五步打造适合您业务的生成式AI -2024.08-19正式版-WN8.doc

五步打造适合您业务的

生成式AI

目录

3

简介：新兴趋势

41.

了解潜力

62.

承认局限

93.打破常规：生成式AI

与自动化

11UiPath如何应用生成式AI

154.

了解风险

16UiPathAI信任层：可信AI

的基础

175.为生成式AI

选择合适的云供应商

18

结论：连接人与机器的桥梁

UIPATH.COM.CN|五步打造适合您业务的生成式AI2

简介：新兴趋势

生成式AI已深刻改变世界。ChatGPT好消息是，只要利用好生成式AI

公开发布仅一年，就，您的企业就可以实现飞

有超过四分之一的X世代、Z

世代和千禧一代表示他们在工跃。但首先，您需要考虑一些特定事项。请继续阅读，了

作中会使用生成式AI。比尔·

盖茨称此技术“像微处理器、解发挥该技术的潜力需遵循哪些极为重要的准则和步骤。

个人电脑、互联网和手机一样重要”。

那么，您在业务中会如何使用生成式AI

呢？很多人可能都

无法回答这个问题。德勤的一份必威体育精装版报告显示，79%

的企

业领导者期望生成式AI

能在未来三年内帮助其组织实现转

“生成式AI

可不是昙花一现，它正在型。然而，大多数人关注的是该技术在策略上的优势，而

不是利用它来推动业务增长和创新。此外，只有25%

的人

掀起一场巨大的浪潮。

认为他们已准备好应对采用生成式AI

EdwardChallis，UiPathAI

战略主管

所带来的相关风险。

企业领导者虽然能看到生成式AI

的巨大潜力，但他们仍在

摸索利用该技术的方式。这是一个需要解决的问题。如果

您正面临这种情况，那么您不仅无法实现生成式AI

的真正

价值，还会在竞争对手采用该技术的情况下，丧失自己的

竞争优势。

UIPATH.COM.CN|

五步打造适合您业务的生成式AI3

1

了解潜力

在您尝试将生成式AI在过去几年里，ChatGPT、DALLE和GoogleBard等生成式AI

部署到业务中去之前，您应该先了解

生成式AI

是什么，以及它能做些什么。幸运的是，即便您模型已经能够快速创建优质的新内容了，它们还展示出了

不是AI

科学家，也能看到这项技术的潜力或开始考虑如何与人类相似的推理能力。人们借此创建了许多新用例，以

使用！提升工作效率并推动创新。

生成式AI

是什么？

生成式AI

是一种可以创建新内容（例如文本或图像）的人

工智能。它是通过无监督式学习来实现这一点的。在无监

督式学习的过程中，AI

模型会接收大量数据，并学习识别

和复制数据中的模式。

AI

为何有用

不确定性高可变性非结构化数据

100%

的确定性也无法其所基于的规则的文章、文档、图像、

确定结果可变性很高视频和电子邮件等信息

房产估价贷款违约库存预测简历匹配购买决策语言翻译发票提取电子邮件路由语音转文本

UIPATH.COM.CN|五步打造适合您业务的生成式AI4

以下是一些非常热门的生成式AI

业务应用领域：

?提高工作效率：在员工层面，生成式AI“ChatGPT

可以充当“顾刚刚诞生一周年。想想看

问”，帮助员工测试创意并快速生成新内容。作为个人

吧，仅仅一年，就发生了如此多的

变化。生成式AI

在自动化领域的应用工作效率工具，它能让员工更快完成更多工作。

?检索增强生成：生成式AI

可以参考大量业务特定数据

正在加速。”

DavidBarber

教授，

集，以检索有用的信息并将其提供给员工和聊天机器UiPath杰出AI

科学家

人，还能批量创建自定义生成内容。实践证明，这在提

供支持和客户服务方面非常有用，但这远未达到生成式

AI

的潜力极限。

?设计与开发：生成式AI然而，当前的用途也不过是冰山一角。据Gartner

可以根据设定的参数和约束条件

所言，生

成式AI

仍处于其技术成熟度曲线的高峰。然而，这项技术创建大量设计变体。企业可以借此快速选择最佳设计或

在设计过程的早期发现潜在缺陷。

的大规模部署却迟迟未能起步。各类企业似乎不愿意对该

技术进行大规模投资，他们对此也有充分的理由。

UIPATH.COM.CN|

五步打造适合您业务的生成式AI5

2

承认局限

虽然生成式AI

看起来像魔法一样，但您应记住它只是一个工具，而适用于所有任务的完美工具是不存在的。

作为一项正在发展中的技术，生成式AI

有三个主要局限：

1.

信任与透明度

2.

背景信息

3.

行动

1.

企业和客户对可靠性和透明度有要求，但生成式AI

模型会信任与透明度

犯错。它们容易出现“幻觉”（Hallucination

很明显，企业对生成式AI

），并提供

存在信任问题。非常热门的模型

极具说服力的错误答案。导致这种情况的原因可能是训练

要依靠各种全新数据来训练和改