能与分析学副教授。除了在动态市场中对定价、市场设计和供应链决策进行前沿研究外，他还为领先的初创公司和财富 500 强企业构建了围绕这些应用的产品。他积极参与人工智能驱动的业务转型，共同领导普罗米修斯人工智能与商业实验室 (Prometheus Lab)，并共同创立了专注于物流和供应链管理的代理人工智能初创公司 Samvid。
Natarajan Balasubramanian 是雪城大学惠特曼管理学院的 Albert & Betty Hill 特聘教授。他研究技术、人力资本、组织学习和创新如何促进商业价值创造。
Amit Joshi 是瑞士洛桑国际管理发展学院 (IMD) 的人工智能、分析和营销战略教授。他专注于帮助企业应用人工智能，并提升其大数据、分析和人工智能能力。作为一位屡获殊荣的教授和研究员，他在银行、金融科技、零售、服务、汽车、电信和制药等行业，拥有丰富的人工智能和分析驱动转型经验。
Ram Bala 是 Samvid 的联合创始人兼首席 AI 科学家。Samvid 是一家位于旧金山湾区的初创公司，本书的多个章节都以情境感知代理 AI 系统为例进行了重点介绍。他此前还曾担任 Andela 的数据科学主管（任期至 2023 年 3 月），该公司在第六章中作为市场 AI 的示例进行了讨论。Natarajan Balasubramanian 和 Amit Joshi 是 Samvid 的顾问。
0.3 推荐序

企业变革的原因之一是技术进步，这体现在从詹姆斯·瓦特到今天的工业革命中。最重要的管理任务之一可以被视为发现和利用技术变革的优势和机遇，以及评估其风险。这适用于这些技术的提供者和使用者。许多成功实施技术创新的行业案例，例如NVIDIA、ChatGPT或Apple，都表明了正确评估和时机把握以及高超的实施能力所带来的潜力。柯达或IBM的例子也表明，市场领先地位可能在短时间内丧失。人工智能应用的进步令人惊叹且显而易见，各行各业都对其潜力的评估意见一致。但除了“是什么”之外，“如何”也同样重要。众所周知，成功的方法有很多。未来不利用人工智能的公司很可能无法在这场技术变革中生存下来。
本书不仅提供了概述，还展示了如何将人工智能应用于商业领域的例子。从优化个人生产力到打造“以人工智能为中心的企业”，这其中蕴含着巨大的潜力。值得一提的是，本书引用了业务流程重组（Business Process Reengineering）的方法，这是20世纪90年代中期一种成功的管理方法，为组织带来了显著的流程改进。2 本书的最重要的观点之一无疑是：在企业中使用人工智能不仅仅是引入一种新工具，而是从信息处理的角度重新思考企业的基本流程。另一个洞见是，人工智能几乎在所有工业和服务领域，无论是脑力劳动还是体力劳动，都能带来生产力和速度优势。以往的技术创新从未在应用上具有如此广泛的普遍性。本书中有许多为实际应用而编写的解释和示例。最后，本书展望了人工智能在医疗保健和教育领域的进一步应用，这些应用领域无疑可以通过人工智能对改善社会产生更大的影响。能否真正在经济和社会中创造价值，取决于我们如何有效运用它，本书将为这一过程提供指导。
Frank-Steffen Walliser 工学博士 宾利汽车有限公司首席执行官兼董事长
0.3 前言

