原創(chuàng) | 數(shù)據(jù)猿
在人工智能的盛宴上，大模型如同占據(jù)主宴的巨人，其龐大的身軀在技術(shù)世界里引發(fā)地震。然而，在這場光鮮亮麗的變革背后，一個亟需探討的議題正悄然升起：大模型真的需要深入到每一個技術(shù)領(lǐng)域和業(yè)務(wù)邏輯中，成為“浸入式”的存在嗎？或者，更深層地問，我們是否準(zhǔn)備好讓它們這樣做？
本文將探討領(lǐng)域大模型發(fā)展的兩條道路：非浸入式與浸入式的模式，并審視這場變革是否真正觸及了思維模式的轉(zhuǎn)變。大模型，不僅是對于技術(shù)的挑戰(zhàn)，更是對于我們認(rèn)知邊界的一次拓展。
大模型的兩種發(fā)展模式
在當(dāng)前人工智能的高潮中，大模型的發(fā)展已呈現(xiàn)兩條明顯的道路：C端與B端。
C端模式猶如一面鏡子，直接映照用戶需求，實時響應(yīng)各式問題。在這種模式下，模型仿若一個全知的博學(xué)者，回答從簡單到復(fù)雜的諸多問題，充當(dāng)?shù)氖切畔⒌闹苯犹峁┱摺Ｋw了從日常咨詢到深層知識探索的廣泛場景，這種交互模式對用戶來說，無疑是最直觀、最直接的。
然而，C端的表現(xiàn)雖然亮眼，但在企業(yè)應(yīng)用的深層次場景中，B端模式顯得更加復(fù)雜且微妙。在B端模式中，大模型退居幕后，成為一個隱形的推手，深度嵌入企業(yè)的運營和管理系統(tǒng)中，如CRM、ERP、BI、智能客服、智能營銷、智能運營等業(yè)務(wù)領(lǐng)域，以及更多定制化的行業(yè)解決方案。
在這里，大模型不再是一個簡單的問答機器，而是變成了一個強大的業(yè)務(wù)邏輯處理器。它必須理解和處理更為復(fù)雜的行業(yè)特定語境，參與到業(yè)務(wù)決策和優(yōu)化流程中。
這些模型能夠在特定行業(yè)中，比如金融、醫(yī)療或法律，解讀和執(zhí)行復(fù)雜任務(wù)。不同于C端模式的普適性，B端的領(lǐng)域大模型更注重深度與精準(zhǔn)度，旨在用機器的高效性和精確性，來增強特定業(yè)務(wù)流程的質(zhì)量和速度。
盡管B端模型的優(yōu)勢明顯，但其部署和整合卻充滿挑戰(zhàn)。要成功實施，企業(yè)需要有能力將大模型的智能功能融入到現(xiàn)有業(yè)務(wù)流程中，這往往涉及對現(xiàn)有系統(tǒng)的重新構(gòu)架，甚至是對企業(yè)運作模式的重構(gòu)。另一方面，B端模型的實效性很大程度上依賴于數(shù)據(jù)的質(zhì)量和可用性，數(shù)據(jù)的整合、清洗和標(biāo)注成為了這一過程中的關(guān)鍵步驟。
那大模型是如何嵌入目前的各種系統(tǒng)中的呢？目前來看，有兩種方式：非浸入式，和浸入式。
領(lǐng)域大模型的初級模式：非浸入式
先來看非浸入模式。
這種模式并未強求企業(yè)系統(tǒng)從根本上進(jìn)行重構(gòu)，而是選擇了一種相對保守的途徑：通過API調(diào)用外部大模型的能力。企業(yè)通過這種方式，試探性地將人工智能的技術(shù)引入現(xiàn)有的產(chǎn)品矩陣，以此來增強產(chǎn)品功能，提升用戶體驗。
然而，這種初級模式面臨著明顯的局限性。首先，由于沒有對原有產(chǎn)品架構(gòu)進(jìn)行根本性改造，所以這種模式下的大模型與產(chǎn)品的結(jié)合往往僅停留在表面。大模型僅被視為一個附加組件，很難與產(chǎn)品深層次的業(yè)務(wù)邏輯和數(shù)據(jù)流程相結(jié)合。
