新智元报道
编辑：英智
摩根士丹利的案例表明，企业应用 AI 离不开快速试错与优化。AI 通过分析海量数据打造个性化体验，Indeed 的职位推荐和 Lowe’s搜索优化证明了数据与 AI 结合的巨大潜力。
AI 正以前所未有的速度，重塑企业运营和竞争格局。
从金融服务到电商零售，从求职招聘到家装购物，AI 带来了巨大的变革潜力。
OpenAI 最新发布的报告，深入剖析了 7 家前沿公司应用 AI 的宝贵经验。
报告链接：https://cdn.openai.com/business-guides-and-resources/ai-in-the-enterprise.pdf
这在三个方面带来了显著且可衡量的提升：
-
员工表现：助力员工在更短的时间内，产出更高质量的成果。
-
常规操作自动化：将人们从重复性任务中解放出来，使他们能专注于更有价值的工作。
-
赋能产品：通过提供更贴合用户需求、响应更迅速的服务，提升用户体验。
利用 AI 和开发软件或部署云应用不太一样。那些运用 AI 最成功的公司，常常把它当作一种新的模式。
这种敢于尝试的实验精神，让他们用迭代的方法，更快实现价值，也更容易获得用户和利益相关者的认可。
接下来，结合客户案例，深入探讨每条经验。
经验一：从评估入手
摩根士丹利通过迭代确保质量与安全
作为全球金融服务领域的领军企业，摩根士丹利的业务高度依赖客户关系。
因此，AI 如何在注重个性化和隐私性的工作中发挥价值，成了公司内部关注的重点。
他们的解决办法是，对每一个打算应用 AI 的项目进行全面评估。
评估是一个严谨、结构化的过程，用来衡量 AI 模型在特定应用场景中的实际表现，是否达到标准。
同时，评估也是借助专家反馈，不断优化 AI 驱动的业务流程。
摩根士丹利的首次评估聚焦在提升财务顾问的工作效率和效果。
思路很简单：要是财务顾问能更快获取信息，少花时间在重复性任务上，就能为客户提供更多优质见解。
他们开展了三项评估：
-
语言翻译：衡量模型翻译的准确性和质量。
-
内容总结：依据准确性、相关性和连贯性等指标，评估模型提炼信息的能力。
-
人工训练对比：将 AI 结果和专家顾问的回复对比，从准确性和相关性方面打分。
这些评估及后续其他评估，让摩根士丹利有信心将这些案例逐步投入实际运营。
现在，98% 的摩根士丹利财务顾问每天都用 OpenAI。文件查阅率从 20% 上升到 80%，搜索时间大幅缩短。
借助任务自动化和更快速的洞察，财务顾问能把更多时间花在维护客户关系上。
财务顾问们反馈很好，他们和客户互动更密切，过去要几天才能完成的跟进工作，现在几小时就能搞定。
经验二：将 AI 融入产品
Indeed 职位匹配更人性化
当 AI 用于自动化和加速繁琐、重复的工作时，员工就能专注于只有人能做的事。
AI 能处理多个渠道的海量数据，打造出更贴合用户需求、更个性化的体验，让人感觉更有人情味。
全球领先的求职网站 Indeed，用 GPT-4o mini 以新的方式为求职者匹配职位。
给求职者提供优质的职位推荐只是 Indeed 服务的第一步，他们还要向求职者解释为什么推荐某个特定职位。
Indeed 用 GPT-4o mini 的数据分析和自然语言处理能力，在给求职者的邮件和消息里写这些「推荐理由」。
广受欢迎的「邀请申请」还能说明求职者的背景或过往工作经验为何与该职位相匹配。
Indeed 团队把之前的职位匹配引擎和基于 GPT 的新版本对比测试，新版本加了定制化的背景信息。
结果显示，新版本的性能提升很明显：
-
职位申请量增加了 20%。
-
后续成功率提高了 13%——不仅更多求职者愿意申请，雇主也更倾向于录用他们。