人工智能领域令人瞩目的技术进步有可能迅速重塑竞争激烈的市场和劳动力结构。人工智能已成为一项通用技术，其广泛影响着各行各业，需要管理层的立即关注和深思熟虑。随着大型语言模型 (LLM) 和多模态系统的兴起，人工智能已到达一个转折点，这些系统确实可以谨慎地与各种其他技术工具集成，从而增强其功能。然而，这些人工智能赋能的企业可能错失了人工智能的真正潜力。如果他们不超越现有组织结构中现有流程和人员能力的直接提升，就可能被拥有新商业模式的敏捷竞争对手打得措手不及。
那么，当技术本身瞬息万变、仍然存在缺陷，并且其改进的维度不仅不确定，甚至未知时，如何以结构化的方式重塑企业？如何才能最好地利用能够理解内容和意图的人工智能？
一种成熟的方法是以信息为中心看待企业，并系统地探索人工智能跨越结构化和非结构化数据孤岛的能力，同时利用公共和私人信息。人工智能能够以一种以前被认为成本过高或根本无法想象的方式协调和编排人员、任务和目标。
这正是这本及时出版的书籍的用武之地。作者们拥有独特的优势，凭借其广泛的职能专业知识（运营/供应链、战略和市场营销），成为这样的高管指南。为他们提供跨越企业孤岛的端到端视角。他们深厚的学术根基使他们对组织、分析和技术等核心原则有着深刻的理解。此外，他们还与各行各业的多家公司密切合作，致力于大规模部署分析技术，并推动变革性技术的采用。他们提出的“校准-澄清-渠道化”三步流程，是一种实用的方法，旨在促进 ACE（以人工智能为中心的企业:AI-Centered Enterprise）的创建。本书为那些机敏而深思熟虑的高管们提供了在激动人心却又充满不确定性的人工智能时代中探索和发展的路线图。
Sridhar Tayur 教授 大学教授，福特杰出研究主席，卡内基梅隆大学泰珀商学院 SmartOps（已被 SAP 收购）创始人兼首席执行官 OrganJet 创始人兼首席执行官
参考资料

• 软件测试精品书籍文档下载持续更新 https://github.com/china-testing/python-testing-examples 请点赞，谢谢！
  
• 本文涉及的python测试开发库 谢谢点赞！ https://github.com/china-testing/python_cn_resouce
  
• python精品书籍下载 https://github.com/china-testing/python_cn_resouce/blob/main/python_good_books.md
  
• Linux精品书籍下载 https://www.cnblogs.com/testing-/p/17438558.html
  
• python八字排盘 https://github.com/china-testing/bazi
  
• 联系方式：钉ding或V信: pythontesting
  

1 生成式时代

让我们来认识一下市场经理乔尔。就在三年前，Joel还没有听说过ChatGPT，因为ChatGPT还不存在。如今，他几乎再也听不到其他任何消息了。
生成式人工智能 (AI) 无处不在，人们正在为它腾出空间，无论他们是否愿意。就在最近，乔尔在《华盛顿邮报》上读到一篇关于一位文案撰稿人失去所有客户的报道——因为他们开始使用ChatGPT。悲观情绪持续蔓延。乔尔的同事给他看了一份行业报告。报告发现，大约80%的美国劳动力可能会发现十分之一的工作任务受到生成式预训练转换器 (GPT) 的影响。对于其他人来说，前景更加黯淡：19% 的美国劳动力所完成的任务中，有一半可能很快就会被 ChatGPT 和其他形式的生成式人工智能所处理。
Joel 是普通人，也是我们所有人。不久的将来，如果你还没有开始思考，你也会像 Joel 一样开始思考：生成式人工智能将如何影响你、你的团队和你的企业？它会摧毁你的生计吗？或者，你能利用科技的力量创造更多价值吗？GPT 会丰富人类的工作还是摧毁它？
自通用技术（GPT）问世以来的短短两年多时间里，一个由人工智能影响者组成的行业如雨后春笋般涌现：每个影响者都争相做出引人注目的预测。他们耸人听闻的预测中缺少的，是一种系统性的方法，让我们重新思考生成式人工智能时代的组织。难怪Joel感到困惑。
这本书在纷繁复杂的信息中提供了清晰的信号。在本书中，我们结合了多年来在经济理论、管理和人工智能应用方面的研究，以及咨询经验，探讨了生成式人工智能的兴起将如何改变个人、互动和市场的价值创造。我们展示了组织如何抓住这些转变带来的机遇。未来或许显得迷茫。但以人工智能为中心的企业 (ACE) 打造了一条清晰的、基于证据的成功之路。
1.1 通用技术 (GPT) 革命

