現今的生成式人工智能（AI），主要是在模仿它所學習數以萬計的文本。不過，由於這些模型是透過從整個互聯網上的文本分布匹配訓練出來，而且並非所有在網絡上的東西都可信或準確，所以生成式AI所產生的東西並不完全可靠。
目前，生成式AI主要用於行銷和廣告，對於偶爾的事實不精確是可以容忍的。但對於大多數商業應用案例而言，準確性至關重要。為了讓企業對生成式AI有信心，需要更多的上下文和人工協助。
事實上，到目前為止，生成式AI是以輸出為導向，而不是以結果為導向，這對於消費者來說很好，但對於企業來說就不太適用。換句話說，ChatGPT 可以為新飲料品牌提供口號，但它不能告訴你哪一個表現更好。這是因為與模型的互動是單向的，它缺乏根據結果繼而不斷學習的能力。對於B2B來說，企業需要的不僅僅是一個生成器，還需要以特定行業為導向的、迭代的AI。
針對B2B生成式AI應用，要衡量其前景及價值的基礎，將會以類似投資回報率的結果為依歸。舉個例子，有科技企業正在開發AI合約管理系統來幫助客戶更高效地起草和編輯合同。這不僅可以幫助律師更快地工作，還可以幫助他們改善業務成果。AI平台可以指導起草人員哪些條款公式將推動更快的交易達成率。通過結合法學碩士建議和專門數據，建立一個可靠、以結果為導向的產品，而這個成效理論上是可以客觀地得到量度。
沿此思維，為了讓生成式AI在許多商業應用案例中發揮作用，AI需要根據公司特定的數據進行訓練。而現有的語言模型大多是在公開可用的數據上訓練（主要是互聯網），但缺乏廣泛所需的上下文資料和知識產權，以便在B2B中發揮作用。因此，估計未來幾年，每個行業的每家公司的每項職能都將發生巨大的轉變。
換句話說，新的工種可能會是幫助客戶擴展和保護其業務核心的重要知識產權，又同時整合生成人工智能的新功能。可以預見的是，B2B生成式人工智能的未來，將結合現有的語言模型（例如 OpenAI 開發的 GPT）與獨創性的專有數據，再加上來自人工的最後整理，集合起來才可以發揮最大的效用。
家族辦公室投資經理
徐立言（本欄每逢周一刊出）
www.facebook.com/hsulylab/
