還有許多其他不同的地方也可以快速開始使用生成式人工智能，而且這一技術正在被整合到一些工具和平臺中，或許你的企業已經在使用。因此，針對如何測試和應用這些工具，你要考慮制定指導方針。以下是值得考慮使用生成式人工智能的五個重要領域，以及關于如何尋找其他適合場景的指導原則。

1. 提高開發人員的工作效率

編寫代碼通常被認為是介于藝術和科學之間的工作，但在編程過程中，有很多工作是機械重復的。云平臺和模塊存儲庫的興起意味著，編寫現代的應用程序與提出算法一樣，就是將組件和 API 連接在一起，重構現有的代碼，優化環境和精心組織不同的管道。這方面的很多工作完全可以讓自動化和人工智能來協助完成，但是，你還需要知道該如何以及在哪里使用這些工具來監測其影響和效果。你可以從使用一次性工具開始，加快完成某些特定且常見的工作，然后再轉向全面使用代碼編寫助手。

文檔編寫既重要又經常被忽視：你不僅可以讓生成式人工智能來記錄一個代碼庫，而且你還可以在文檔中建立一個聊天界面，從而開發人員可以在此詢問該代碼庫如何工作和使用，或者僅僅是取代常規的搜索框。這就把普通文檔轉變為對話式編程，由此，人工智能可以獲取你的數據，然后告訴你如何編寫一個查詢。 

測試工作是另一個容易被忽視的領域，因此自動生成單元測試將幫助你做更大范圍的測試。Commit 機器人還可以幫助開發人員編寫含有足夠多內容的消息，以便用戶和其他開發人員可以使用，生成式人工智能還可以做同樣的工作，即幫助 IT 人員記錄升級和系統重啟過程。 

同樣重要的是，通過告訴人工智能你想要什么，然后它來生成后臺邏輯和其他模板，這樣開發人員就可以專注于從事應用程序中更有意義和更有創意的工作。你還應該使用生成式人工智能來編寫自己的 codemods(即在大型代碼庫中自動執行重復且耗時性任務的腳本)，或者讓人工智能來幫助修正稿件的語態和語氣，以更好地適應文章的風格。像 GitHub Copilot 等編碼助手和內置于大型語言模型(LLM)的 IDE 可以完成所有這些工作甚至更多，但不應該取代開發人員;開發人員需要理解和評估自己從未寫過的代碼(以及代碼所運行的環境)，以防這些代碼包含安全漏洞或性能瓶頸、遺漏、錯誤決定或只是普通錯誤，因為人工智能是通過學習存儲庫來生成代碼，而這些存儲庫可能含有某些或所有以上問題。想想如何在你的企業中跟蹤人工智能生成的代碼，這樣你就可以對其進行審核，并評估其是否可用。開發人員表示，在使用 GitHub Copilot 時，他們的工作效率更高，挫折感減少。微軟公司表示，Copilot 使用者所記錄的代碼中有 40% 是人工智能生成的，且沒有經過修改。目前，當開發人員離開 IDE 會話后，其源頭就會丟失，因此，針對記錄人工智能工具的使用情況，要考慮制定內部指導原則。 

2. 提高低代碼和無代碼業務用戶的水平 

雖然業務用戶不具備專業知識來評估人工智能助手生成的代碼，但低代碼和無代碼環境受到高度限制，并且集成了生成式人工智能工具的地方不太可能出現問題。 

低代碼應用程序經常需要檢索和過濾數據。而低代碼平臺已經添加了生成式人工智能功能，可以生成查找式查詢或對返回的數據(例如以編程方式添加缺失的郵政編碼)進行清理，從而使沒有數據庫專業知識的業務用戶可以獲得更多信息，而無需堅持使用預先構建的組件或等待專業開發人員為他們編寫查詢字符串。像Census GPT 等開源工具使查詢大型公共數據集變得更加容易。 

代碼助手也不僅僅適用于專業開發人員。Wix 人工設計智能 (ADI) 可以為你打造一個完整的網站，包含了代碼生成和生成式設計;Uizard 可為網站和應用程序原型做同樣的工作;Fronty 可將圖像變成 HTML 和 CSS，而微軟 Power Apps中的 Express design 可將手繪草圖或 Figma 文件變成一個可使用的應用程序，并擁有后端。 

大多數企業感興趣的生成式人工智能用例都是在低代碼自動化工作流程中可以調用的模塊，因此員工可以根據自己的具體需求進行調整。像其他組件一樣，各平臺已經開始提供 ChatGPT 和其他 OpenAI 的 API。然而，要確保在低代碼環境中，與生成的文本或圖像所伴隨的任何提示或指導信息能正確顯示，最好還能提供反饋，同時還要確保員工知道你的政策，即這些信息是否可以在員工未事先審查的情況下直接提供給客戶。 