ChatGPT 于 2022 年底推出。到 2023 年 1 月，即推出不到两个月后，它就已拥有超过 1 亿用户 ，到 2024 年 10 月，用户数量将接近 2 亿。它对全球劳动力的影响可能非常深远；它可能颠覆或完全取代的职业种类繁多，而且数量还在日益增加。几乎没有哪个职业能够幸免：收银员、文案撰写员、教师和财务分析师，甚至医生和程序员，都将面临技术进步带来的变革、裁员或裁员。相比体力劳动，专业性工作更容易受到通用技术进步的冲击。 “我们还发现，工资与接触人工智能语言建模的机会呈正相关，”研究人员 Ed Felten、Manav Raj 和 Robert Seamans表示。“换句话说，工较高的职业更有可能接触到 ChatGPT 等产品在语言建模方面的快速发展。”这并非空洞的未来展望。许多关键业务流程已经受到影响。像 HomeServe USA 这样的公司正在使用人工智能驱动的虚拟代理来协助客户互动。微软正在考虑利用 ChatGPT 来转型其数字广告业务。它的影响是立竿见影的，而且几乎令人难以置信：在软件公司 Freshworks，ChatGPT 将创建复杂软件应用程序的时间从十周缩短到不到一周。生成式人工智能的爆炸式增长引发了大量案例研究，这些研究揭示了它如何迅速而根本地改变了像 Freshworks 这样的企业。然而，此类故事的泛滥掩盖了更广阔的图景。现在是时候重新审视生成式人工智能的基本原理，并着眼于其直接影响之外。
尽管人们对它充满兴趣——或者说炒作——但ChatGPT仅仅是情境感知人工智能发展历程中的一个里程碑。这种人工智能能够理解非结构化人类语言输入的语境——包括内容和意图。从一个简单的对话框开始，ChatGPT及其生成式人工智能表亲如今能够“理解”传统计算机无法处理的复杂、非结构化问题并提供答案。然而，这些工具在很大程度上仍然很通用——它们并非针对使用它们的个人进行定制。尽管生成式人工智能可以处理人类语言内容，并为我们提供更广阔世界的模式，但它在理解个人意图方面仍然不够完善。提示工程、检索增强生成，尤其是代理系统，都是正在进行的研究，旨在开发具有用户特定“思维树”的定制工具。
它们能够理解非结构化人类输入中蕴含的内容和意图，这得益于它们运用基于大量通用和用户特定语言数据训练的演绎逻辑和统计模型。正是这种从语言中理解语境的能力——此前只有人类才具备这种能力——使得情境感知型人工智能具有变革性的潜力。将这种对语境（包括内容和意图）的理解与人工智能传统的预测能力相结合，其商业机遇将变得几乎无限。
1.2 转型触发因素

这些转型将如何体现？下图直观地展现了情境感知型人工智能可能引发的未来变革。这些变革将包括不断增长的价值创造以及技术和组织能力的提升。如图所示，情境感知型人工智能的进步将创造更大的价值，并提升技术和组织能力。

许多行业已进入转型的第一阶段，并成为大多数企业和媒体关注的焦点。在此阶段，企业将“赋能人工智能”。他们专注于情境感知人工智能的对话和生成能力，这是其最容易驾驭的能力。这些能力提高了个人执行任务的效率。
1.2.1 任务层面

还记得乔尔吗？他的公司可以将情境感知人工智能用于一些简单的任务，例如创建营销内容和简单的新闻报道。聊天机器人回答日常客户问题也是类似的基本用途。
然而，虽然生成内容的能力是情境感知人工智能最受认可的用途，但它远非唯一用途——这项技术已经能够解决许多优化问题。例如，它可以充当行政助理，并根据以人类语言传达的指令帮助协调会议安排，而这些指令是前几代人工智能无法理解或执行的。情境感知型人工智能能够通过响应口头或文本提示，合并来自多个电子表格或数据库的数据。
以前，这需要大量的硬编码——“硬”既指难度，也指缺乏灵活性。这类任务需要人们花费大量时间理解情境（例如，我应该从哪个Excel工作表中选择数据来获取订单价格？）。而情境感知型人工智能可以减少这一环节——这对企业来说是一笔巨大的成本。
随着情境感知型人工智能的不断发展，其赋能的变革将转向交互层面。面向任务的交互——人们在组织内部和跨组织之间交换想法、商品和服务以完成任务的方式——将被重塑。正如任何一位战略学学生所知，这种交换互动是现代商业经济价值创造的核心。
1.2.2 互动层面

