江苏龙网

  1. 主页 > 生活百科 > >

五种方式教你在工作中采用负责任的生成式AI技术( 二 )

AI


【五种方式教你在工作中采用负责任的生成式AI技术】企业组织感兴趣的大多数生成式AI用途都是可以在低代码自动化工作流程中调用的模块 ， 以便员工可以根据他们的特定需求调整这些模块 。而且 ， 很多平台已经像任何其他组件一样提供ChatGPT和其他OpenAI API 。但是 ， 请确保生成的文本或者图像附带的任何警告或者指导在低代码环境中正确显示 ， 最好有提供反馈的方式 ， 并且工作人员知道你的政策是否可以直接向客户展示这些内容而无需员工提前审查这些内容 。
3、看懂文档和数据将自定义版本的ChatGPT和Bing相结合 ， 给微软Bing搜索引擎带来了数百万的新用户 。但是LLM的工作方式意味着错误和“幻觉”会发生 ， 因为它们本质上是自动完成句子和段落以生成与查询提示匹配的文本 。如果你想要的信息不存在 ， 模型仍然会尝试创建一些合理的信息 ， 即使提供的信息是正确的 ， 并且与某个领域的大多数专家所说的相符 ， 回答也可能是不完整的、不准确的 ， 而且如果你还不是专家 ， 你可能都不知道遗漏了什么内容 。这些问题对于企业搜索和公共网络来说都是一个大问题；微软即将推出的Microsoft 365 Copilot工具将尝试通过基于文档和实体的Microsoft Graph数据查询并提供参考来解决这个问题 ， 但仍然可能会遗漏一些要点 ， 需要你自行添加 。
开始找机会利用LLM来总结和分析文档 ， 或者在那些更受限的场景中生成式文本来解释概念 ， 在这些场景中 ， 信息是由具有专业知识的人员进行内部审查的 ， 而不是直接显示给你的客户或者是其他最终用户 。
生成知识图谱以可视化的方式展现不同实体之间的联系和关系 ， 以此帮助你了解项目、社区或生态系统 。Excel中的Copilot工具 ， 能够以一种交互式的方式获取洞察 ， 并在不更改基础数据的沙箱中提出有关数据的问题 ， 因此任何错误都可能使你走上错误的道路 ， 但不应污染原始信息以备将来分析使用 。
用数据讲故事 ， 是传达关键趋势和AI分析的另一种有效方式 ， 例如Power BI中的Smart Narratives可以发现异常和影响因素 ， 然后用图表和自动生成的描述对其进行解释 。这避免了LLM在数学方面遇到的问题 ， 因为洞察是由线性回归等AI模型得出的 ， 然后由语言模型描述 。这种集成方法可能会变得更加普遍 。类似地 ， 安全工具也开始使用语言生成来解释威胁、异常和AI检测到的潜在违规证据 ， 以清晰且个性化的语言告诉你 ， 这意味着什么以及如何应对 。未来 ， 希望能够向这些工具提出问题 ， 并让工具能够对其给出的建议进行解释 。
你还可以让现有的聊天机器人变得更智能、更灵活 ， 从关键字和固定响应内容 ， 进阶到让响应内容听起来更自然、可以在知识库更新时自动包含新的信息 。同样地 ， 使用生成式AI直接与客户互动来提高客户满意度和降低成本 ， 这一点很诱人 ， 但这比在组织内部使用生成式AI来显示有关福利和其他HR问题的有用信息风险要更大一些 。虽然时下流行的聊天机器人适合某些品牌 ， 但你可不希望因为客户收到危险建议或者被你的聊天机器人侮辱而成为头条新闻 。使用生成式AI提供代理协助 ， 可以让你在降低风险的情况下提高工作效率 。
4、加快业务用户的工作流程会议本应是做出业务决策和共享知识的地方 ， 但会议的价值永远不会离开会议室 。Microsoft Teams Premium、Dynamics 365 Copilot和ChatGPT app for Slack等AI工具可以生成摘要 ， 并记录下分配的任务条目给与会者和那些不在会议室且可能不知道他们负责什么的人 ， 这也有助于避免关于谁被要求做记录、谁做其他“办公室日常任务”的拉扯之争 。
能够每天追赶上Slack繁忙的节奏 ， 也可以提高生产力和工作与生活之间的平衡 ， 但制定计划和决策的人应该负责确保AI生成的摘要、行动项目和时间表的准确性 。总结与客户通话内容的AI工具 ， 可以帮助经理对员工进行监督和培训 。这对于财务顾问和呼叫中心的工作人员来说 ， 可能是有用的 ， 但监控员工生产力的工具需要以同理心的方式被使用 ， 避免工作场所监控引发的担忧 。用户反馈和产品评论是有帮助的 ， 但海量的信息可能会让人不知所措 ， 而且有用的信息可能会隐藏在深处 。


推荐阅读


上一篇：GPT-4及以上 PyTorch将塑造生成式人工智能系统的未来

下一篇：明修"栈"道——越过Android启动栈陷阱