Indeed 每月给求职者发超 2000 万条消息，网站每月有 3.5 亿访问量，这些增长带来了很大的商业影响。
不过，规模扩大也意味着要消耗更多 token。
为提高效率，OpenAI 和 Indeed 合作，微调了一个较小的 GPT 模型，减少 60% token 消耗的同时，仍能达到类似的效果。
帮求职者找到合适工作，并让他们明白某个机会为什么适合自己，是一项很人性化的成果。
Indeed 团队借助 AI，让更多求职者更快找到工作，实现了双赢。
经验三：即刻行动，尽早投资
Klarna 如何从 AI 知识积累中获益
AI 很少能直接拿来就用，实际的应用案例需要不断迭代，才能变得更成熟，发挥更大的作用。
越早开始，企业从持续改进中获得的收益就越多。
Klarna 是全球支付网络和购物平台，推出了一款新的 AI 客服助手，来优化客户服务。
才几个月，这个助手就处理了三分之二的客服咨询，相当于数百名客服人员的工作量，平均解决问题时间从 11 分钟缩减到 2 分钟。
预计这一举措能带来 4000 万美元的利润增长，而且客户满意度和人工客服差不多。
这些成果不是一下子就有的，Klarna 通过不断测试和优化客服助手，才有这样的成果。
现在 Klarna 90% 的员工日常工作都会用 AI。
公司内部对 AI 熟悉程度越来越高，这让 Klarna 节奏更快，更高效地开展内部项目，还能持续优化客户体验。
通过尽早投资并鼓励广泛应用，Klarna 见证了 AI 带来的复合效益，推动了整个业务发展。
AI 在客户互动方面的突破，为客户带来了更优质、更实惠的体验，给员工提供了更有挑战的工作，也为投资者创造了更丰厚的回报。
经验四：定制并微调模型
Lowe’s如何优化产品搜索
那些在应用 AI 方面成果显著的企业，往往愿意花时间、投入资源来定制和训练 AI 模型。
OpenAI 在 API 上投入了很多精力，不管是自助操作，还是借助工具和支持，都能更轻松地定制和微调模型。
OpenAI 和财富 50 强企业、家装零售商 Lowe's紧密合作，致力于提高电商搜索功能的准确性和相关性。
Lowe's有数千家供应商，产品数据经常不完整或者不一致。
关键在于精确的产品描述和标签，同时还得了解消费者的搜索习惯，而这个习惯会因产品类别不同而变化。这时候微调就发挥作用了。
通过微调 OpenAI 模型，Lowe's把产品标签标注的准确率提高了 20%，错误检测率提升了 60%。
如果把 GPT 模型比作成衣，微调就像是量身定制，根据企业的特定数据和需求，对模型进行个性化调整。
经验五：让专家掌握 AI
西班牙对外银行（BBVA）以专家为主导
员工最清楚公司的业务流程和问题，往往也最有能力找到用 AI 解决问题的办法。
让这些专家掌握 AI，比构建通用的解决方案更有效。
全球银行业领军企业西班牙对外银行有超 12.5 万名员工，他们决定让员工掌握 AI，还和法务、合规、信息技术安全团队紧密合作，确保合理使用 AI。
他们在全球推出 ChatGPT 企业版，让员工自己探索适用场景。
西班牙对外银行全球人工智能应用主管 Elena Alfaro 说：「一般来说，在我们这样的企业，哪怕做个原型，都需要投入技术资源、花不少时间。但有了定制 GPT，任何人都能创建应用程序解决特定问题，上手特别容易。」
才五个月，西班牙对外银行的员工就创建了超 2900 个定制 GPT，有些应用把项目和流程的时间从几周缩到几小时。
这一举措在很多专业领域和部门产生了明显影响：
-
信用风险团队：用 ChatGPT 更快、更准确地评估信用风险。
-
法务团队：每年借助它回答 4 万个关于政策、合规等方面的问题。
-
客户服务团队：实现净推荐值（NPS）调查的情感分析自动化。