產(chǎn)品團隊可能會忽視對這些能力的持續(xù)優(yōu)化和深度定制，這會導(dǎo)致AI功能顯得附加和生硬，不僅影響用戶體驗，更可能因為不匹配企業(yè)現(xiàn)有工作流程而變得邊緣化。
更關(guān)鍵的是，非浸入式模式?jīng)]有實現(xiàn)大模型與底層數(shù)據(jù)，以及其他業(yè)務(wù)模塊的有效互動。數(shù)據(jù)是人工智能發(fā)揮作用的基礎(chǔ)，而在這種模式下，大模型往往缺乏對企業(yè)內(nèi)部數(shù)據(jù)的深度接入和理解，這嚴(yán)重限制了其應(yīng)用的效能。沒有充分鏈接內(nèi)部數(shù)據(jù)，大模型很難真正理解和預(yù)測業(yè)務(wù)趨勢，也就無法發(fā)揮其應(yīng)有的作用。
可以預(yù)見，非浸入式模式下的大模型，通常只能應(yīng)對一些簡單、規(guī)范化的場景，比如常見問題的自動回答、標(biāo)準(zhǔn)文檔的生成等。在更加復(fù)雜的業(yè)務(wù)邏輯面前，這些大模型的功能顯得力不從心，難以提供實質(zhì)性的幫助。
以BI產(chǎn)品為例，非浸入式接入大模型，在處理單一數(shù)據(jù)點或簡單的數(shù)據(jù)分析任務(wù)時表現(xiàn)尚可。然而，當(dāng)升級到多維度指標(biāo)交叉分析時，這種非浸入式的接入就暴露了其固有的弱點。大模型在這里往往跌入邏輯的迷宮，無法有效地對復(fù)雜的、相互依存的數(shù)據(jù)點進(jìn)行分析和解讀。
例如，在嘗試分析銷售額與廣告投入、市場趨勢及消費者行為之間的關(guān)系時，這種模型可能會因為不能理解這些指標(biāo)間微妙的關(guān)聯(lián)性，而導(dǎo)致數(shù)據(jù)分析效果不佳。它可能可以告訴你單一指標(biāo)的變化，但卻無法揭示多個指標(biāo)之間相互作用的深層次關(guān)聯(lián)。
領(lǐng)域大模型的高級模式：侵入式，重構(gòu)產(chǎn)品邏輯
雖然非浸入式模式為企業(yè)提供了一種低風(fēng)險的AI嘗試方案，但要想從根本上提升業(yè)務(wù)的智能化水平，就需要超越這種初級模式，進(jìn)行更深入的技術(shù)整合和業(yè)務(wù)創(chuàng)新。
接下來，我們就來討論一下以浸入式方式在原有系統(tǒng)中嵌入大模型。這種模式，大模型不再只是一項新增功能，而是基于全新的人機交互邏輯，來重構(gòu)原有的整個技術(shù)產(chǎn)品體系。
原有的產(chǎn)品邏輯，更多的偏向機器思維：一個按鈕對應(yīng)一個功能，多個操作流程聯(lián)動起來滿足一個業(yè)務(wù)流程，這需要用戶了解不同按鈕背后的功能，然后對應(yīng)自己的需求，將業(yè)務(wù)邏輯映射到對產(chǎn)品不同按鈕的操作流程。這種思維，整體上是讓人去適應(yīng)計算機。
而大模型所帶來的強大的自然語言理解能力，讓計算機可以理解人類的自然語言，這種理解不僅僅是關(guān)鍵詞，而是一段復(fù)雜的自然語言，而且已經(jīng)可以實現(xiàn)比較好的多輪溝通交互了。
