通过大幅降低开发和改进产品服务的难度及成本，生成式AI有可能颠覆甚至商品化曾经需要大量人力和创造力才能提供的业务。为了在竞争中立于不败之地，许多企业必须重新思考自己的战略，找到为客户增值的新方法。
企业如何才能将AI从威胁转化为机遇？如何利用它建立竞争优势？哪类企业最有潜力？这些都是本文会回答的问题。
如何利用生成式AI
根据我们与硅谷企业数十年合作的经验，以及利用经济建模对数据和AI带来的竞争优势的研究，我们发现，生成式AI工具可以分为三个层次，这三个层次对应的竞争优势逐次递进。
公共可用的AI工具。公司可以为员工提供现成的大语言模型（LLM）或其他类型的生成式AI，如Midjourney 和Runway，以帮助他们更高效地完成工作。例如，员工可以使用这种一级AI工具来改进内部沟通或路演文档，为新的产品功能提出想法、对竞争对手进行研究、为销售人员撰写商务拓展信息、润色照片等营销物料，以及发布社交媒体帖子等。
几乎所有行业的所有公司——从技术公司到消费品制造商，再到建筑和咨询公司——都应该考虑应用一级AI工具。正如互联网在20世纪90年代末成为生存和发展的必要条件一样，随着生成式AI变得更加准确、适用和安全，公共可用的生成式AI工具也将如此。这些工具包括OpenAI的ChatGPT、谷歌的Bard等通用大语言模型，也包括针对特定行业的大语言模型——比如针对律师事务所的Alexi和针对会计师事务所的Karbon AI——还有针对特定功能的大语言模型，如用于文案编辑的Copy.ai和用于写代码的GitHub Copilot。不使用这些工具的公司将面临严重的竞争劣势。
短期内，一些比竞争对手更好、更快地利用这些工具的企业能获得优势。如果企业能在使用生成式AI的基础上，推动根本性的业务流程变革，则将获得更大的优势，而进展太慢的企业将被淘汰出局。不过，每个人（新入局者和现有对手）都能使用的AI模型，只能带来暂时的优势，然后就会变成桌面上的赌注。
一级AI工具应用的基本形式是，不对AI模型进行定制。在实践中，企业可以用自己的数据对模型进行微调，从而实现小规模的定制化，此举可使企业向二级AI工具迈进。
定制工具。企业可以创建自己的定制化生成式AI工具，让工具可以使用企业在服务客户过程中积累的数据和技术诀窍。企业可以从开源模型中构建这些工具，也可以使用Anthropic和Cohere等大语言模型公司提供的模型。定制化的工具使产品更易于交互，同时让产品增加个性化推荐等新功能，从而提升用户体验。
例如，软件产品（尤其是复杂的软件产品）提供商可以创建基于生成式AI的、特定的聊天界面。Intercom是一家为客户服务提供在线工具的公司，其联合创始人兼首席战略官Des Traynor告诉我们：“这些界面的妙处在于，软件提供商不必牺牲易用性来换取定制性。”对于每个人（而不仅仅是专家）来说，软件的使用变得直观，且可以针对使用情况自动进行个性化设置。人们不必在迷宫般的下拉菜单中穿梭，也不必确切知道在哪里输入什么数据，而是可以用自然语言与聊天界面对话，就像有一个私人助理一样。
假设现在有一家To B软件开发商，其业务是为客户提供管理差旅费用的产品。现在，它可以添加一个生成式AI工具，该工具通过员工以前提交费用的数据库训练而成，涵盖了不同角色员工的申请信息。有了这个工具，员工只需告诉AI，他们希望提交最近一次出差的差旅费用，AI就会指导他们完成整个流程，指出需要上传哪些收据以及需要哪些其他信息。AI还允许他们注明任何特殊情况——例如，“我在周三和周四休假”，这样AI就知道，报销中不包括这两天的费用和津贴。然后，该工具将根据公司政策处理报销事宜。如果出现任何复杂情况，它会要求用户提供更多信息或标记差异。
或者，假设一家银行或其他金融服务公司，它们可以通过创建生成式AI私人银行家来应用二级工具。我们可以根据人类私人银行家向现有客户提出的建议训练这些AI私人银行家，然后再向需要根据自身情况和需求定制投资建议的客户推广。
