华为大咖说 | AI辅助内部业务训战后有感

本文作者：林锦成

全文约4300字，阅读约需10分钟~

为抓住AI大模型技术变革的机遇，通过AI辅助内部业务，提升华为内部各业务领域的作业效率和质量，项目组组织训战让各业务领域懂AI用AI。我参加了上周（6月20日至22日）的第六期训战（for HR领域），收获非常大，必须分享给大家。

最近，国内首部以航母为题材的电视剧《海天雄鹰》在央视一套隆重播出，作为一名军事爱好者，我利用闲暇时间观看了几集，可谓感触良多。

《海天雄鹰》讲述了三代试飞员为了实现“航母成军”的使命而不懈奋斗的故事。这部剧是对我国航母发展历程的一次回顾，也是对这些英雄飞行员的崇高致敬。

一、AI成军

为啥提到《海天雄鹰》这部电视剧呢？其实你会发现，它与当前华为AI赋能内部业务变革事业有着惊人的相似之处。 

华为AI就是航母，内部业务就是舰载机，而我们就是试飞员。

而AI本身并不会形成战斗力，需要结合业务场景才能形成战斗力。那如何让AI成军？

我们这些训战的IT雄鹰和那些舰载机试飞员承担同样的使命和担当。比如，怎么样找到AI合适的业务落脚点，如何使用AI最大化发挥价值等等。

那么在TO B场景下，如何识别哪些业务场景值得用AI重做一遍，如何懂AI（AI有哪些能力，局限性在哪里？），怎么用好、管理好AI，就是横亘在大家（业务人员和IT人员，也就是未来的业务分析师和AI训练师等角色）面前的三座大山，容易走到两个极端：

1. 认为AI无所不能
2. 认为AI一无是处。

为了克服以上这些挑战，抓住AI大模型技术变革的机遇，通过AI辅助内部业务，提升华为内部各领域（研发、财经、营销服、采供制、HR、行政、审计等）的作业效率和质量，我们于2024年6月20日至22日启动了一次AI辅助内部业务变革项目训战第六期（forHR领域）。本人有幸参加了本次训战，并想和大家分享本次训战的一些宝贵的知识和深入的思考。

“待到AI成军日，回首昔日训战时。

忆往昔峥嵘岁月，望今朝使命担当。”

二、缘起先锋计划

历时三天，课程安排相当紧凑、知识密度相当高、非常烧脑的AI辅助内部业务变革项目训战（for HR领域）圆满落幕。

这三天的课程里，我们学到了：

1、AI的前世今生

从统计学到决策式AI再到生成式AI，AI的发展史就是人类驯养机器智能的过程，也是机器和人类斗智斗勇的过程。

2、“AI改变世界，谁来改变AI”--李飞飞

我们认识了生成式AI家庭成员（prompt/RAG/微调/预训练等）各自的杀手锏和适用场景，就像动画片里的七个葫芦娃，各有各的绝技。并且通过演练环节，体验了大型语言模型 (Large Language Model，LLM) 各种策略（prompt/RAG/微调/预训练）的最佳实践和效果。（李飞飞，女，1976年出生于中国北京，美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士，美国斯坦福大学首位红杉讲席教授）

3、华为AI实践总结和场景识别

核心聚焦在了How（怎么做）的层面，包含了：

如何挖掘场景？

a.四位一体：应用场景 + 数据、算力、算法

b.海量、重复、复杂的业务场景

c.从人（赋能人）事（使能业务） + AI来使用大模型提升生产力

华为AI的三层五阶八步

结合了Top-down和Bottom-up的场景识别方法论

特别强调的是AI是一把手工程，要有组织准备，战略先行......

4、华为AI运营

AI开发交付和运营双轮驱动

AI运营方法三步走 ......

各位老师和助教从理论到实践，有理论知识，有实战演练，手把手地教我们，让我们对LLM不再只是概念上的认识，也有一定的直观感受。

三、收获：AI普惠化

1.本次训战帮我们系统地进行“扫盲”。

我们学习了AI领域里的很多专业术语：似然、正则化、梯度下降、多头注意力机制等等，终于可在AI界的同学们面前竖起腰板了，统一语言了。

2.在AIGC时代，做意图识别的成本降低了很多。

AI可以通过用户的对话内容，识别用户意图，实现表单的自动填充。例如：“一周后，想出去玩两天，我想请假下”，即可创建一个如下的请假单：

如果是使用传统AI，需要使用关键词匹配（明天）+ 调用API (生成明天的日期) + 各种语料喂出来的意图识别机器人，效果不理想的情况下，还要再调整语料，真的是相当复杂繁琐。