基于這種能力，可以重構(gòu)整個的人機交互方式，讓計算機來適應(yīng)人，具體方式是：用戶要想計算機完成什么任務(wù)，不再去尋找這個系統(tǒng)中有什么功能按鈕，而是只需要把自己的需求說出來就行，大模型充當(dāng)一個“翻譯器”，將人類的自然語言翻譯成計算機能夠理解的各個系統(tǒng)操作流程，來完成對系統(tǒng)的操作。
這樣一來，原有的產(chǎn)品界面將大改，不用將功能界面都堆到用戶界面這個“前臺”，而是隱藏在后端，用戶界面只要保留一個人機對話窗口，以及很少的一些操作按鈕就行，這樣可以實現(xiàn)用戶界面的極簡化。
以BI為例，原來的用戶界面往往很復(fù)雜，功能按鈕很多，用戶需要根據(jù)自己的分析需求，來找對應(yīng)的組件，然后通過拖拉拽操作，完成數(shù)據(jù)分析。用大模型改造后，大部分的功能組件都可以隱藏起來，保留人機對話窗口和幾個必不可少的輔助組件即可。用戶要調(diào)用什么組件，只需要用自然語言告訴BI系統(tǒng)即可，系統(tǒng)自己理解用戶需求后，再自己去調(diào)用后臺的組件，來進(jìn)行數(shù)據(jù)分析，并返回可視化的數(shù)據(jù)分析結(jié)果。
從這個邏輯出發(fā)，BI產(chǎn)品需要大改，甚至底層的數(shù)倉、數(shù)據(jù)治理平臺都得大改。來更好的配合上冊基于大模型的人機交互系統(tǒng)，來提升整個系統(tǒng)的效率。
那么，為了實現(xiàn)浸入式的嵌入大模型，需要對原有系統(tǒng)進(jìn)行哪些改造呢？應(yīng)該說，這是一個系統(tǒng)工程，需要整個體系的重構(gòu)。其中，數(shù)據(jù)處理、產(chǎn)品交互邏輯、用戶體驗三個方面的改造尤為重要。
在數(shù)據(jù)處理層面，為了適應(yīng)侵入式的大模型，需要對數(shù)據(jù)庫和存儲系統(tǒng)進(jìn)行優(yōu)化。例如，依賴于自然語言查詢的數(shù)據(jù)庫需要能夠處理模糊查詢和語義查詢，它們必須能夠理解和處理自然語言的多樣性和不確定性。這可能需要采用圖數(shù)據(jù)庫來更好地映射和處理復(fù)雜的實體關(guān)系，或者采用NoSQL數(shù)據(jù)庫來處理非結(jié)構(gòu)化的自然語言數(shù)據(jù)。
在交互邏輯方面，傳統(tǒng)的命令驅(qū)動的操作流程，將被以對話為中心的交互方式所取代。傳統(tǒng)軟件以功能性為中心，每個按鈕和菜單項都圍繞著明確的操作和結(jié)果設(shè)計。但侵入式的領(lǐng)域大模型要求更高級別的交互邏輯，使得用戶無需了解底層的復(fù)雜性就能與系統(tǒng)交互。
在這里，交互設(shè)計的核心挑戰(zhàn)，是如何精確地捕獲用戶的意圖并提供有效的反饋。這就要求模型不僅要在單輪對話中準(zhǔn)確理解意圖，還要能在多輪對話中累積上下文信息，對不完整或模糊的用戶輸入做出智能的假設(shè)和推理。
在用戶體驗方面，產(chǎn)品設(shè)計的核心將轉(zhuǎn)向如何最小化用戶操作的復(fù)雜性，同時最大化大模型的交互能力。侵入式模型需要在保持界面簡潔的同時，確保用戶能夠通過自然語言，有效地傳達(dá)復(fù)雜的命令和查詢。設(shè)計師需要創(chuàng)造一種界面，它不再是各種功能按鈕的集合，而是能夠智能地引導(dǎo)用戶進(jìn)行高效對話的環(huán)境。
是技術(shù)變革，更是思維的變革