最简单地说，二级AI工具包括将生成式AI与内部数据相结合，为客户提供更直观的用户界面和更个性化的服务。许多企业可以利用用户反馈来不断改进其定制模型，这将使他们开始向三级工具的方向发展。
建立自动的、持续的数据反馈回路。在全面应用生成式AI工具后，这些工具会在客户使用产品或服务的过程中产生出可靠的信号，这些信号会自动反馈到模型中，从而在最少的人工干预下提高模型的能力。若公司允许AI工具推断其对客户的帮助程度，则公司将获得最可靠的信号。
为公司的产品或服务创建一个独一无二的反馈回路，这是最重要的。客户越经常使用产品，AI收集的反馈信号就越多，这就使得生成式AI工具能够进一步改进自身，从而带来更多的用户、更多的使用、更多的反馈，如此循环往复。这就是一种强大的复合竞争优势。
在线教育公司Chegg利用生成式AI为学生创建了个性化的学习助手。这种定制的在线工具是根据Chegg专有的教育内容库和产品使用数据进行训练的。学生与对话式用户界面进行交互，该界面可根据学生的个人需求提供指导。该工具找出用户共同的症结，不断改进其学习内容，如记忆卡和模拟测试。这就在整个Chegg用户中形成了一个数据反馈回路。此外，Chegg还创建了单独针对每个用户的反馈回路，使该工具能够根据个人成绩调整教学进度以及测试的内容和难度。这样，Chegg就能帮助学生更好地学习，同时产生可靠的反馈信号，使其不断改进。
各行各业都能从应用三级工具中获益。例如，在线电子游戏的发行商可以利用生成式AI创造并不断强化定制的非玩家角色（或称 NPC，即那些不受人类玩家控制的角色），同时收集用户在游戏过程中对不同NPC的反应和参与情况，并加以利用。公司还可以利用生成式AI试验不同的剧本和环境，并几乎实时地了解哪些剧本和环境能提高用户参与度。
同时提供流媒体服务和内容制作的公司（如迪士尼、HBO和网飞）也是第三级解决方案的良好应用者。这些公司可以开发一种专有的AI解决方案，针对不同观众调整场景以定制化节目。它可以使用Runway这样的AI视频制作工具来制作更符合观众口味的内容，同时还能考虑到对成人内容或语言的容忍度、不同国家观众的敏感性和用户观看的其他节目的属性等。该模型还能根据消费者的行为进行自我更新，比如：消费者在调整场景后是否继续观看节目？这个模型能将观众可能给出的任何直接反馈都纳入未来的项目设置中。不过，这种反馈回路不会像在电子游戏中那样强大和持续，因为电子游戏的反馈回路可以实时吸取经验教训。
专业服务公司，如研究和咨询顾问公司或营销机构，也应考虑进入第三级应用。咨询公司可以创建一个生成式AI模型，生成研究报告的初稿。员工对初稿进行修改，让AI不断消化这些反馈，并利用这些反馈来生成更好的初稿。(注意：公司必须确保AI工具在与另一个客户，尤其是同行业客户合作时，不会使用该客户的机密数据。）这样的工具将从根本上加速企业及其专业人员的学习过程。
达到第三级的主要挑战在于，如何在不干扰客户体验的情况下获取反馈。理想情况下，反馈信号应在使用产品的过程中自然产生。说回Chegg的AI工具，它可以逐题观察学生在每次练习和测试中的表现；它能立即洞察到学生的问题所在，从而改变解释概念的方式或调整未来测试题的难度和性质，而不会对学生的考试体验产生负面影响。
当无法实现自然和高质量的反馈循环时，公司就需要直接征求客户的反馈，许多产品都会出现这种情况。用这种方式收集反馈，我们应尽量减少对客户的干扰，同时向客户说明，提供反馈能给他们带来什么好处（例如，“请用1到10分来评价我们的AI聊天机器人对您有多大帮助，这样它就能在未来更好地为您提供服务”）。如果直接征求客户的反馈会造成太大的干扰，或者会提供不可靠的信号，那么公司可以让人类参与到这一环节中来，正如上文中，提到撰写报告草案时所描述的那样。
应用AI时需考虑的问题
