迄今为止，在企业中，高级聊天机器人、数字助手和编码助手似乎是GenAI应用的一些优势领域。
2022年11月ChatGPT的发布引发了一场GenAI淘金热，各家公司争相采用这项技术并展示创新。
当今企业中根深蒂固的许多AI应用案例使用的是更旧、更成熟的AI形式，如机器学习，或者并没有利用AI的“生成式”能力来生成文本、图片和其他数据。传统的聊天机器人、产品推荐引擎和其他一些有用的工具可能仅依赖于早期的AI形式。
Domino Data Lab是一家企业AI平台提供商，其AI战略负责人Kjell Carlsson表示，一些行业，如生物技术行业，正在寻找使用GenAI的方法，但到目前为止，许多试验这项技术的企业发现用例数量有限。他说，对于许多企业来说，GenAI的投资回报难以实现。
他补充道：“对许多用户来说，现实情况是，他们没有足够的信息来制定利用GenAI用例的AI战略，而且他们无法快速获得足够的价值。他们正在大力推进几个用例，但同时也在建立传统机器学习和‘预测性’AI用例的组合。”
许多AI专家表示，当前GenAI的应用案例只是冰山一角。随着GenAI变得更加强大，用户在其实验中变得更具创造力，将会出现更多的用例。
然而，已经有几个GenAI的应用案例正在涌现。以下是最受欢迎和最有前景的几个。
Advanced chatbots(高级聊天机器人)
虽然使用单词和短语识别的简单聊天机器人已经存在了几十年，但具备GenAI能力的新型聊天机器人可以让对话听起来更自然，同时处理众多客户请求。
IT分析机构Forrester将语言GenAI和AI代理列为2024年十大新兴技术中的两项。例如，欧洲拼车和外卖服务Bolt已部署了一个智能聊天机器人来处理大多数客户投诉，从而节省了大量成本。
许多试验GenAI的公司都担心出现幻觉问题，但Carlsson指出，对于低级别的客户投诉，几次失误并不是世界末日。“如果我们不小心进去，在本应拒绝某人餐费信用时却送出了一顿饭，风险是非常低的。”他说。
在另一个例子中，德国电信(Deutsche Telekom)已使用GenAI来改进其Frag MagentaAI助手，该公司预计该聊天助手每年将能够处理3800万次客户互动。
Digital assistants(数字助手)
包括微软和谷歌在内的几家大型IT公司一直在宣传GenAI数字助手(或副驾驶)，尽管CIO们可能并不完全相信其投资回报。这些助手可以在企业的各个角落搜索信息，创建文档和幻灯片演示，并总结电子邮件链和视频会议。GenAI数字助手还可以生成供应链文档，如供应商报价请求。
一些视频会议应用程序现在会生成转录和摘要，独立的工具如Otter.ai也是如此。像Grammarly这样的应用程序可以纠正语法、拼写和标点符号的错误。
Labviva是一家提供AI辅助采购解决方案的供应商，其联合创始人兼首席技术官Nick Rioux表示，数字助手也可以针对特定需求进行专门化。例如，如果一家公司经常购买敏感的化学或生物化合物，GenAI可以在采购订单中添加特殊处理说明。
他说：“企业GenAI最有前景的应用案例是那些通过增强功能(如内容生成、建议和手动任务自动化)来简化人为任务的应用。”
Coding assistants(编码助手)
GenAI中出现最频繁的应用案例之一是编码助手。GenAI可以编写基础软件代码，让人类程序员能够专注于更复杂的任务。
数据编排初创公司Astronomer的首席技术官Julian LaNeve表示，这些代码副驾驶还可以帮助程序员在遇到问题时将注意力保持在代码上，而不是转向搜索引擎或其他资源来寻找答案。
“他们可以只编写代码注释，然后让大型语言模型(LLM)为他们完成代码，”他说道，这里指的是大型语言模型。“这能让开发者保持我们所说的‘心流状态’和‘专注状态’，而无需分心去查找示例。”
AI生成技术对网页开发尤其有帮助，AI咨询公司GenEdge Consulting的创始人兼管理合伙人Natalie Lambert补充道。GenAI通过创建网站代码，可以显著减少更新网站所需的时间和成本。
“通过利用ChatGPT等工具，即使是没有深厚技术专长的用户也能直接在他们的网站上开发和实施代码，”她说。“这实现了开发过程的民主化，让网络专家能够在AI的辅助下实现他们的愿景。”
许多在软件开发全生命周期中实施GenAI的企业目前正在应对这项技术的局限性和对团队的影响，同时也在总结自身的经验教训。
营销支持
多位AI专家和用户指出，营销支持是GenAI的优势之一。Brosix(一家提供安全即时通讯工具的公司)的联合创始人兼首席执行官Stefan Chekanov表示，GenAI可以创建个性化的营销材料，分析客户数据，并辅助内容创作。
“根据我的经验，在GenAI的帮助下，内容创作和社交媒体管理变得更加高效，”他说。“减少了在琐碎调度、优化和编辑上花费的时间，意味着专家可以专注于高价值任务，从而节省后续成本。”
其他人表示，GenAI可以基于产品评论进行市场分析，甚至能在客户意识到问题之前预测出客户可能遇到的问题。
“对于产品公司而言，了解客户反馈至关重要，”美国银行与保险提供商USAA的AI和数据科学总监Aswini Thota表示。“他们需要知道客户喜欢或不喜欢什么，新兴趋势是什么，地区偏好如何，以及客户将如何看待新产品。”
