应用AI的企业根本没有增效

寂静回声

文中说的AI，应该是指基于大模型架构下的生成式AI。

能够生成新数据或内容的人工智能系统都可以被称为生成式AI，无论其背后的技术是基于规则、统计模型还是更复杂的深度学习架构。
如今流行的Transformer架构的大规模预训练模型，如ChatGPT，就需要通过海量数据进行预训练。


企业在享受AI带来的“降本”甜头时，往往需要额外投入更多资金来解决AI引发的问题。
自由撰稿人Sarah Skidd曾接手紧急任务，修改一家内容代理公司网站上由AI生成的大量文案。
这些文字平庸乏味，缺乏吸引力，反而损害了品牌形象。她直言：“一看就是AI写的，毫无说服力。”客户最终不得不支付额外费用请她重写。
类似困境也出现在技术领域，英国数字营销公司Create Designs的创始人Sophie Warner常遇到因ChatGPT误导而求助的客户。
有客户依据AI教程修改代码，结果导致网站崩溃并被黑客攻击，损失惨重，她需要额外收费来排查这些AI引发的漏洞。

客服领域的AI应用同样问题重重。清华大学与广西电网的研究发现，引入AI助手虽改进了语音转录、信息回顾等流程，但也带来了语音识别错误、口音识别困难、对话记录不完整等问题。
客服人员不仅要学习与AI协作，还需纠正其错误、安抚因此不满的客户，AI的“帮倒忙”反而增加了工作压力。

这种投入与产出的失衡显而易见。麦肯锡《AI现状调查》显示，截至去年，78%的企业已在至少一个业务环节应用AI（远高于2023年的55%），但平均成本降低不足10%，收入提升也不到5%。
在此落差下，企业更倾向于展示AI的使用率而非实际效果。AI常被部署于要求不高的场景，一旦进入核心流程，易出现理解偏差、决策失误甚至品牌事故。




国产GLM4.5是智谱清言新推出的推理模型，号称超越XXX，原来是蒸馏自美国Gemini的。