AI如何赋能职场人：大模型落地企业方法论

AI如何赋能职场人：大模型落地企业方法论////明略科技 · 吴明辉2

7

/

0

1

/

2

0

2

4第一部分：拿到大模型船票对于企业的必要性？拿到大模型船票：快一点

vs

慢一点市场领先位置先发者将有能力提供更深度的服务，从而保持市场领先位置先发者First

Movers获客优先建立联系是锁定客户的重要因素之一后发者Fast

Followers满足现有市场需求不创造新的市场需求，根据现有用户的需求，开发对应产品吸取创新实践经验从创新失败的各种经历中汲取经验教训，节省部分成本开支Reference:

https:///deecon-struct/first-mover-risks-and-rewards-in-infrastructure我的个人经历：充分拥抱新技术红利2000年2004年2019年北京大学本科

·

数学系北京大学研究生

·

计算机系北京大学继续攻读博士学位2006年成立秒针系统1995年山东烟台奥数竞赛·计算机竞赛我的个人经历：秒针系统，互联网大数据分析技术最早的服务商数据的采集与管理数据的分析和挖掘程序化广告交易利用数据挖掘的技术帮助广告主做优化广告投放前的预算分配OTT/offline/onlinemedia?’小红书/抖音/腾讯/爱奇艺？广告投放中的实时优化识别精准受众目标？控制展示频次？获取推流预警？广告投放后的效果评估多少人看了？频次如何？目标受众多少？对电商转化的贡献有多少？Bloomberg，使用电脑最早的服务商。。。。。。。。。大模型是当下的最大机会Gartner预测到2024年，40%企业将接入生成式AI应用到2026年，生成式AI将赋能60%的网站及移动端应用实现自动化到2027年，大模型应用软件将占比达整个市场的15%Source：/en/articles/understand-and-exploit-gen-ai-with-gartner-s-new-impact-radarsource：/en/topics/generative-aiGartner：使用生成式

AI

的冲击雷达来规划投资和战略我的学习感受大模型培训课数据说明：明略科技内部员工小明助理每日使用量小明极大的活跃了员工氛围从小朋友的作业、开源战略探索，到给同事选择礼物大模型每周一题每周prompt分享Prompt交流社区Prompt

Hero争霸赛人工智能机器学习的核心工作就是找到一个函数 f(x): x -> y语音 -> 识别结果图像 -> 识别结果原文 -> 译文Prompt -> 输出结果我给小朋友分享的AI知识我给小朋友分享的AI知识已知如图，一次函数

y

=

ax

+

b

图象经过点（1，2）、点（-1，6）；求：这个一次函数的解析式。x-1y62O

1ABxy=

f100(f99(f98(f97(……f2(f1(x))……))))yOpenAI——大力出奇迹的机器学习互联网上的公开知识：x

和

y

的对应第二部分：企业如何落地AI？首先，让团队理解大模型产生真正生产力的基本逻辑老板眼中的AIGC帮老板落地的同学

眼中的AIGC实际的AIGC各种AI自动化AI自动抓新闻写文章AI配好图，同步出个广播视频AI自动发送省了小编和运营！裁员！财源！我要用新的电能替代了原有的火柴100个人干活儿3个人干活儿这利润不就出来了吗？无法完成一条多链路生产工作链路完成某个节点的某个极小环节工作链路提升5%

节省15分钟自己试用了所有AI媒体天花乱坠

上手全做白费愿把AI做傀儡

token还嫌太贵终于快有场景了

赶快落地！干不了大的，我做小的干不了长的，我做短的看看自媒体，AI真屌！我要被淘汰了？？？？？这到底能干个啥啊？！员工AI敌对示例不好用、我们不用每个人眼中的大模型…并不是参数越多越好Vicuna-13B（基于Llama训练的开源模型，参数规模仅有GPT3的1/100），在GPT-4的评估下，可超过相当于ChatGPT

90%的效果模型不是越大越好考虑效果vs成本，参数规模“够用即可”效果：参数规模较小的模型也可达成好的效果成本：训练和使用的成本也相对较低推理能力最为重要推理(Reasoning)常识推理逻辑推理因果推理数学推理多模态推理…..涌现（Emergence）理解（Comprehension）生成（Generation）翻译（Translation）检索（Retrieval）对话（Conversation）摘要(Summarization)问答（Question

answering）大模型推理能力的测试大模型推理能力的测试更复杂的推理案例ChatGPT-

3.5ChatGPT-4大模型就是一个函数y = f (x)大模型产生理性生产力的基本原理理性生产力需要理性决策理性决策 = 强大的模型 + 准确的信息Agent能解决更多复杂问题，是模型和信息的组织者案例分享：Answer