而在AIGC时代，只要一个prompt就可以了，是不是So Easy？

所以我经常把一些简单的工作交给AI机器人做，如：图片转文字，列表的去重等。图片

3.“知识不够用外挂，(推理）能力不足用微调”。

这里的知识不够包含了：

不够新鲜（知识更新频繁场景）

不够专业（领域专业化知识）

不够合规（数据隐私保护）

不够可信（回答需要验证追溯）

能力不足指模型发现的规律还不能覆盖当前的问题，例如小学生只学会了加法，你非得让他做乘法题，那这时候就需要通过微调，让他去学习下乘法规律，再让他来做题。

四、思考：先融入后颠覆

1.“让子弹飞一会儿，让韭菜长长，再来收割”。

关于当前的AI项目是否一定要取得立竿见影的效果，课上老师也分享了自己的观点，我深以为然。

如果严格地按照一系列标准进行筛选，我估计符合的业务场景已寥寥无几。因此，何不结合Top-down和Bottom-up两条腿走路的方法，不一定要追求价值量最高的大场景，可以先将一些数字化系统中的小功能点先融入AI，通过量变形成最终的质变。现在的联合作战阵型，依托强大的平台资源能力，再加上2-3个人的作战小分队，使得Bottom-up的可能性大大增加，等城墙口攻破之后，再安排上“范里弗特弹药量”饱和攻击，这也是一种路径。

其实，很多互联网企业在起步阶段并没有明确的商业模式，而是在发展的过程中逐步找到了商业模式，例如谷歌、淘宝，刚开始都是免费的，直到发现了互联网广告，才形成了商业模式。

2.“Not Only AI， More than AI”

这个观点和NOSQL数据库发展轨迹颇为相似。NOSQL数据库刚出现时，有很多人误以为它将取代关系型数据库。然而，随着时间的推移，人们才发现NOSQL只是关系型数据库的一种补充, 也就是NOSQL后面的解释：Not Only SQL。和所有新技术刚兴起的时候，很多人都以为AI就是个银弹，无所不能，天下无敌，最终落地的时候，又走向另一个极端，认为AI也不过如此，这是对AI认识的两个极端。

其实我想说的是AI的本质就是概率论，正如“让上帝的归上帝，凯撒的归凯撒”，我们应该找到AI的优势和适用场景，扬长避短，不能非要让AI去做一些不擅长的事情，技术也是有代价的，包括成本（所以有所谓的“穷则prompt, 富则微调”）。

关于规则引擎和AI的边界问题，我的个人观点是：遵循简单实用主义原则。规则引擎能解决的事情，用规则引擎解决，除非规则引擎解决得不好，用规则引擎 + AI，这种属于改良型或组合性创新；如果还解决不了问题的话，再来思考如何完全颠覆以前的一切作业流程，毕竟升维来实现颠覆性创新难度还比较大。

五、畅想：AI走进工作，融入生活

到了AIGC时代，各大互联网公司变得越来越智能了，当然偶尔也会出现智障的情况。

01业界洞察：互联网场景洞察

平时我们各种洞察时，可能会提到如下的一些场景：

1.浏览器里汇率查询，能粗略识别到你是不是想看看人民币和美元的汇率，顺便带出一个多选框，可以进一步选择源币种到目标币种的汇率转化。

2.谷歌已经实现了在搜索机票价格的同时，可以让你完成下单订票的操作，如下图：

之前在学习AI的过程中，很多人对AI的未来进行了畅想，印象比较深刻的是美工和前端工程师可能要转行了。

为啥呢？因为未来再也不需要那么复杂的交互和界面，只需要一个入口（不管是语音还是对话框），通过AI识别用户意图，一站式地快速帮用户把任务完成，而不是在一个个的孤岛系统中跳来跳去，然后还需要通过好多次的交互才能到达用户想到达的地方。以电商系统为例，当前电商系统基本上都要经过搜索或首页、列表、详情页，然后还要经过下单、支付等动作，才能最终完成一次网购。

那么未来是不是只需要一个入口，通过聊天框或语音输入：最近想去徒步，没合适的鞋子，帮我买双鞋。系统自动帮我们找到历史记录，给我们推荐鞋子，然后我们确认后，自动识别人脸，完成支付。真正做到一步到位，极简体验。

在AIGC的过程中，还可以看到很多AIRC（AI推荐内容）的影子，这两个真是亲兄弟呀。

02小方框，大世界

其实我一直在思考：HR系统未来的交互方式是什么样的？畅想归畅想，还是得学学“硅谷钢铁侠”马斯克的精神：心动不如行动。那么怎么才能实现呢？（工程师的优势就发挥出来了，自己想到的idea, 可以自己先尝试做出个MVP，而不是空对空地在畅想。）

于是我们通过业余时间搞一个考勤大秘：用考勤大秘(Mate) 来进行一下POC(Proof of Concept，为观点提供证据），这就是“用AI把自己的应用重做了一遍”。

经过分析，其实我们的数字化作业系统不外乎在做如下几件事情：

1. 政策查询
2. 信息查询（查工作日历、班次、薪酬等）
3. 数字化作业（提交电子流、完成各种审批）
4. 数字化运营（制作各种图表）
5. ......

当前大部分的业务系统接入AI, 基本上只是部分环节接入AI，或者用AI改造，特别是复杂的作业场景，但没法完成端到端的流程改造。

我们这个POC只是考勤业务的一个雏形，相当于是一个毛坯房，但“麻雀虽小，五脏俱全”，后续的作业场景还可以不断地进行迭代演进。

部分展示图如下：

政策查询和个人信息查询

意图识别和数字化作业

最后，我想说华为AI航母才刚开始启航，AI成军系列刚开始拉开序幕，后续还会有许许多多的故事，期待大家一起来续写。