3. 理解文檔和數據 

將定制版的 ChatGPT 與必應相結合，這為微軟的搜索引擎帶來了數百萬的新用戶。但大型語言模型的工作方式意味著出現錯誤和將發生“幻覺”，因為這些模型基本上是自動完成句子和段落，以生成符合查詢提示的文本。如果你想要的信息不存在，則該模型仍會嘗試創建一些合理的信息。即使給出的信息是正確的，并且與某一領域大多數專家所說的相符，但答案也可能是不完整的、不準確的。如果你還不是專家，那么你可能不知道該答案中缺少哪些東西。企業搜索和公共網絡一樣，這些問題對于它們而言都是難題;即將推出的微軟 365 Copilot 工具將試圖通過查詢 Microsoft Graph 的文檔和實體數據，然后提供參考信息來解決這一問題，但這仍可能遺漏一些重要內容，需要你自己來添加。 

開始尋找機會使用大型語言模型來總結和分析文檔，或在更受限的場景中生成文本來解釋概念，在這些場景中的信息會由內部專業人員進行審查，而不是直接展示給你的客戶或其他終端用戶。 

生成一個知識圖譜，以使不同實體之間的聯系和關系可視化，由此來幫助你理解某一項目、社區或生態系統。Excel 中的 Copilot 工具將提供一種互動的方式，可以對沙盒中的數據進行深入了解和提出問題，而不改變其底層數據，因此任何錯誤都可能使你走上歧途，但不應該污染那些以后用于分析的原始信息。 

利用數據講故事是表述一些重要趨勢的另一種有效方式，基于人工智能的分析方法(例如 Power BI 的 Smart Narratives)可以發現異常情況和促成因素，然后用圖表和自動生成的說明進行解釋。這可以避免大型語言模型在數學方面遇到的問題，因為這些見解是通過線性回歸等 AI 模型得出，然后通過語言模型進行描述。這類組合方法可能會變得更加普遍。同樣，安全工具也開始使用語言生成功能來解釋安全威脅、異常情況和人工智能檢測到的潛在破壞跡象，并用清晰、自定義的語言告訴你這意味著什么，以及該如何處理。在未來，我們將能夠向這類工具提出問題，并讓其解釋所給出的建議。 

通過在關鍵詞和預設回答之外，使用一些聽起來更自然的內容，以及在知識庫更新時自動包含一些新信息，你也可以讓現有的聊天機器人變得更聰明、更靈活。同樣很有吸引力的是，直接面向客戶使用生成式人工智能聊天機器人，以提高客戶滿意度和降低成本，但這比在企業內部使用這一機器人來找出益處和其他人力資源問題等有用信息的風險更大。雖然一個時髦的聊天機器人會適合某些企業，但你不希望因為客戶收到一個危險的建議或被聊天機器人侮辱而使企業成為頭條新聞。使用生成式人工智能來為代理人提供幫助，可以讓你提高工作效率并降低風險。 

4. 加快業務用戶的工作流程 

會議應該是做出業務決策和分享知識的地方，但過多的會議則將喪失其價值。像 Microsoft Teams Premium、Dynamics 365 Copilot 和 Slack 的 ChatGPT 應用程序等人工智能工具可以創建會議總結，并可以記錄分配給與會者和未參加會議者以及可能不知道自己職責的人員的行動任務。例如，這也有助于避免圍繞誰要去做會議記錄和其他“辦公室家務”展開的權力游戲。 

每天能夠看一次繁忙的 Slack 頻道也可以提高工作效率和改善工作與生活的平衡，但那些制定計劃和做出決策的人應負責確保人工智能所創建的總結、行動任務和時間表是準確的。能夠對與客戶和顧客通話進行總結的人工智能工具，可幫助管理者監督和培訓員工。這可能對財務顧問和呼叫中心的工作人員一樣有用，但在使用工具來監控員工工作效率時，需要具有同理心，以避免出現對工作場所過度監控的問題。用戶反饋和產品評價是有幫助的，但其巨大的數量可能令人難以承受，有用的信息可能被埋在眾多信息之中。 