AIBrookTaylorEuclidofAlexandria……VOLFRAMAgent案例：GPTs范式Agent案例：互联网外脑，联网搜索功能第一次提问：未联网搜索第二次提问：联网搜索Copilot：小明助理，企业级一站式大模型CopilotCopilot前端系统集成浏览器拓展程序 H5/Web输入输出交互文本/图片/视频/音频网页/PDF/Word/Dashboard/Xls/PPT批量Prompt/批量文件…服务层基础服务企业服务账号服务会话管理提示词管理参数设置模型管理Agent管理企业账号服务权限管理Prompt库管理Prompt/会话团队共享团队知识库Agent配置平台接入服务模型使用数据统计模型路由优化模型接入管理主流大语言模型客户定制化模型明略营销大模型模型层模型接入层小明助理，让每一个页面都具备了AI能力Let’sbeonthesame

page.第一层，是让GPT与当前的我on

the

same

page，一起共同解决问题第二层，让我的团队成员与我on

the

same

page，一起共同解决问题第三层，这一层是组织需求，让我的团队成员与我on

the

same

page，共享prompt的使用方法以及模板什么是Copilot用户APPAI副驾驶人Copilot手动汽车陆奇博士：模型系统、信息系统大模型产生真正生产力的基本逻辑，首先是服务业革命生产力人类改造自然的能力谁来改造？怎么改造？改造什么？劳动者利用生产工具加工劳动对象生产资料人的因素物的因素新的生产力：模型系统对接生产资料和生产工具：信息系统，要把企业原有的IT系统做好对接适用于几乎所有行业，带来高质量、大规模、标准化的服务，将首先带来服务业革命。案例分享：营销智能社媒策略内容数据KOL/KOC洞察AIGSDMP广告RTATrackingAIGCAIGI大模型时代的IT从业者，AI时代的编程原理……传统编程：形式逻辑计算人工智能编程：基于人类常识的计算（新的函数库）混合动力生产力，大模型给我们所有程序员带来的礼物第二部分：企业如何落地AI？其次，从信息到知识，大模型落地的核心是知识工程机器学习

vs

人的学习通识教育专业教育考试测验投入实践大模型定制学习计划大模型自动化反馈大模型自动化评分大模型实时分析和绩效跟踪机器学习人的学习不论是人、还是大模型，有了通识知识，在“入职”企业之后，都还需要继续“OnJob

Training”。大模型Prompt和CoT的革命性意义交互方式发生了革命性改变：程序员：不需要通过大量的if

else或其他控制语句来组合逻辑表达普通用户：通过自然语言描述意图，即可让大模型理解，并将其转化为代码人工智能的世界出现了印刷术，人工智能的知识传播成为可能。陈述性知识

vs

程序性知识知识的分类陈述性知识，解决“是什么”的问题。GPT不能做到的一些陈述性知识，最新的圈层人群，鞋服行业/熊猫圈程序性知识，解决“怎么干”的问题。营销工作的一些方法论，利用这些内容写prompt会很不一样DIKW智慧知识信息数据探寻原因提炼规律加工处理wisdomKnowledgeInformationData小明Prompt助手——使用CRISPE五步法大模型时代的企业知识管理Reference:

https:///en-us/research/blog/splitwise-improves-gpu-usage-by-splitting-llm-inference-phases/AzureSplitwise通过拆分prompt

phase和token-generationphase提高GPU使用率案例分享：知识库知识与数据的安全管理商业机密：低高高推理复杂度：低直接调用在线大模型难点脱敏后高级推理选择最佳成本解决方案私有化小明开源助理第二部分：企业如何落地AI？最后，关注从生产力到生产关系的变革与匹配从人工智障到人工智能被动AIPassive

A.I.浏览器自动补充搜索词电商猜你喜欢推荐主动AIActive

A.I.汽车智能：自动驾驶手机智能：主动交互企业软件之间的衔接Reference：https:///doc/reprints?id=1-2FA8DF5K&ct=231012&st=sbIT系统功能与前台需求的智能匹配GUICUI案例分享：Data

AgentData

Agent在组织中使用的价值和前提条件CUILLM业务指标原始数据原始数据知识领域数据知识最终用户数据科学家第三部分：关于组织管理的一些思考自上而下

vs

自下而上更大的闭环，智能时代的组织架构

——人机协同传统工作模式人工智能工作模式强人工智能模式客户/消费者行动反馈管理层人智能创新+智能决策智能决策经理经理劳动力劳动力智能劳动力智能劳动力劳动力劳动力规模个性化服务千X千面服务标准化服务重构生产要素感知应用识别数据中台理解业务中台分析行动系统决策强人工智能创新人机器理解+管理层管理层公司职能部门人机器理解+公司职能部门公司职能部门公司职能部门反思明略…从EIP推广中获取的Learning：AI落地不能反人性一个企业的长尾需求：解决非专业问题机器与人的分工把最短的那块木板拉长从自上而下到自下而上，使用好探索流AI时代组织的思维方式,人类掌握评估标准的最终权力基于HAO智能理论

(Human

Intelligence

+

Artificial

Intelligence

+

Organization

Intelligence)，打通感知、认知、行动系统，帮助组织进行分析决策感知系统认知系统界面雾计算云计算大数据推理与知识本地数据库行动系统感知智能体组织大型系统行动智能体计算与存储技术注：HAO

智能模型

(Wu

&

Wu

2018

&

2019)人类永远比人工智能更加及时掌握自己和自己身边的信息大模型时代的思维模式“快就是慢，慢就是快”source:《思考：快与慢》，Daniel

Kahneman，系统1、系统2思维方式AI时代组织的思维方式心模型系统行动系统信息系统脑身第四部分：大模型对我们的影响对个人及孩子北京德威学校的GPT使用要求大模型对人才市场的影响内容编辑Editor内容编辑Editor软件设计测试师Softwaredesignerand

tester数据科学家（数据科学）Data

Scientist(science)视觉提示工程师VisualPrompter助理（关系维护）Assistant(relationship

management)众包工作（高门槛）Crowdworker(high

skill)内容写手Writer速记人员Transcriptionist/Typist程序员Programmer数据科学家（数据整形）DataScientist(data

formatter)P图师Photographer助理（日