华为大咖说 企业应用AI大模型的“道、法、术” -- 法：落地篇 （上）

本文作者：郑岩（华为云AI变革首席专家）全文约2865字，阅读约需7分钟

在探讨企业如何应用AI大模型的“道、法、术”系列文章的前两篇文章中，我们已经深化了对“AI大模型”的理解，并通过“AI场景12问”洞察了潜在的AI应用场景。现在，我们将目光转向更为关键的实践环节，即本篇的核心——“AI变革五阶八步法”。

或许您已经听说过“三层五阶八步”这一方法论。实际上，这一方法论自我们团队初步提出以来，经过集团AI专家们的深入研讨、丰富和持续调整，尽管名称未变，但其内涵和认知已经历了多次迭代和升级。

本次分享旨在延续前文的脉络，同时总结我们在实施过程中的实际经验和教训，为企业AI应用提供更为全面和实用的指导。

“五阶八步”的关键在于一套理念：AI大模型的应用，是一场变革。

这一说法的依据在于，我们将AI大模型视为一个“生命体”。正如人类在企业中需要流程、组织、数据和IT的支撑，同理，“AI生命体”在企业中也需要其对应的流程、组织、数据和IT来确保其有效运作。接下来，我们就来深入解析，AI大模型的应用落地，到底意味着哪些变化。

第1阶业务价值

① 识别业务痛点

所谓识别业务痛点，其实跟传统IT解决方案里没太多区别，基本的方法论也都是适用的，包括分析用户旅程、Design Thinking、商业模式九宫格、SWOT等等。

不过，AI大模型适用的场景，其实是有特点的，我们称之为“高能耗 + 高门槛”（自己总结的特点，欢迎指正）：

高能耗 ：可以从非雇员的角度来审视。一般非雇员团队的工作范围是非核心、低门槛、可替代性强的工作，属于海量、高频、重复的场景，非常适合AI介入。比如说，客服、电网销、测试等。

高门槛 ：可以从业务流效和风险地图两个方面来审视。一般意义上，高风险、高经验要求、业务规则复杂、流程频繁变化的场景，很适合AI介入辅助人，因为AI可以及时更新自己的知识库、掌握最新、最完整的流程规范要求。比如说，合同签审、商务申请、客户洞察等。

② 明确业务目标

为了让整个AI项目能有个一致的方向，设置业务目标是必须的。

虽然在前一篇“AI场景12问”里，我们在筛选场景时，对业务价值、业务成熟度、业务运营目标等做了强调。这里再拿出来，是为了把前面初步确定的目标/指标，变成可以确保落地的目标/指标，写在项目的charter或计划书里。

接下来，我将分享一些AI大模型在企业应用中的经验和思考。

1、AI适用的四类场景

AI大模型在企业业务中创造的价值主要集中在四个维度：增收、降本、提质、增效。相应的，则会产生四类比较核心的业务目标：

1. 增加了多少收入？--> 用钱来衡量，关注由AI带来的外部收入增加，这是最直接、最具有说服力的财务指标。
2. 降低了多少成本？--> 用钱来衡量，评估AI如何帮助企业降低内部成本，实现成本效益的最大化。
3. 提升了多少质量？--> 通过作业质量的问题数或客户满意度来衡量，确保AI在提高产品或服务质量方面发挥积极作用。
4. 增加了多少效率？--> 利用计时或计件的方式，明确业务活动的时间指标，量化AI在提高工作效率方面的贡献。

2、一些思考

这里有几个有趣的思考：

“四类目标”背后其实是“四类场景”，是有“鄙视链”的，大致优先级排序就是我上面的顺序，能够用“钱”来衡量的，就不用“质”来衡量，也就绝不用“效”来衡量。

这四类目标，其实在某些场景下，要综合起来看，可能会横跨多个，也有可能会互相演化。尽可能从下往上演化，就价值目标就升级了。如果确实不行，再降级。当然，要降级时，就值得审视下这个场景要不要搞了。