他表示，GenAI可以从产品评论中提取客户见解，而公司无需委托进行调查。在GenAI出现之前，数据科学家为情感分析和意图提取构建了定制的自然语言处理(NLP)模型，但GenAI在这些早期努力的基础上更进一步。
“GenAI允许我们在同一数据集上构建多个提示，只需按一下按钮，企业就可以提取情感、讨论主题和预期用途。”Thota补充道。
药物发现
CUDO Compute(一家AI基础设施平台)的首席营销官Lars Nyman表示，GenAI正在通过建模复杂分子并预测其相互作用，以“让传统方法看起来像是还停留在拨号上网时代的速度”被用于药物发现。他说，GenAI可以显著缩短新药上市的时间。
全球IT服务提供商MSRcosmos表示，GenAI可以帮助制药公司预测药物相互作用，重新利用现有药物，并根据患者的基因构成创建个性化疗法。
2024年初，NVIDIA宣布推出其面向医疗保健行业的AI驱动Clara计算平台，以及用于药物发现的GenAI平台BioNeMo。
包括强生公司在内的一些生物技术和制药公司正在将GenAI推广为药物发现领域的下一个重大突破。
网络安全和欺诈检测
多家网络安全公司正在使用GenAI来增强工具，以在客户的网络和计算基础设施中查找可疑或不寻常的行为。Conversica(一家对话自动化解决方案提供商)的首席执行官Jim Kaskade表示，AI系统还可以用于高级欺诈检测，通过分析交易模式和用户行为，以高度的准确性预测欺诈活动。
例如，Palo Alto Networks提供了Cortex XSIAM安全运营平台，该平台结合了公司在机器学习(ML)模型和数据存储方面的专业知识，以及Google的BigQuery企业数据仓库和Gemini AI模型。其目标是实时向安全分析师发出威胁警报，同时网络安全平台不断学习新的威胁。
业务流程增强
GenAI在企业业务流程增强方面找到了一个优势领域。在此领域，企业正在探索使用GenAI为业务关键的工作流程提高效率，这些工作流程通常对其所在行业具有独特性。
例如，金融和保险行业的一些公司正在使用GenAI来辅助核保人评估潜在客户。Credibly(一家面向小企业的借贷平台)的联合创始人兼联合首席执行官Ryan Rosett表示，该平台使用GenAI搭配机器学习来评估贷款风险并加快借贷流程。
“在Credibly，我们使用GenAI赋予我们的核保人超能力，”他说。“作为一家金融科技公司，我们的成功取决于对寻求融资的企业主进行快速而准确的风险评估。”
根据安永(EY)的一项调查，截至2023年底，几乎所有保险公司都已采用或有意采用GenAI。约42%的保险公司已经投资于GenAI，约三分之二的公司预计通过使用GenAI，收入将增长10%以上。
在法律领域，法律信息服务巨头LexisNexis正在拥抱GenAI，以应对公司执行副总裁兼首席技术官Jeff Reihl视为行业颠覆性威胁的挑战。
“我们全体动员，”Reihl告诉记者。“我们进行了重大转型，因为这在交互能力、答案的全面性以及数据生成能力方面都是一个改变游戏规则的因素，它的能力令人震惊。”
此后，LexisNexis发布了其自己的GenAI解决方案Lexis+ AI，提供链接的法律引文，以确保律师能够获取准确、最新的法律先例。
预测分析
虽然GenAI模型传统上在检索和总结信息方面表现出色，但企业现在正在利用这项技术进行预测分析。
例如，Interwoven Ventures(一家AI和机器人风险投资基金)的普通合伙人Erez Agmoni表示，一些公司使用GenAI来预测船运时间表。
传统AI驱动的预测分析并非新鲜事物，但GenAI之所以在这项任务中表现出色，是因为它能够处理非结构化数据，而无需预定义算法，Agmoni说道。他此前曾担任船运公司马士基(Maersk)的AI和机器人部署负责人。
船运时间表可能难以预测，因为多个因素会影响到达最终目的地的时间，他说。仅通过查看历史数据的简单算法不足以提供准确的交付日期。
托运人需要多个系统来共享过去和当前的数据，包括多条路线的性能、天气、劳动力表现以及金融市场状况等信息。“能够解决像这个示例中的问题，可以为参与者带来数十亿美元的收益，因此大家非常渴望找到解决方案。”Agmoni说。
从多个来源提取非结构化数据
最先进的大型语言模型(LLM)可以帮助企业将其AI战略拓展到此前未开发的文本、视频和语音消息中的非结构化数据。例如，供应链可见性平台供应商FourKites的执行副总裁Sriram Nagaswamy表示，一些企业正在使用GenAI从视频监控系统中提取数据。
“我们在GenAI领域看到的最令人兴奋的突破之一，是其能够从各种应用程序中提取非结构化数据的能力，而这些数据此前由于过于繁琐或耗时而无法利用，这有可能彻底改变市场。”他说。
例如，许多船运港口都装有定期刷新的摄像头。
“如果我们开始捕捉这些帧，就只需查看车牌号或集装箱号，就能准确知道哪些卡车进出，”他说。“大多数港口都24/7全天候设有这些摄像头，因此数据的民主化以及更自然的数据收集方式将是最容易实现的成果，能够解锁有价值的船运和跟踪见解。”
Nagaswamy看到了一个明显的采用趋势，即采用能够处理多模态输入和输出的大型语言模型，尽管准确性可能不会立即达到99%。
“随着人们逐渐习惯于与大型语言模型简单对话或向其发送图像或视频，我们将在未来一年看到这种能力民主化方面的显著进展。”Nagaswamy说。
