高管指南：如何将生成式AI融入运营

高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生2将生成式 AI 融入运营：对机器而言只是微不足道的一小步，但对组织来说却是意义非凡的一次跨越第 1 步：确定您所期望的理想结果第 2 步：评估影响。衡量成效。第 3 步：选择一个模型（未来行动计划）第 4 步：大胆试错，快速迭代第 5 步：管治与运维关于数据安全事宜第 6 步：设定时间表。给出基准点。新时代大幕已经开启如果您知道想要通过生成式 AI实现什么目标，请从这里起步 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。目录开启您的生成式 AI 之旅第 1 部分了解生成式 AI 的发展前景什么是生成式 AI？什么是 Machine Learning？什么是大型语言模型 (LLM)？什么是检索增强生成 (RAG)？什么是矢量数据库？生成式 AI 能做什么第 0 步：列明部署生成式 AI 的理由并确定可能实现的目标适合不同行业需求电信金融服务零售汽车与制造公共领域 356668111213161920212324 第 2 部分 272829303436373840 开启您的生成式 AI 之旅生成式 AI 是 2023 年兴起的极具颠覆性的技术。据预测，在未来几年里，生成式 AI 将深刻影响各行各业的方方面面，但有多少人能说他们已经破解了生成式 AI 的密码，现在就能让它为己所用？当有些公司还在生成式 AI 浪潮中探索方向时，有些公司已经率先开始体验到这项技术带来的成果了。例如，在 Cisco，支持工程师可以迅速从类似的支持案例、内部论坛以及与客户问题相关的知识文章中找到归纳整理的相关答案。Cisco 已经充分享受到了生成式 AI 带来的益处，其重新设计的搜索解决方案成功解决了 90% 的支持请求，并每月为支持工程师节省了 5,000 小时的工作时间1。在电子商务领域，您或许已经目睹过生成式 AI 的实际应用。生成式 AI 可以分析客户的过往购买记录、浏览历史和偏好，以在用户与聊天机器人互动时为他们生成个性化的产品推荐。在后端系统，使用生成式 AI 有望增强客户的参与度和留存率，提升欺诈检测能力，以及其他更多方面的改进。为了揭开生成式 AI 各种功能的神秘面纱，并确定采用何种方式将它应用到您的业务中，您需要有一份关于如何激活数据的分步指南。在这本电子书中，我们将引导您完成从初步设想到成为 AI专家的转变之旅。您可以将这份指南看作一个路线图，帮助您利用生成式 AI 实现业务成果的突破性提升。的组织认为，生成式 AI 有潜力推动组织内部或外部的变革2的领导者认为，自己有能力在组织中实施 AI但只有9932%1数据来源：Elastic — Cisco 在 Google Cloud 2024 上利用 Elastic 打造 AI 驱动型搜索体验2数据来源：Elastic — Elastic 生成式 AI 报告 (2024)3数据来源：Russell Reynolds — 拥抱未知：面对不确定性，领导者如何运用生成式 AI (2024)。 3% 下面是本指南将为您介绍的内容：第 1 步确定您所期望的理想结果。对于您的用例来说，成功的实施应该呈现出怎样的效果？第 0 步了解生成式 AI 能提供哪些帮助。您想用生成式 AI 实现什么目标？第 2 步评估影响并衡量成效。考虑哪些组织流程会受到影响，以及受到的影响程度如何。第 3 步选择一种实施策略。探索您的选项。第 4 步启动测试并采用迭代方法。第 5 步制定管治标准并解决数据安全问题。不过，下面我们先来回顾一下基础知识。如果您知道想要通过生成式 AI 实现什么目标，请跳过这部分的内容elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。 第 6 步为团队设定一个与目标相匹配的时间表。 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生第 1 部分：了解生成式 AI 的发展前景您无需成为生成式 AI 方面的专家，也能制定出一份实施计划。然而，了解其中涉及的各个组件，将有助于您在整个实施过程中做出明智的战略决策。下面，让我们来逐一介绍这些构建块。 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。什么是生成式 AI？生成式 AI（即生成式人工智能）是指能够根据提示生成输出结果的深度学习模型。重要的是要明白，这项技术的生成能力取决于其能否根据已有数据，预测并生成符合统计学概率的输出结果，而这种能力是通过 Machine Learning 实现的。数据是将生成式 AI 融入运营的核心，也是其成功实施和取得成效的关键。稍后我们将对此进行更详细的介绍。什么是 Machine Learning？Machine Learning（机器学习，ML）是人工智能的一个重要分支，它通过使用算法从数据中学习和获取知识。这些算法会在监督式、半监督式或无监督式的学习环境中解析数据并“学习”其中的模式和相似性，进而使其能够做出决策。Machine Learning 是赋予生成式 AI（如大型语言模型）持续“学习”能力的底层技术。 高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生6什么是大型语言模型 (LLM)？大型语言模型 (LLM) 是 Machine Learning 领域中的一种计算模型，是一种专门处理人类语言的生成式 AI。经过大量公共语言数据集的训练后，LLM 能够执行各种自然语言处理 (NLP) 任务，例如识别、分析、总结、预测、翻译或生成文本等。在将生成式 AI 融入实际运营的过程中，LLM 是让生成式 AI 能够用自然（或人类）语言进行交流的关键。ML/AI生成式 AI大型语言模型 您：我还剩多少天带薪休假 (PTO)？