ChatGPT首年回顾与未来人工智能浪潮的展望

　　上周，ChatGPT迎来了其一周年纪念，标志着生成人工智能（GenAI）向全球的推广。ChatGPT的迅速成功令许多企业感到意外。即使在一年之后，随着技术变革的持续加速，企业仍在努力追赶这一潮流。

　　谷歌近期宣布，其GenAI模型Gemini的计算能力预计将很快达到GPT-4的五倍，明年可能达到二十倍。对于企业而言，GenAI并非一次性的技术飞跃，而是一系列快速进步的开端，且没有减弱的迹象。在这一新现实中，企业在整合当前技术时，往往已经落后于GenAI技术的下一波浪潮。

　　正如俄国革命家托洛茨基所言，这种不断变化的新状态确实是一场永久革命。它的革命性在于带来的变化往往是突发且大规模的，而其永久性则源于人工智能的发展速度将持续超过组织学习的速度，导致企业在技术上逐渐落后。

　　与个人电脑革命相比，后者给予企业足够的时间来追赶，但在人工智能时代，赶超的可能性显著降低。这在一定程度上是因为人工智能的进步具有自我强化的特性，每一次突破都会影响新旧系统，提升其性能，重塑我们的生活和工作方式。可以说，永久的人工智能革命在可预见的未来是没有终点的。

　　在这一背景下，企业的转型努力应具备双重意图：成功采用成熟技术，并为加速早期技术的试验做好准备。由于企业学习的速度通常低于技术进步的速度，成功将很大程度上依赖于企业的相对学习速度，以及其能否及早采用可预见的技术。对于致力于采用独立大型语言模型（LLM）的公司而言，当前的挑战在于制定基于LLM的转型计划，并关注下一个自主代理的到来。

下一个颠覆：自主代理

　　从蒸汽机到个人电脑和互联网，过去的科技飞跃增强了人类的物理和计算能力。然而，今天的人工智能技术将技术增强的领域扩展到了长期以来被认为是人类独有的领域，如创造力。生成式人工智能对人类特有能力的掌握，意味着它将以前所未有的方式影响知识工作者的职业身份，预示着一个与当今世界截然不同的未来。

　　以自主代理为例，这是永久性人工智能革命的下一个可预见的破坏性前沿。尽管人工智能技术已经在发展并减少了人类干预的需求，自主代理则完全消除了人工干预。与当前的LLM不同，自主代理需要一个初始目标，但不需要迭代提示。它们利用系统配置（包括LLM）将复杂目标分解为单个任务，并向其他系统发出执行这些任务的指令。

　　例如，一个自主代理可以分析以往的客户交互及其结果，自行学习如何最佳回复客户。借助GenAI，代理能够根据之前的营销活动数据创建量身定制的电子邮件营销活动，包括在设计、日程安排、图形和主题行上做出决策，并通过与外部系统（如客户关系管理系统）接口来执行这些决策。它甚至可以根据对以往活动的反应自行选择目标受众，并决定电子邮件的打开、查看、点击和响应数量是否值得关注，从而向管理层报告。未来，一个自主代理可能会承担整个数字营销团队的角色。

　　尽管自主代理尚未为广泛的企业应用做好准备，但其出现的速度显然在加快。专家预测，自主代理将在三到五年内成为主流。OpenAI最近推出的定制聊天机器人，能够通过外部应用程序编程接口（API）调用，标志着这一趋势的开始。尽管这些系统尚未完全具备自主代理的能力，但它们清晰地指向了GenAI的发展轨迹，从独立的LLM到能够感知并对环境采取行动的自主代理。

　　自主代理的到来将对个人、团队和整个组织产生深远影响。个人需要不断提升技能，以适应复杂任务自动化带来的快速变化。面对自动化整个工作流程的代理，团队结构和角色配置也需快速适应。随着自动化使得当今竞争优势的来源日益商品化，组织也将面临不断变化和必要的重新校准。

如何准备应对持续变革？

　　在一个不断变革的世界中，企业领导者需不断探索未来，即使早期技术的确切商业应用尚不明确。一旦新技术出现在视野中，企业必须制定强有力的转型计划，以促进下一波技术的采用。那些将自主代理的规划推迟到其成为主流之后的公司，将面临落后的风险，而人工智能技术的不可预见发展将加剧这一赤字。

　　对于企业而言，这是一个真正的机会，可以开始学习如何学习：将自主代理视为一种测试，以检验公司是否在为未来做好准备，从而建立组织技能，更快地接受代理之后的任何技术。那么，已经在转型采用当前独立LLM的公司如何为自主代理做准备呢？它们的GenAI转型计划需要在四个关键维度上具备健壮性：技术架构、劳动力、操作模型和政策。

1. 　　技术架构：目前致力于GenAI采用的公司正在投资建立数据架构，以确保LLM能够从跨企业系统中检索数据。为了同时为自主代理做好准备，建立双向信息流至关重要，使代理不仅能从系统中提取信息，还能采取行动。公司在构建新工具和技术时，应确保创建双向API，以便向代理传达可理解的指令并执行其指令。

2. 　　劳动力：随着GenAI掌握越来越多的任务，公司需要调整战略劳动力计划，以雇用和培训能够有效使用和监督LLM的技能。自主代理的出现将使整个工作流程的自动化成为可能，而不仅仅是离散任务。这意味着整个功能和业务单元团队需要重新配置，可能在未来显著减少劳动力需求和成本。公司应通过增加端到端工作流自动化的场景对劳动力计划进行压力测试，以评估其准备情况。

3. 　　操作模式：自主代理的到来可能会使现有的竞争优势商品化，因此公司需要建立能力，以快速原型设计自主代理用例。公司的运营模式应建立在代理逐步自动化规划功能的预期之上。代理的初始部署可能需要密切的人类监督，但随着代理变得更加可靠和复杂，角色和责任的平衡应逐步向代理转移。越早实现这种渐进式转变，公司就越能从代理驱动的自动化中获得全部好处。

4. 　　政策：为新技术，尤其是颠覆性技术的使用获得社会许可，对其成功至关重要。当自主代理在极少甚至没有人为监督的情况下制定和实施决策时，这种需求尤为迫切。尽管正式的监管可能需要时间，但企业应实施护栏，以确保安全、适当地使用新技术。在监管到位之前，自我监管也是一个负责任的步骤，有助于寻求社会许可。然而，自我监管并非可持续的长期解决方案，组织应积极与监管机构合作，帮助制定管理和监控新兴技术使用的正确方法。

结论

　　生成式人工智能进入主流应用后的发展速度表明，对新兴技术采取观望态度已不再是一种选择。快速发展的技术造成的持续破坏状态相当于一场永久的革命，企业必须为可预见的未来做好准备。这并不意味着简单地追求最新技术，而是重新校准以最大化组织的数据基础设施、劳动力规划和运营的适应性。对于企业而言，人工智能技术的采用挑战看似离散的冲刺，实际上是一场高速马拉松。

　　作者简介：

• 弗朗索瓦·坎德隆，波士顿咨询集团巴黎办事处董事总经理兼高级合伙人，波士顿亨德森研究所全球总监。
• Mikhail Burtsev，伦敦数学科学研究所人工智能研究员。
• Gaurav Jha，波士顿咨询公司顾问，波士顿亨德森研究所大使。
• 丹·萨克，波士顿咨询公司董事总经理，技术建设和设计部门合伙人。
• 列昂尼德·朱可夫，波士顿咨询公司全球人工智能研究所主任，纽约办事处工作。
• David Zuluaga Martínez，BCG合伙人，BCG Henderson Institute大使。