通常，此类互动的许多部分都是重复性的，如今需要参与者同步沟通。想象一下，一位产品经理与一位设计师就未来产品屏幕的模型进行沟通。即使在今天，尽管几乎每个人都能使用最先进的内部消息传递和可视化工具，完成这项任务仍然需要多次面对面的会议。这些会议的清晰度和质量参差不齐：有些会议推动了项目进展，有些则只是浪费时间。每次会议之后的大量电子邮件和信息同样不可靠：有些会议提高了清晰度，而有些则只会增加噪音。这些互动可能效率低下，但它们服务于至关重要的人文目的。部分互动帮助参与者了解相关的社交背景的重要信息。它们帮助他们相互理解，了解彼此的工作风格，以及他们对对话提示和指示的反应。然而，正如我们在以下示例中所指出的，这些互动中很大一部分是为了帮助参与者明确任务背景。情境感知型人工智能可以瞄准并简化这些交互环节。前几代人工智能使用结构化数据自动执行常规、重复性任务。情境感知型人工智能将自动化涉及非结构化信息的常规、重复性人机交互。它将通过增强我们利用这些非结构化数据感知和推理的能力来实现这一点。当今的大型语言模型无法有效地做到这一点。
让我们回顾一下之前设计产品屏幕的示例。这个过程在今天是如何进行的？情境感知型人工智能未来将如何改变它？
项目始于一个想法。产品经理对产品设计有一个初步的概念，这个概念显然是模糊且不断发展的。她可能会与设计师讨论设计方案。他们会进行初步沟通，产品经理在沟通中概述总体愿景，并且设计轮廓。设计师根据对话内容，设计出一些方案的模型。通常，他的模型需要进一步的互动和审查。这种反复的审查可能需要数周时间。工作日程冲突和各方不同的优先事项使得同步会议难以协调。
现在考虑另一个行业。移民律师与客户之间的互动与设计示例中概述的流程类似。通常，律师会通过问卷调查向客户征求一些基本信息。客户对问卷的回答有助于律师对其客户获得签证的前景进行初步评估。在此次交流之后，律师会进行多次面对面和电子邮件互动，以收集更多证据，从而增加客户申请获批的机会。美国的移民律师经常抱怨，签证申请的评估过程本身就需要数周的时间，而且这些工作是不可统计的。这严重影响了整个律所的收入效率。
这种互动并非仅限于双方。零售商通常与UPS和FedEx等快递公司签订长期合同。由于这些合同的复杂性，咨询行业应运而生，以帮助零售商进行谈判。此外，顾问还帮助客户优化配送路线，以降低成本，同时保持优质的服务。尽管在这个三方过程中使用了大量的分析技术，但仍有大量精力投入到从复杂的自然语言文档中整理更精细的结构化数据上。此外，尽管零售商最终通常能获得更优惠的价格，但他们仍花费大量时间进行面对面和电子邮件沟通。单个合同的谈判过程通常长达数月。在所有这些情况下，情境感知人工智能可以显著减少互动时间，同时提高互动输出的质量。例如，在第一个案例——产品经理——中，一个设计合理的工具可以“理解”产品经理对产品的模糊口头描述。它不仅可以识别出一份模拟方案的候选名单，还可以突出其他相关的设计考量。设计师可以将此输出作为起点，从而节省产品经理和设计师之间数小时的来回沟通时间。
同样，在第二个案例——移民律师——中，情境感知型人工智能工具可以对案件进行初步评估，并根据客户提供的证据和类似案件的历史数据，突出缺失（或有用的）信息。这样的工具还可以识别出一份可能相关的案例列表，律师可以利用这些案例来构建自己的案件。在第三个案例——快递合同——情境感知型人工智能工具可以在谈判和谈判后阶段提供帮助。它可以利用其理解情境和解决复杂问题的能力，帮助设计和协商更适合双方的合同。协商后，它可以让零售商以优化自身业务的方式利用合同。通过理解合同条款及其中的各方义务，它可以提出与协议兼容的互利流程。
这些示例揭示了许多组织交互的低效性，并展示了情境感知型人工智能如何改进这些交互。然而，情境感知型人工智能带来的改变并不局限于个人交互。在交互层面实现的转变将惠及组织和其他更高层面，包括更广泛的经济领域。
我们尤其关注的是市场。毕竟，交互是组织和市场的基础。
1.2.3 市场层面