需要指出的是技術(shù)的演變往往伴隨著思維方式的革命。當(dāng)大模型技術(shù)嶄露頭角時，這不僅僅是技術(shù)層面的突破，更是對傳統(tǒng)業(yè)務(wù)邏輯和產(chǎn)品設(shè)計思維的一次深刻洗禮。成功捕捉技術(shù)紅利的關(guān)鍵，在于能否突破固有思維的框架，以創(chuàng)新的視角重塑產(chǎn)品和服務(wù)。
其實，類似的事情已經(jīng)多次上演，讓我們來看看智能手機和智能電動車這兩個例子。
在智能手機的例子中，它們的出現(xiàn)不單單是屏幕變大，而是觸控技術(shù)徹底改變了用戶與設(shè)備的互動方式。蘋果公司推出的iphone，不僅僅在技術(shù)上領(lǐng)先，它們重新定義了用戶體驗，提供了一個全新的平臺，引領(lǐng)了應(yīng)用程序經(jīng)濟的誕生。諾基亞等傳統(tǒng)手機制造商，由于未能及時調(diào)整其產(chǎn)品策略和業(yè)務(wù)模型，最終未能在新時代立足。
對比之下，在汽車行業(yè)中，傳統(tǒng)燃油車制造商將電動車視為簡單的“油改電”轉(zhuǎn)換。這種淺層次的思維忽視了電動車技術(shù)在車輛設(shè)計、能效管理、軟件集成等方面的根本性改變。電動車不僅改變了動力系統(tǒng)，它的整個設(shè)計理念都與燃油車有著本質(zhì)的不同。它們本質(zhì)上是軟件定義汽車，并再次基礎(chǔ)上實現(xiàn)汽車的數(shù)字化、智能化、網(wǎng)聯(lián)化，而不僅僅是改變了一個動力系統(tǒng)。
然而，豐田、本田、大眾等不少燃油汽車巨頭，很難實現(xiàn)這種思維的轉(zhuǎn)變。這也解釋了為什么傳統(tǒng)汽車巨頭有上千億的資金、幾十萬人才、龐大的產(chǎn)供銷體系，卻在智能電動汽車這個賽場上屢屢碰壁，他們不缺人才、不缺資金、不缺資源，但思維上的局限讓他們最終落后了。
可見，某種程度上，比技術(shù)變革更重要的，是思維方式的變革。
同樣的道理，大模型技術(shù)的引入，尤其是侵入式模式，要求企業(yè)不僅僅是在產(chǎn)品層面上添加AI功能，而是要重新考慮整個產(chǎn)品的設(shè)計理念。產(chǎn)品設(shè)計思維需要從“功能導(dǎo)向”轉(zhuǎn)變?yōu)?ldquo;體驗導(dǎo)向”，在這個過程中，大模型技術(shù)使得自然語言成為用戶和機器之間的直接溝通工具，這不僅影響了界面設(shè)計，也改變了后端數(shù)據(jù)處理、業(yè)務(wù)邏輯甚至是服務(wù)的提供方式。
目前，我們處于一個前所未有的轉(zhuǎn)折點上，大模型的涌現(xiàn)，正如同往昔工業(yè)革命時蒸汽機的吼鳴，它呼喚著我們放下舊有的工具，擁抱新的思想和機遇。
然而，技術(shù)的光芒背后，我們也不應(yīng)忽視它所帶來的深刻社會挑戰(zhàn)，包括工作的重構(gòu)、隱私的保護，以及倫理的界定。這一切，需要我們以審慎和智慧的目光審視。正如詩人在夜色中追尋星辰，而不是被夜的黑暗所吞噬，我們也應(yīng)在這次技術(shù)革命中尋找方向，保持警醒，確保科技的力量被正確引導(dǎo)，照亮人類前進(jìn)的道路。
讓我們以大模型技術(shù)的智能為翼，但不忘人性的指引。這樣，當(dāng)我們回望歷史，將看到的不僅僅是技術(shù)的躍進(jìn)，還有人類在理解自己和改造世界中的成長與超越。這一切都將取決于，在這個由數(shù)據(jù)和算法織就的新世界中，我們將如何定義自己，以及我們的未來。
文：一蓑煙雨 / 數(shù)據(jù)猿