这些成果还在市场营销、风险管理、运营等部门不断扩展。
「我们把对 ChatGPT 的投入看作是对员工的投资。AI 能放大我们的潜力，帮我们提高效率、激发创造力。」
经验六：为开发者扫除障碍
Mercado Libre 如何更快、更稳定地构建 AI 项目
在许多企业中，开发者资源是主要的瓶颈，限制了业务增长。
工程团队任务太多时，创新速度就会变慢，大量应用程序和创意只能积压着，难以推进。
拉丁美洲最大的电商和金融科技公司 Mercado Libre 和 OpenAI 合作，构建了一个开发平台层来解决这个问题。
这个平台叫 Verdi，由 GPT-4o 和 GPT-4o mini 提供支持。
现在，它能帮公司的 1.7 万名开发人员统一并加速 AI 应用程序的开发。
Verdi 集成了语言模型、Python 节点和 API，打造出一个可扩展、稳定的平台，并以自然语言作为核心交互界面。
开发者现在能更快地构建高质量应用程序，还不用深入源代码。平台里还内置了安全机制、规则限制和路由逻辑。
因此，AI 应用程序的开发速度大幅提升，Mercado Libre 的员工用它实现了很多突破：
-
提升库存容量：GPT-4o mini 的视觉标签功能给产品打标签、完成商品上架，让公司的商品目录数量增长了 100 倍。
-
检测欺诈行为：每天评估数百万条商品列表数据，把标记商品的欺诈检测准确率提高到近 99%。
-
翻译产品标题和描述：适应西班牙语和葡萄牙语的细微方言差异。
-
定制产品描述：满足不同用户的需求。
-
增加订单量：自动生成评论摘要，帮助用户快速了解产品反馈。
-
个性化通知：定制推送通知，提高用户参与度，优化产品推荐。
接下来，Mercado Libre 还打算用 Verdi 优化物流、减少延迟交付，在公司内部承担更多有影响力的任务。
经验七：设定大胆的自动化目标
OpenAI 如何实现工作自动化
在 OpenAI，我们每天都接触 AI，所以经常能发现新的自动化工作方法。
比如，客服团队以前工作很繁琐，要花大量时间访问系统、了解情况、写回复，还要为客户采取正确行动。
于是，我们搭建了一个内部自动化平台。它基于现有的工作流程和系统运行，能自动处理重复性工作，加快分析和行动速度。
首个应用场景是基于 Gmail 写客户回复，并触发相关操作。
借助这个自动化平台，团队能马上获取客户数据和相关知识文章，并把这些信息融入回复邮件或具体操作，像更新账户信息、创建客服工单。
把 AI 融入现有工作流程后，团队工作效率更高、响应更快，也更以客户为中心。
这个平台每月处理几十万项任务，让员工能专注于更有影响力的工作。
不出所料，这个系统现在已经在其他部门推广开了。
这一切能实现，是因为我们从一开始就设定了大胆的自动化目标，没把低效流程当成业务运营的必须承受的成本。
从前面的案例能看出，每家企业都有利用 AI 提升业务成果的机会。
不同公司和行业的应用场景可能不同，但这些经验适用于所有市场。
它们的共同特点是：部署人工智能需要开放、勇于尝试的思维，还要有严格的评估和安全保障。
那些成功的企业不会盲目地把 AI 模型应用到所有工作流程，而是围绕高回报、低投入的应用场景开展，在迭代中学习，再把经验用到新领域。
成果很明显，也能衡量：流程更快速准确，客户体验更个性化，员工能专注于擅长的工作，工作也更有价值。
现在，企业在整合 AI 工作流程，实现越来越复杂的流程自动化，还经常借助工具、资源和其他智能体来完成任务。
参考资料：
https://cdn.openai.com/business-guides-and-resources/ai-in-the-enterprise.pdf