您：我的可视门铃连不上Wi-Fi，该如何修理呢？ elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。幻觉是指 LLM 生成的不正确或误导性的结果。您可能对 ChatGPT有时不那么准确的回答保持明智的判断，这是明智之举。输出看似合理，但真的靠谱吗？如果LLM（ChatGPT 是基于 LLM 构建的）找不到答案，它往往会编造一个。当探讨在企业应用程序中使用LLM 时，这个盲点是需要重点考虑的。您如何确保生成的输出既相关又准确呢？这时检索增强生成(RAG) 技术就派上用场了。让我们来谈谈幻觉现象 高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生7AI：今年还剩 200 天。AI：最好的可视门铃可提供 4K 录制和即时… elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。什么是检索增强生成 (RAG)？您可以将检索增强生成 (RAG) 视为对抗幻觉的一道防线。通过使用由矢量数据库支持的高度相关搜索，从特定的数据集或数据上下文中检索信息，从而对 LLM 生成的输出进行增强或“校验”。例如，通过 RAG，在响应用户查询时，组织会搜索自己的策略文档并向 LLM 提供相关回应，以便 LLM 使用组织的策略来回答用户的问题。除了作为对抗幻觉的防线外，RAG 还可让您在自己的专有数据集上使用生成式 AI— 这是它最大的优势。在为业务应用程序运用生成式 AI 的背景下，RAG 的重要性体现在多个方面：它不仅可以提供更优质、更相关的结果，并且提供了一种快速启动或利用自己专有数据的方法。另外，与训练或构建自己的 LLM 相比，RAG 也更具成本效益。因此，RAG 是生成式 AI 集成成功的关键。RAG 突破了传统 LLM 在多方面的界限，可助力打造“下一代搜索引擎”。“借助RAG打造下一代搜索引擎”Baha AzarmiElastic 全球客户工程副总裁 高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。您的业务数据检索增强生成 (RAG)您的问题借助 RAG，您可以在自己的专有数据集上使用生成式 AI。 矢量数据库上下文窗口您的问题 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。什么是矢量数据库？矢量数据库用于存储矢量嵌入，也就是字词、图像或视频的数字表示形式。这些嵌入具有多维性，且支持语义搜索；语义搜索是一种旨在探寻查询意图和上下文含义的搜索方式。相比之下，文本搜索则仅查找与搜索查询中的关键字相匹配的结果。在使用 RAG 提供的上下文中，矢量数据库能够根据提供给生成式 AI 的提示进行快速的语义搜索。这种高效的搜索能力也正是 RAG 得以成功的原因。生成式 AI 在处理 NLP 任务方面表现出色，但传统的关键字搜索不能直接处理自然语言，因此无法提供最佳结果来供生成式 AI 使用。因此，通过使用矢量数据库为生成式 AI 提供与原始提示语义相似的搜索结果，生成式 AI 可以生成更加相关的答案。您可以将矢量数据库想象成一个知识库，可使生成式 AI 利用准确信息来回答问题。然而，生成式 AI 并不局限于矢量数据库。使用 RAG，生成式 AI 可以接入关系数据库、图形数据库、基于文档的数据库，甚至关键字搜索引擎。最适合您的数据库往往取决于数据的特性、所使用的特定算法，以及系统的性能需求。例如，关系数据库适合存储结构化数据，而图形数据库则非常适合存储具有复杂关系的数据，而传统搜索引擎则适合进行全文搜索。 “所有方式最终都会趋向于混合搜索。”Serena Chou，Elastic 产品管理总监尽管语义搜索能提供与查询含义相匹配的结果，但关键字搜索在将结果与查询中的确切关键字匹配方面仍然发挥着重要作用。混合搜索是一种结合使用矢量（常用于语义搜索）和关键字搜索技术的实践方法，旨在为生成式AI 提供尽可能相关的搜索结果。总而言之：混合搜索解决方案最有可能为您组织中的生成式 AI 体验提供最相关的搜索结果。 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。生成式 AI 能做什么我们已经探讨了诸多底层技术和基本概念，但生成式 AI 具体能做什么呢？创建生成式 AI 通过学习训练数据中的各种模式来“创建”或生成输出。它通过对现有数据进行迭代，能够生成新的想法、图像和见解等。总结凭借强大的自然语言处理能力，生成式 AI 可以分析文本并进行总结。需要在短时间内审阅冗长的文档？让生成式 AI 来拯救你吧。发现生成式 AI 的关键在于其底层的搜索技术。这使得生成式 AI 工具能够接收查询指令，搜索庞大的私有或公共数据集，并据此作出回复。 高管指南：如何将生成式 AI 融入运营，让您的业务焕发新生自动化假设您的组织使用两个不同的云平台提供不同的服务。每个云平台都会生成不同格式的日志。通过将这些数据自动转换为相同的格式并将其与 AI 进行映射，您的团队可以使用生成式 AI 就数据进行总结和提问。这样，您的 IT 团队就能够摆脱繁重的任务，专注于监测和管理系统。 12 elastic.co/cn | © 2024 Elasticsearch B.V.保留所有权利。第0步：列明部署生成式AI的理由并确定可能实现的目标在这么多可能实现增值方式中，锁定一个起点至关重要。那么，如何充分发掘生成式 AI 的潜力来为您的团队赋能，满足客户不断变化的期望，并将公司推向新的高度呢？那就是锁定生成式 AI 能为组织带来最大价值的那个领域。请考虑以下问题：1我想解决什么问题？您的业务中是否存在效率特别低下的环节？您的员工主要在哪些重复性任务上投入了大量的时间？他们是否经常需要在内部数据库或外部搜索引擎中查找已存在的信息？ 温馨提醒：您需要与那些工作流程将受到影响的团队密切合作。举例来说，如果