跟业务对齐目标，其最好的办法就是把业务的计划拿过来，直接从业务团队的KPI里选取，或者采用与业务KPI强相关的支撑指标。 

再和大家分享2个错误案例：

错误案例1-AI回答准确率xx%：这是最常见的AI项目目标，也是最容易犯的错误。AI答准率是技术目标，不是业务目标，是无法让业务sponsor买单的，对准这个目标，很可能IT同学搞的很热火朝天，但是业务结果很差，最终项目早期热闹，上线以后就不了了之。

错误案例2-AI提效xx%：提效百分比这事儿，太玄学了。这两年AI项目做下来，能不用比例就不要用比例，一定要用具体的计时或计件数。举个例子，客服场景的业务目标不应该是客服AI的答准率，而应该是客户的工单的处理时长、自助解决率、自闭环率等这些业务侧的KPI。

3、一些难点

最后，业务目标这件事儿，看起来在整个“五阶八步”里是容易的，但实操起来可能是最难的。这里我们也踩过不少坑，有三个非常有趣的难点：

• 在开工前，如何证明AI介入就能带来业务目标改进？
• 在开工后，如何证明业务目标的改进是AI带来的？
• 另外，业务还会担心，万一业务真提效了，明年要砍我的预算或者人头怎么办？

对于前两个挑战，我们可能无法找到标准的解决方案，但关键在于业务团队的决心和投入。对于第三个挑战，则需要我们展现出变革的领导力，确保AI的应用能够带来真正的业务价值，而不是简单的替代或削减。

第2阶流程

有了场景和目标之后，剩下的工作就是IT解决方案设计的工作，只不过这一次我们融入AI元素，甚至以AI为核心来看设计。接下来的“流程、组织、数据、IT”四阶，其实都是IT解决方案设计过程中的思考维度。

为什么不仅仅只考虑IT？很简单，就是只考虑IT整个事儿做不下去，别问我们咋知道的。下面先看“流程”部分。

③ AI融入作业流 

在做整个设计时，基于“AI融入作业流”来思考和规划，至关重要。

因为这里有一个陷阱：AI飞轮转不起来。

为什么ChatGPT没有啥流程，咋的我们自己用一下AI大模型就需要流程了呢？

这里的核心是，AIGC 2B与2C的区别，我跟大家捋一下这个逻辑，根源就2C类应用可以获得上亿的MAU，2B则只能以千、百为记。于是就开始这个恶性循环：

• 没有足够的用户
• 没有用户就没有反馈（主动反馈率低于5%）
• 没有反馈就没有数据（足量的高质量数据）
• 没有数据就没有AI大模型的持续改进

这样就闭环了，企业内部AIGC应用，指望AI的增长飞轮自己能转起来，是没戏的。

但是我们也有我们的优势，那就是我们可以调整用户的流程、交互，甚至习惯，因为我们在某种意义上是“垄断”的。

这里的核心设计，就是“作业即标注”的飞轮。通过在作业流程中预埋AI的交互，让我们的用户在作业时，不经意间就使用了AI，并对AI结果做了反馈。

第3阶组织

④ 成立AI团队 

如何组建一个AI团队这个事儿，我们也不能说完全搞清楚了，只是觉得：要干成这件事儿，现有的资源配置和角色是不够的。

这里大致给个示意（葫芦图），蓝色部分是传统软件开发的几个关键角色，红色部分是我们为了AI大模型应用而改造或新增的角色。

有几个新的概念，这里稍作解释：

AI训练师：AI的业务导师，教AI怎么做事的，关键业务活动就是标注数据、给予专业的反馈。

AI SA：这是关键角色，也是每个AI子项目的领头羊角色。一方面，承担了IT解决方案架构师的角色；另一方面，对AI能做啥、不能做啥、落地方案是啥非常清楚。这块的人才目前是最缺失的，属于复合型人才。

AI SE：这也是一个新的角色，包括提示词工程、模型微调、数据处理等等新IT技能。当然，除了新要求，也包括传统IT SE所专长的IT方案设计，毕竟AI大模型应用，还是需要一整套工程方法来支撑的。

看到这里，本期的分享到此为止。下一期，我们将继续分享“AI变革五阶八步法”。

阅读原文