Contact us

生成式 AI 對生產者的影響?及對各行業的助益與衝擊

#生成式AI #Chat GPT #AI生成時代 

一夕爆紅的 Chat GPT 可說是讓一般大眾「最有感」的生成式 AI,因此一曝光就在全球掀起轟動。它能爆紅的原因,在於人人能輕易上手,學習成本幾乎等於 0、且它能一次次給出不同回應;不只讓人類用於工作和學術,更是能進入大眾的日常生活。

其實早在 1960 年代,「生成式 AI Generative AI」一詞就已經出現,這項技術在大眾應用中只作為聊天機器人的輔助,受到的注意力不多。直到 2014 年 GAN 技術走紅,技術專家讓兩個不同的 AI 模型(生成器與判別器)互相對話、比賽競爭,此舉不僅讓 AI 的自主學習能力大幅提升,兩個或甚至多個 AI 在互動過程中,由 AI 自主生成的「內容」越來越多、觸及話題亦變得多元(先不論品質正確性)。

 

AI 能如何在企業中工作?「解放」or「取代」人類的生產力

2022 年「太空歌劇院」事件,引發全球討論關注,其中人們最大的擔憂:AI 取代人類的時代到了!?太空歌劇院引發首當其衝的是插畫家和平面設計師,而不諱言地說,除此之外,AI 能取代的百百種,以下我們舉出一些跟企業內普遍的工作內容為例子:

  • AI 解讀指令,直接將人的需求產出成作品:

例如 Dall-E 2 自動生成設計插畫、且開放版權,可直接讓使用者拿來做成商品、網頁配圖等終端呈現給消費者;以及現在最常見的 Chat GPT 應用:行銷小編輸入文案關鍵字和文章風格,就自動產出了大量社群文案、網路文章發布。

另外如程式設計,由 GitHub 和 OpenAI 合作開發的〈GitHub Copilot〉和今年三月最新推出的〈Copilot X〉人工智慧,可以直接讓人類透過打字輸入或語音,在 AI 聊天中直接提出需求,讓 AI 讀取「我要在XX 程式中加入 OO功能,規格是……」就能生出程式和程式碼、指令模板等,直接應用在企業的軟體中。

 

資料來源:用嘴巴寫程式!GitHub 攜手 OpenAI 推出智能代碼助手「Copilot X」

 

  • 優化合作的作業流程:

比方說軟體公司、遊戲公司內的專案研發 team 合作時,針對程式測試與優化的各種草稿註解;因為每個人都有自己習慣的工作方式,東一筆、西一筆意見,整個程式碼文件(或任何商業文件、報表)容易變的紊亂不堪,還可能不小心覆蓋掉別人的程式註釋。而現在的生成式 AI 已經能做到將一大串紊亂的「髒資料」在一分鐘內轉化為系統性整理,隨時更新維護資料,同時備留更改足跡。

 

  • 提升產品測試、除錯流程的成效

在大型科技公司中,通常會有一群團隊專門測試公司開發出的軟體程式,「測試」代表著團隊需要發想出各種使用者遇到的情境。簡單一點以遊戲比喻:測試者需要把遊戲玩幾百遍、地圖上每寸土地都要跑過、每個機關都要用不同觸發順序試一遍、每新加入一個功能就要測試與其他功能合用的結果……才能確保遊戲能上市。「玩幾百遍」聽起來一點都不好玩!若 AI 助手負擔基礎跑地圖的工作,碰到新機關再由真人把關,測試團隊能省下大幅的時間心力。

 

圖片來源:網路

 

生成式 AI 在行業中的運用:以電商、教育、醫療為例

在前段文中,我們主要以科技、軟體開發的相關行業來探討 AI 如何輔助或取代人力運用,那其他行業呢?我們從生活幾個大家比較熟悉的行業,來看看生成式 AI 怎麼發揮:

  • 電商

生成式 AI 能幫電商賣商品嗎?消費者對電商的 AI 接觸體驗或許較多在客服。而除此之外,生程式 AI 亦能完成業者上架商品、推行促銷方案之前的幕後工作;例如「產品描述生成」:根據產品的屬性、功能和特點,自動生成有吸引力的產品描述,建置商品的 360° 模型、套上各種使用場景,讓消費者有具體想像,如此不只提升購買慾,更讓消費者實際了解「這個商品適合我嗎?」(如 Adidas 虛擬試鞋)促使消費者更謹慎下單,有效降低電商的退貨率、減少業者退換貨成本。

生成式 AI 也能根據消費者的瀏覽紀錄,生成「個性化推薦」,類似數據行銷中強調的「鎖定目標受眾」,但它除了將合適商品推到頁面,也能即時問答消費者問題,加強推銷

對於營運方面,生成式 AI 也可以快速分析大量的消費者評論反饋,提取關鍵字詞;例如統計顯示 40% 消費者留言「材質、質地、手感」這類詞彙,業者便知道這是須重視的問題,加以分析消費者的細部需求;這有助於電商了解改進產品和服務,並能制定更貼心的客訴處理方法。

 

圖片來源:網路

 