买家和卖家在 eBay 和 Etsy 上互动。客户和供应商在 Upwork、Freelancer 和 Fiverr 上互动。情境感知型人工智能可以提升这些互动的质量，尤其是在涉及大量非结构化数据的市场中，例如人才和招聘市场。
除了提高互动质量之外，情境感知型人工智能还有可能改善互动代理之间的匹配度。例如，与目前的搜索算法不同，情境感知型人工智能不会向项目经理提供 50 位潜在职位申请人的列表，而是能够更好地理解经理申请的背景，并提供 10 位更合适的候选人的精选列表。这种更佳的匹配度可能会提高经理和候选人对市场的满意度，并使市场能够更好地平衡供需。
从长远来看，情境感知型人工智能将降低互动成本，并提高互动质量，正如研究人员 Ronald Coase、Avi Goldfarb 和和凯瑟琳·塔克 (Catherine Tucker) 指出，这将振兴现有市场并创造新的市场。在我们之前的例子中，产品经理和设计师现在很可能属于同一个组织。
未来，我们可以设想产品经理在一个由情境感知人工智能驱动的市场中定期与多位外部设计师互动。然而，还有更深远的影响。零工和移动技术的出现已经改变了多个行业组织之间的互动，但企业在很大程度上未能以类似的方式考虑组织内部的互动。下一代技术——情境感知人工智能——将成为此类组织内部互动的核心中介和协调平台，可能将各种类型的组织从单纯的人工智能企业转变为 ACE。
这种转变将使组织摆脱当今线性互动的束缚，在这种互动中，两个（或几个）人以基本上连续的方式进行交流。它将使企业能够采用以情境感知人工智能为中介的市场模式，并充分利用平台中介的众多参与者之间的互动，从而实现更优的匹配，并增强问题解决能力。无数高管和创意人员受到组织层级的限制。以情境感知人工智能为中介的内部市场模式，可以解放他们。
回想一下我们的产品经理。通过使用情境感知人工智能，她不仅可以在组织内找到最合适的设计师，还可以吸收其他利益相关者的意见——其中许多人目前被排除在流程之外。
1.3 如何使用本书

