日前,第四范式联合创始人、首席架构师胡时伟受邀录制了播客节目「夜航西飞」,分享了他与第四范式对大模型的研究与思考。下文转载自公众号“MacTalk”,作者池建强。

上周和第四范式的联合创始人胡时伟做了一次对谈。收获不小。为啥有这次对谈,我们的想法其实很直接,绝大部分人都是站在用户视角从市场侧看AI领域的发展,噪音太多。

这次希望能从技术侧听一听在浪潮之巅领跑的那拨人到底是怎么看ChatGPT,怎么看未来趋势的。

老胡是第四范式的首席架构师。毕业后去了百度,在创始人戴文渊博士带的团队里,用机器学习的技术去做广告系统,算是中国非常早期的AI商业化应用实践了。后来业界流行去IOE的时候加入了链家做战略转型,利用技术把人的结构转变成基于互联网的结构。2015年作为联合创始人和戴文渊、陈雨强一起创办了第四范式。

下面是我的总结,这期内容会以播客的形式,发布到夜航西飞。

1、要颠覆什么

企业日常经营就是在不断地做决策并执行。这些年,辅助决策是AI或者大数据技术的一个重要应用场景。决策就是说企业处理一个事情的时候,比如营销、分发,有很多种不同的做法,要选择什么样的做法。

但决策类AI不容易做。因为决策,上游需要高质量的数据作为输入,下游的具体服务得靠人提供。

先说下游执行服务的人。人的不确定性太多了,你出策略,即使AI做得再好,只是辅助,执行如果不到位,数字化也不会有进展。执行,过去我们是人主要驱动的,即使有CRM、ERP、HR,都是靠人,用非数字化的方式执行了之后,把结果一项一项填到系统里面去。

比如CRM系统,每次写记录都费老大劲,好不容易攒几句话交差,之后却从来没用上,因为真正需要沉淀、复用、流通的业务经验其实存在于执行过程中,所以很多难用的系统,用着用着就边缘了,没有提供业务价值,反倒成了负担。

上游输入的数据也是个大问题。

前几年讲,好的企业好的团队要讲究闭环,迅速迭代、螺旋前进,但迭代的依据怎么来呢?得靠数据。数据怎么来呢?完蛋了,执行的过程绝大多数企业压根没收集到数据。

这里的“数据”,不是说你没有历史数据,而是你今天正在开展的业务里边没有足够的反馈数据。什么是反馈数据?

员工跟企业之间的数据交换其实有三条通道。

第一条是接受信息、接受培训,比如视频、文字、PPT;第二条通道是人与人之间的交流,跟同事跟主管跟客户的交流;第三个通道是什么呢?是用系统。

做决策,我们只能用系统里边的这些数据去产生策略,但在这三条路径当中,系统能占多少?

其实你仔细看,在一个员工的所有数据里,系统可能5%都占不到,95%的时间你是在阅读,在跟人聊天,在写PPT、填表格、开会,所以95%的数据都不在系统里。这部分,反而是我们最想萃取的专家知识。

举个例子,我之前做ToB业务,销售团队经常需要和客户沟通。当时有一个非常优秀的销售,业绩一直遥遥领先。有一段时间我们就想怎么让经验流通起来,找了一个萃取专家。

他有点类似咨询公司做的事,访问这个销售问到底是怎么做的,比如一个线索进来你怎么聊天?如果客户对我们产品感兴趣,怎么办?不感兴趣又怎么办?如果客户不理你了第二天怎么办?总之是一步一步怎么跟的。当时这个萃取专家做了几个小时的访谈,整理了一个比较简单的销售流程SOP,我们就根据这个SOP给团队其他的销售看,照这个流程做。

但萃取这件事情大概率是不能通用的,无效的原因就是因为很难有一个非常优秀的萃取专家。因为专家首先得懂业务,其次还得懂怎么拆解落成SOP。如果这个销售懂怎么把自己的经验一步一步梳理出来,沉淀成SOP,也就不需要萃取专家了。

所以对企业来说,关键是什么?关键是能不能把流程梳理出来构建成软件。

但在现实业务流程里,环境太复杂,那95%都是非结构化的、多模态的,我们没法抽象化、标准化,有的甚至都没法数据化。

这是数据的困境。

过去的信息化其实是把所有的业务步骤抽象为表单和流程。表单比如Excel,有的企业自嘲说自己的数字化特别落后,都在Excel里边做,其实这也是一种数字化,还是一个比较经济的数字化方式。问题只是这些数据难以得到利用。

我司做直播那会也是用Excel做,后来切到了多维表格上。但多维表格也得懂怎么调各种视图,还是有门槛。现在已经把数据集成到对话机器人里了,输个指令,直接收到回答。

ChatGPT的创意就是让聊天或者说一对一的沟通,成为了知识库的一部分,成为了软件。企业可以大大扩展数据的边界,突破5%。

以前的系统和表单解决不了的、沟通不了的,由于有了GPT,机器拥有了跟人很好交互的能力,甚至是多轮的、复杂的、带思维链交互的能力。问题,一部分转嫁给算力,一部分转嫁给企业自身对业务的理解,做中间部分的SaaS企业可以比之前做薄太多,大大降低成本,实现所有ToB企业的梦想——用标准化的成本,完成定制化的需求。

未来企业,AI会成为一个生产要素。除了员工之外,还会有一批“AI员工”。

2、该做点什么

AIGC在应用上确实是超出所有人预料,包括OpenAI