要充分利用生成式AI的优势，企业需要投入更多的资金和技术，以达到更高的水平。此外，还需要对在线产品、服务和内部流程进行更广泛的调整。
在第一级，公司必须解决的关键问题是，允许员工与公开的生成式AI工具共享多少内部数据？每当这些工具使用企业内部数据时，都会引发数据安全和竞争方面的问题；不过，我们已经看到生成式AI的提供商采取措施来解决这些问题，例如，为每个企业客户的AI工具设置数据围栏。
在第二级，公司需要重点培训和微调定制化的AI工具，确保它输出的结果尽可能地准确（尽量减少“AI幻觉”）且与客户高度相关。
在应用第三级工具时，企业必须专注于重新设计在线产品、服务、以及内部流程，以便在整个客户体验的过程中无缝嵌入生成式AI。这样，我们收到的反馈信号的广度、深度和质量就能最大限度地提高。
乍一看，似乎只有大型企业才有资源实现第二级和第三级应用，但实际上，利用公司内部数据定制AI变得越来越容易，也越来越经济实惠。公司现在可以从Open AI（ChatGPT Enterprise）、微软（Bing Chat Enterprise）和Anthropic（Claude for businesses）等供应商处获得生成式AI，并根据自己的数据对其进行微调。公司可以相信，自己的数据将得到安全、保密的保护，AI从中学习到的知识不会泄露给其他人（比如生成式AI的供应商或公司的竞争对手）。从第三方供应商处购买生成式AI服务将变得与购买云计算服务类似，服务的价格会不断下降，安全性会不断提高。另外，企业也可以通过开源模型（如Meta的Llama）来构建自己的生成式AI，并用自己的数据对其进行训练。这将让一切都在公司自己的掌控之下，就像在自己的服务器上进行云计算一样。
哪些企业将最大获益？
正如我们所指出的，几乎所有企业都应采用一级生成式AI工具。大多数企业至少应考虑将工具提升到第二级，甚至可能提升到第三级。为了确定这样做是否会带来优势，领导者应该问自己两个问题：
生成式AI可以取代我们目前提供的多少服务？这个问题决定了生成式AI的潜在颠覆范围，当然也表明了公司迫切需要开始提升AI应用水平。
生成式AI对生产清洁用品和厨房用品等简单消费品公司的影响微乎其微。但即使是这些公司，也可以通过使用一级AI工具来提高生产力和创造力——例如，提出新的产品创意、设计或配方。（参见文章：AI“生成”你独有的创造力，《哈佛商业评论》中文版，2023年8月刊）。
软件公司会发现，不同产品在不同程度上会被生成式AI替代。在其他条件相同的情况下，复杂的软件产品更容易受到影响，因为自然语言聊天界面可以让更多客户更容易使用这些产品。另一方面，通过与其他产品或服务整合来提供价值的软件则更不容易受到AI的干扰。例如，支付平台Stripe是建立在与金融机构的复杂且高度安全的连接之上的，这些连接不能轻易被生成式AI复制。
对于目前由人类提供的在线服务来说，生成式AI的威胁是即时又巨大的，因为它们能够处理大部分工作。这方面的例子包括Logo设计和网站设计服务（如Webflow、Fiverr和Upwork）以及在线教育（Chegg）。
对售后服务和支持占据重要地位的公司来说，生成式AI可以在建立竞争优势方面发挥关键作用。具体来说，它可以用来加强客户服务，它的价值是让用户最大限度地利用产品，或在使用中避免技术问题。
如果AI的威胁很大，企业显然应该尽快进入第二和第三级。如果威胁不大，则可以采取较慢的方法来部署生成式AI。
生成式AI能提高竞争地位的空间有多大？只有当企业有足够的潜力利用自身数据建立模型，且模型的使用效果能超越ChatGPT或Midjourney等公开AI工具的效果时，生成式AI才能提升它们为客户提供的价值。要衡量这种潜力，公司还应该问自己三个问题：