生成式人工智能可以對回復信息進行分類、總結和歸類，以提供更容易理解的匯總反饋。從長遠來看，很容易想象一個個人購物助手會向你推薦一些你想買的商品，并回答相關問題，而無需你翻閱數頁的商品評價和意見。但企業也需要謹慎使用這些工具，因為這些工具可能會發出攻擊性或誹謗性的觀點，或過度熱衷于過濾掉負面的反饋。生成式人工智能工具可以閱讀和總結長篇文檔，然后利用這些信息起草新的文檔。目前已經有 Docugami 等工具，承諾可以從合同中提取到期日和交付物信息，國際律師事務所 Allen & Overy 正在試用一個平臺，幫助其進行合同分析和法規遵從工作。生成半結構化的文檔(如諒解備忘錄、合同或工作說明)，可能會加快業務流程，并有助于你以程序化的方式規范一些業務術語，但將需要極大的靈活性和進行大量的監督。 

5. 克服寫作障礙，美化設計 

你不必把整個寫作過程都交給人工智能，而只需要在收集靈感、文案撰寫和制作圖片或設計方面獲得幫助。Office 365 和 Google Docs 將很快讓你可以使用生成式人工智能創建文檔、電子郵件和幻燈片，所以你需要制定原則，以確保這些文檔的正確性，然后將其與其他人共享。同樣，要從更受約束的任務和你可以監控的內部應用開始。 

生成式人工智能可以在你的電子郵件中或在 Salesforce、Zoho 或 Dynamics 365 等 CRM 中，作為平臺的一部分或通過第三方工具，提示你如何撰寫客戶外聯電子郵件、感謝信息或后勤問題的提醒信息。人們對使用人工智能進行營銷也有很大興趣，但也存在品牌風險。在點擊發送這些信息之前，請將這些人工智能給出的選項僅作為一種開始工作的起點，而不是最終版本。 

人工智能生成的文本可能并不完美，但如果你有很多空白內容需要填補，則它可能比什么都沒有要好。例如，Shopify Magic 可以獲取產品的基本細節，然后為在線店面寫出一份流暢的、經過搜索引擎優化的產品描述，而當你擁有了一些內容后，就可以對其進行改進。另外，Reddit 和 LinkedIn 使用 Azure Vision Services 為圖片創建標題和備選文字，以提高會員自己未添加這些內容時的可讀性。如果你擁有一個用于訓練的大型視頻庫，則自動生成的總結可能會幫助員工充分利用自己的時間。從文本中生成圖像的功能可以非常強大，像新的Microsoft Designer 應用程序等工具可將圖像擴散模型交到業務用戶手中，這些用戶可能對使用 Discord 服務器訪問 Midjourney 望而卻步，也可能不具備使用 Photoshop 中 Stable Diffusion 插件的專業知識。但人工智能生成的圖像也存在爭議，其問題涉及到從深度偽造和恐怖谷效應，到訓練數據的來源和無償使用知名藝術家作品的道德問題。企業希望在使用生成圖像方面有一個非常明確的政策，以避免陷入更明顯的困境。 

尋找自己的應用場景 

正如你所看到的，從客戶支持工作和零售業，到物流工作和法律服務，凡是你想要使用可靠的信息源進行有效互動的地方，都有機會從生成式人工智能技術中受益。 

為了負責任地使用生成式人工智能，你可以從自然語言處理用例開始，例如為非面向客戶的場景來分類、總結和生成文本，這些場景中生成的內容由具有專業知識的人進行審查，以發現和糾正錯誤和虛假信息，并尋找一個能輕松自如完成這些工作的界面，而不是僅僅接受人工智能給出的建議。跳過人工參與來節省時間和金錢，這是非常具有吸引力的，但如果生成的信息不準確、不負責任或具有攻擊性，那么你的業務可能會遭受巨大的損失。 

許多機構都擔心數據泄露到模型中，從而可能會幫助競爭對手。谷歌、微軟和OpenAI 公司都已發布了數據使用政策，稱一家公司使用的數據和提示性語言只用于訓練自己的模型，而不是用于給所有客戶使用的核心模型。但對于員工可以將哪些信息復制到公共的生成式人工智能工具中，你仍需要制定一些指導原則。 

供應商還表示，使用者擁有模型的輸入和輸出內容，這在理論上是個好想法，但可能無法反映出生成式人工智能在版權和剽竊問題上的復雜性，而且像 ChatGPT 等模型并不包括引用信息，因此你不知道其返回的文本是否正確，或是否抄襲別人的文章。改寫并不完全屬于抄襲，但盜用別人的原創想法或見解對任何企業來說都不是好事。 

對企業來說，培養員工的人工智能素養，讓員工熟練使用和評估生成式人工智能輸出的內容，這也非常重要。從不重要的領域開始小范圍應用，然后從中學習有用的東西。