虽然为今天的生成式人工智能提供动力的大型语言模型(llm)已经存在了大约5年，但人工智能和机器学习(ML)领域最近的发展，比如ChatGPT等工具的推出和迅速普及，已经为生成式人工智能的能力提供了更多的机会。
在企业层面，生成式人工智能具有扩展业务通信、改善客户体验和增加收入的潜力，同时将您的品牌与竞争对手区分开来。因此，必须注意的是，不受阻碍地访问这些华丽而诱人的新工具也有其自身的风险水平。理解生成式人工智能——并有意识地使用它——几乎与你试图实现的结果同等重要。
生成式人工智能将何去何从?
在接下来的几年里，生成式人工智能将成为企业的火箭飞船——对商业领袖和个人员工都是如此。
在员工层面，生成式人工智能将提高员工效率:团队将能够在每个层面创建和扩展更准确的信息和沟通。有了正确的知识库，这种类型的技术还将提供一致的品牌信息，从而减少总体审批，并使您的团队真正信任他们的人工智能。
机器生成、总结和完善企业内容和通信的能力将数字化地改变组织的每一个功能，从法律到营销再到客户服务。生成式人工智能可以，也很可能会，被用来帮助法律团队起草合同和议案，通过生成在风格和内容上与给定输入相似的文本。人工智能还可以通过提供即时访问大量法律信息和研究来协助律师。例如，律师可以输入一个法律问题或话题，人工智能系统可以生成相关的案例、法律、案例或权威。
虽然法律团队使用生成式人工智能可以节省成本，但另一个用例可以带来可观的收入增长:营销。
高德纳预测，到2025年，30%的营销内容将由人工智能生成，而2022年这一比例还不到2%。生成式人工智能将通过各种通信渠道影响客户，包括短信、电子邮件、网络和社交媒体。一个例子是当消费者到达购物车阶段时——可以说是电子商务最具影响力的阶段。利用从专门从事营销传播的生成式人工智能中收集到的见解，品牌可以参与其中
在正确的时间给每个顾客最好的信息，激励他们完成购买，而不是完全放弃他们的购物车。
生成人工智能的风险和回报
个性化:个性化语言的有效性
零售业是生成式人工智能将产生巨大影响的另一个市场。特别是考虑到消费者的心态在大流行后发生了变化——而且几乎每天都在发生变化——零售商必须不断改变信息，以满足消费者的需求:在线。品牌需要通过生产高度个性化的内容和寻找与客户互动的新方式来适应。为了在竞争中脱颖而出，零售商在企业技术上进行了大量投资，以扩大他们的个性化努力。
然而，在企业级别正确实现个性化是极其困难的。Coresight最近的研究发现，71%的品牌和零售商表示他们擅长个性化营销，但只有34%的消费者表示他们从与他们互动的品牌中体验到了出色的个性化，这表明客户体验方面存在相当大的差距。许多目前使用生成式人工智能进行语言生成的企业可能没有充分利用这项技术的潜力;相反，他们只是依靠它来创造大量“足够好”的内容。
仅凭生成式人工智能不会产生可以与您的个人客户对话的个性化语言。然而，通过将生成式人工智能与真实客户互动的特定知识库相结合，您的品牌可以创建一种个性化的语言，这种语言可以大规模地激励客户获取、转换和保留客户。
今天大多数关于人工智能的讨论都是关于在大型通用数据集(如互联网)上训练的变压器模型。这些公共模型创建了可理解且可能相关的一般输出。然而，它们并没有针对特定的任务进行优化，比如激励
唤起情感的行为。为了实现这一目标，您将需要额外的互补性转换器模型，这些模型经过培训以生成企业通信，并与显示消费者将如何响应您的输出的结构化、真实的行为数据一起工作。如果执行得当，这种级别的生成式人工智能个性化可以将转化率提高41%，这使得品牌必须尽早投资和扩展个性化工作。
2023年及以后的生成式人工智能
在2023年及以后，我们将看到生成式人工智能进一步模糊面对面和数字商务之间的界限。例如，通过正确的生成式人工智能平台，您的品牌将能够生成个性化的语言、图像和视频，甚至将它们与多媒体体验结合起来，重现定制的实体体验。而且，随着人工智能算法的数据集不断增长，营销团队将能够获得更深入的见解，更深入地了解客户的需求。最终，营销人员和商业领袖将有必要实时调整他们的战略，纠正路线，更快地实现他们的业务目标。
正如我们已经知道的那样，2023年对于那些希望扩大其现有人工智能能力的品牌来说是最有潜力的。生成式人工智能和机器学习等技术有可能扩大品牌的个性化努力。
希望保持竞争力、并渴望走在创新前沿的企业，需要考虑实施可生成人工智能等改变游戏规则的技术。在这样做的过程中，它们将在未来几年重塑企业格局方面发挥积极作用。