本书的首要前提是人是自主的。情境感知人工智能带来的变革将由人类行为驱动，而不是由我们无法控制的、无定形的天网式实体驱动。同样，我们对这些变化的反应将由我们自己决定，而不是由某些人工智能影响者所鼓吹的假想的超级人工智能。
鉴于人类的关键作用，这些转变在一定程度上是可以理解和预测的。然而，做到这一点需要的不仅仅是对生成式人工智能的技术掌握。它需要理解商业组织的哪些方面可能会发生根本性的变化。思考互动和市场的本质，以及它们如何创造经济价值，也至关重要。最重要的是，它需要想象力：我们如何将情境感知型人工智能置于组织的中心？
本书的结构（如下所述）旨在实现这些目标。
在第二章中，我们概述了ACE的概念，它是围绕情境感知型人工智能构建的。第三章是情境感知人工智能的非技术入门指南，重点介绍业务任务的两个重要组成部分：感知和推理，以及为什么我们需要人工智能模型中两个相应的层来执行这些任务。
第四章至第六章将探讨一些框架，这些框架有助于直观地展现情境感知人工智能能够改变的各类个人任务、交易互动和市场。技术是变革的巨大动力。然而，无论围绕技术如何兴奋和炒作，它都无法取代经济理论、战略和价值创造的基本作用。因此，本书将这些论述置于更广泛的背景下进行阐述。
我们的第二个前提是，实现这些可能性对大多数人来说都将是一条坎坷的道路。经验表明，我们所描述的许多转变都取决于企业是否适应情境感知人工智能——即所谓的“业务流程创新”（参见附录“‘另一种’通用技术（GPT）和J曲线”）。
早在 GPT 被定义为“生成式预训练变压器”之前，经济学家们就将其解读为“通用目的技术”，这些技术改变了经济各领域的工作方式。例如，电力、内燃机，以及最近的互联网。ChatGPT 是该缩写词新含义下的 GPT。然而，鉴于其广泛的适用性，情境感知人工智能 (Context Aware AI) 也是一种旧含义下的 GPT——一种“通用目的技术”。然而，与其之前的革命性技术相比，其广泛的应用潜力并非仅仅是如此。情境感知人工智能与其他通用目的技术还有另一个共同点。与电力、内燃机和互联网一样，情境感知人工智能需要对互补性创新进行大量投资。所有 GPT（以其原始含义）的共同点被称为“业务流程创新”。蒸汽动力最早由研究人员 Bresnahan 和 Trajtenberg 在 1995 年发表的开创性论文中提出，至今仍具有现实意义。例如，19 世纪末 20 世纪初的工厂无法简单地打开开关，就将蒸汽动力转换为电力。他们不得不彻底改变制造流程——包括机器的布置方式和电力输送方式。这一切都需要时间——就电力而言，甚至需要几十年。因此，在一项看似更先进的技术出现的同时，蒸汽的使用仍然持续了数年。这种适应通常伴随着若干战略挑战。其中一些挑战——例如对变革的抵制——在许多技术变革计划中都很常见。其他挑战则源于情境感知人工智能的独特性。例如，一位纽约律师在使用ChatGPT进行法律研究并引用了并不存在的法律案例后陷入了困境。同样，ChatGPT不太可能完全辨别产品设计是否安全或合乎道德。从更广泛的层面来看，随着市场在经济中变得越来越重要，组织必须学习如何与市场合作以及在市场内部运作：当今大多数组织无法充分利用外部市场，更不用说采用市场方法了。
在本书的后半部分（第7-9章），我们提供了一个结构化的框架——3C框架，旨在帮助企业高管和企业家校准、明确和引导情境感知人工智能的功能，从而为其组织创造价值。第10章最后简要讨论了一些企业之外的更广泛的社会影响，并对未来做出了一些预测。
总而言之，不同的读者可以以不同的方式运用这些框架、示例和讨论。企业高管可以用它来制定其人工智能转型计划的路线图。它可以帮助预计情境感知人工智能也会出现类似的滞后，尽管滞后时间可能更短。与其他通用技术一样，情境感知人工智能将在各个行业以不同的速度被采用，这取决于需求以及实施必要的互补创新的难易程度。人的作用也将至关重要。除了识别使用情境感知型人工智能的机会之外，管理者和企业家还需要识别、发起和引导随之而来的个人、组织和市场层面的变化。
由于大多数此类变化的预测都充满不确定性，所有这些都需要企业及其内部人员的学习。他们必须为布林约尔松及其合著者所称的“J曲线”做好准备——这是企业了解并实施这些变化的生产力较低时期。
这种学习在不同企业和行业之间并不均衡。技术与人力资本之间存在着重要而微妙的相互作用。管理者和企业家必须意识到这些因素，并准备好应对其商业影响。他们需要运用信息处理和情境感知型人工智能的视角来审视他们的组织结构、决策流程和工作流程。
企业家可以通过本书找到适合人工智能解决的商业用例，以及如何构建合适的技术并制定合适的市场营销策略。其他终身学习者也可以将本书作为人工智能技术讨论与实际应用之间的桥梁。
本书旨在供多个层次阅读。快速浏览一遍即可获得对该技术、其潜在用途以及一些实施考虑因素的概述。深入阅读，无论是分章节还是分部分阅读，都可能通过激发与本书中众多底层概念思想的更紧密联系，从而更深入地理解各种框架。我们几乎在每一章中都使用了标注，旨在进一步帮助读者理解。尽管如此，我们的想法并非适用于每个组织和每种情况。我们也无法探索每个实施细节，并准确预测特定转型何时会发生。相反，我们为所有踏上探索情境感知人工智能之旅的人指明了出发点。如果这听起来令人兴奋，那就继续阅读吧。
1.4 小结

• ChatGPT 和生成式 AI 仅仅是情境感知技术演进过程中的里程碑——情境感知技术最终将理解非结构化语言输入中的内容和意图。
• 短期内，随着组织逐渐具备 AI 能力，情境感知 AI 将影响个人任务的执行。
• 中期来看，人与人之间常规且重复的组织互动将发生转变。
• 长远来看，每个组织都有潜力通过采用内部市场模式转型为 ACE，在这种方式中，互动将由情境感知 AI 进行调解。
• 情境感知 AI 带来的转型需要企业进行重大调整。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！