  • 教育

教育產業有分學校、補教與進修課程等,且每個學生個體差異不同,對個人的育才極度仰賴老師學生之間因材施教互動,但 AI 能以低成本取得豐富的知識資源,例如當教育機構為偏遠地區學生提供線上課程時,生成式 AI 可以進一步,將學習資源配合學生的不同程度延伸,提供相關知識做補充,例如這篇中的 ChatGPT 學英文。還可以有「AI 教師」為學生提供評測、解答,也降低了在偏遠地區中,教育者或教學資源不足的問題。

而未來教育者要思考:怎麼引導學生「找出自己想要的學習資源是什麼?該怎麼計畫、通過什麼方式獲得資源?怎麼清楚地向 AI 發問?怎麼驗證知識……等等」讓學生能整合出自己的問題、制定學習計畫,擁有健全的獨立思考能力。

 

影片資料來源:AI 即將改變整個學語言的方式!6 個使用 ChatGPT 來學語言的方式

 

同時,AI 結合 AR/VR 等感官體驗模擬,也能降低「初次接觸新事物」的成本,例如透過實境模擬體驗,讓孩子零距離接觸專項運動、還能結合遊戲,幫助人更多面向地發掘自己的興趣和潛力。

讓眾多教育者最擔心的是:「學生用生成式 AI 來寫作業」。然而,教育者除了大量用反抄襲工具來檢測學生作業;學習的反饋不應該只局限於寫字,生成式 AI 大舉「入侵」,促使教育者在教學評鑑中更多使用口頭報告、讓學生直接性互動、實地田野調查等多元方式評估學生成績,這同時也促進學生培養更多獨立的靈活思維、以及將紙上談兵化為實操能力,不能完全依賴 AI 生成內容下決斷。

 

圖片來源:網路

 

  • 醫療

我們曾在 這篇文章 中介紹 AI 對於醫療產業的應用,AI 能協助在看診前、診療期間執行問診和即時監測病患,並將病患的監控數據彙整產出成診療報告給醫護人員參考。

經過訓練的 AI,可以成為醫療人員和一般大眾的溝通橋梁;整理醫療人員的診斷報告、患者症狀,提供易讀的治療說明、復健和預防叮囑給病患,並結合 Martech、APP 等監測軟體,確保返家後的病患遵守指示。還有,聊天型的生成式 AI 還能發揮24 小時即時「陪聊天」或諮詢作用,在療程中支持病患的心理健康。

在醫療的研究領域,生成式 AI 更有決定性的影響力,基本工作能快速提供大量學術資料、快速幫研究人員標註重點整理。更進階者,目前已經有醫學研究人員直接利用 ChatGPT 和 LLMs 模型寫出醫學論文,並成功在權重期刊中發表。期刊單位也表示近幾個月收到的投稿數量大幅增長,然而,人們應該更深入於研究的觀點、內容深度與切角創新,AI 雖然能加快寫作速度,但專也學術論文講究的是品質。

 

圖片來源:網路

 

我會被取代嗎?人類應該善用軟實力與 AI 共存

雖然人工智慧早已滲入各種產業和我們的日常生活中,但像生成式 AI 技術這樣爆炸性急速成長的實在少見,也因此震驚各界,讓人們不得不面對:「我會被取代嗎?」。

不過人類兼具「共感」的思考能力,是 生成式 AI 目前無法超越的。人類能體察他人眼前的「實際問題」與「情緒需求」兩者,然後做出能兼顧兩者的判斷,而 AI 做不到。

比如對於住院病患,AI 能根據病患的健康指數,整理出「針對復原身體」最佳的用藥即生活守則;但很難共情病患的心理負荷能力,去考量「病患能保持情緒平穩地、持續去做嗎?」;醫護人員身為「人」,較能衡量病患的身心理能力,給予循序漸進的指示。此外,溝通與談判能力、建立關係的能力、同理心等軟實力,AI 與真人展現出來的完全不同,我們可以把 AI 視為團隊助手,但最終決策還是要由人去做。

另外,AI 取代許多技術工作,也間接打破某些產業原有的習慣模式,促使產業必須衍生出新的邏輯和做法,例如前文中的教育,AI 能「作弊寫作業」,就間接讓教育機構、社會升學與評核機制都要改變,思考如何用更多元的方式與學生互動、傳遞知識。例如用「翻轉教育」來測試學生是否真的學到知識:讓學生嚐試教學,把課堂上所學自己融會貫通後,當一次「老師」教給別人,就是一種多元化評核作法。

此外,也在各行各業影響著消費者的習慣,例如資訊接收溝通、比較產品等各種行為;促使生產者和企業要不斷自我精進,踏出舒適的獲利模式,思考更多服務消費者的可能性。

對企業、生產者而言,深入了解 AI 技術、親身運用與 AI 共存已是基本。進一步,企業組織亦需要確保自身擁有足夠人才,隨時能查覺到技術發展與消費市場的變化,為企業提出調整建議,以適應 AI 的影響。唯有擁抱 AI,將其視為機遇而非威脅,人類才能繼續在市場競爭中找到新的定位。

 

 

參考資料:

 

 

《Digit Spark 震豪網路媒體事業集團》整合企業在〈行銷獲客〉、〈商機開發〉、〈營運校正〉等各方面所需的數據應用服務;活用AI串聯商業策略,帶領企業進行全方位優化。