我们公司的数据有多独特？训练AI模型时，如果要保持优势，企业的内部数据必须不能轻易被其他公开数据替代。例如，网站和标志设计公司积累的数据，与其竞争对手从公共网站获取的数据相比，不会有更大的优势。而Chegg为学生提供的价值则无法被竞争对手用公共大语言模型复制。这是因为，它的数据来自学生在参加测验、在教学过程中互动、在困惑时提问等独特行为。
当内部数据与相关产品、垂直行业、或特定客户的需求相关时，这些数据通常更有价值。它们所产生的建议、内容和其他输出结果，无法被使用公开历史数据训练出来的AI复制。在这种情况下，我们同意Chegg总裁兼CEO丹·罗森斯韦格（Dan Rosensweig）的观点，他说：“真正垂直化的公司才应该是赢家。”换句话说，从高度细分的客户群体中获得专业见解的公司，将拥有明显的优势。
我们从客户那里获得的反馈有多可靠？若能密切观察其产品在多大程度上能帮助客户实现最终目标，那么，企业在应用三级AI工具时将处于有利地位。电子游戏制造商可以通过观察人们的游戏过程获得非常可靠的反馈信号，并利用这些信息来确定AI驱动的内容在多大程度上提高了玩家的参与度。而对于其他公司来说，可能只能利用点击率等不太可靠的反馈信号。以Adobe的Firefly为例，这是一个集成到Adobe Photoshop和Illustrator中的生成式AI工具，可以通过文本提示来创建和处理图像。Adobe Firefly只能用“每个人使用该工具的频率”和“每个人尝试生成不同图像的次数”这两个信号来衡量该工具是否为客户提供了良好的服务，但这些都是衡量满意度的不可靠指标。
需要注意的是，同一类型的反馈对某些产品来说，可能更可靠，但对另一些产品来说则不太可靠。例如，“向上的大拇指”/“向下的大拇指”是衡量客户是否喜欢推荐的电影的指标，而不是衡量企业软件产品的某项功能多有用的指标。
获得可靠的用户反馈的成本有多高？有些公司只需观察客户使用产品的过程，就能获得非常可靠的信号。另一些企业则需要设计客户反馈回路，这对公司或客户来说都可能代价高昂。(请参阅“为了获得更好的客户数据，公司需要在产品中建立反馈回路”To Get Better Customer Data, Build Feedback Loops into Your Products，哈佛商业评论英文网站，发表于2023年7月11日）。公司可能很少有机会观察到有用的客户反馈，或者隐私规则可能禁止公司利用客户活动来训练模型。而要求客户在使用过程中提供反馈，或者让员工充当“回路中的人类”，以积累训练生成式AI工具所需要的数据——这些做法可以绕过问题，但仍然可能会很棘手。前者会惹恼客户，后者则会耗费公司资源。如果获取可靠反馈的工作繁重或成本高昂，企业就不应尝试应用第三级AI工具。
鉴于生成式AI技术有望得到广泛应用，最可能拥有持久竞争优势的企业，是那些能够获得独特的客户数据的企业，而自我强化的用户反馈回路又可以不断扩充这些数据。这不仅对管理者有重要影响，对投资者也有重要影响，投资者应关注有潜力达到第三级AI工具应用水平的公司。
然而，要抓住生成式AI所创造的机遇，企业需要适当的执行力，而这正是一些企业可能存在的短板。CEO和高层领导必须将AI技术视为公司战略的基本组成部分，而不仅仅是一个交给IT部门处理的技术问题。从这个意义上说，它与云计算不同。使用云计算时，公司是依赖外部云提供商，还是自己建立内部服务器，这些能力并不具有战略意义。相比之下，生成式AI可以而且应该直接影响客户的价值主张。即使生成式AI不会对企业的生存构成威胁，领导者也应推动企业先发制人地提高AI使用能力，以确保不会落后。
斯科特·库克是Intuit的联合创始人和执行委员会主席。安德烈·哈吉乌是波士顿大学Questrom商学院信息系统副教授。朱利安·赖特是新加坡国立大学林崇仰经济学教授。
斯科特·库克（Scott Cook）安德烈·哈吉乌（Andrei Hagiu）朱利安·赖特（Julian Wright）| 文
DeepL、ChatGPT | 译 张雨箫 | 编辑