智能系统—应用层的生成式人工智能

生成式人工智能是一种技术的范式转变，将在未来十年乃至更长时间内引发企业支出的大规模转变。这种规模的转变在表面上可能看起来很迅速，尤其是像生成式人工智能在最近几个月中所引发的巨大反响那样，但是要渗透企业技术架构的各个层面需要一段陡峭而稳定的攀升。

基础设施层捕捉到了企业在为能源和性能组装基石时的最初支出-当今流入英伟达和GPU聚合器的资本表明这一过程已经进行得很顺利。随着采纳（和资金）向上层堆叠，开发重点将转向将重新塑造每个后续层的新体验和产品。

我们只是初步看到了这种变革在应用层面上的展开方式，早期的信号表明这种颠覆性将是深远的。

在生成式人工智能出现之前，企业应用程序开始通过改进用户界面和引入互动元素来提供更具消费者化的体验，以吸引日常用户并加快工作流程。这促使从Salesforce和Workday等“记录系统”应用程序向像Slack和Notion这样的“参与系统”应用程序的转变。

请提供需要翻译的英文内容。

这种新型企业工具的一个明显特点是协作能力，其中包括多人模式、注释功能、版本历史和元数据等特性。这些应用还利用消费者本地化的传染组件来推动使用，并在组织内外实现内容的无缝共享。在这些参与系统中，核心记录保留着其内在价值，并成为日益增多的参与层所创造信息的基石。

随着生成式人工智能塑造着下一代应用产品，我们可以预见到更为广泛的演化。最早的参与者看起来很像ChatGPT整合者，直接在生成模型的基础上构建轻量级工具，提供即时但短暂的价值。我们已经看到了各种生成式人工智能产品的出现，它们具有爆炸性的初期增长，但由于工作流程有限或缺乏其他功能，也极易出现用户流失。这些应用通常产生单一用途类型的内容或媒体（即不嵌入到用户的日常工作流程中），它们的价值依赖于市场上普遍可获得的现成生成模型。

第二波生成式人工智能应用正在初现端倪，将通过生成模型来整合系统记录应用中存在的结构化数据和系统互动应用中存在的非结构化数据。

这些产品的开发者要想建立持久的公司，比第一批进入者拥有更多潜力，但只有他们能找到一种方法来“拥有”超越系统参与和记录应用的层面，才能实现这一目标——而这可不是件容易的事情，因为像Salesforce这样的老牌企业已经争先恐后地实施生成式人工智能，以在它们的底层打造一道保护堡垒。

这导致了第三波浪潮，创业者们会建立一个自己的、可捍卫的“智能系统”层。初创公司首先会推出新颖的产品，通过利用现有的记录系统和互动系统的功能提供价值。一旦确立了一个强大的使用案例，它们会进一步建立工作流程，最终作为真正的企业应用程序独立运行。

这并不一定意味着要替换现有的互动或数据库层；相反，它们将创建新的结构化和非结构化数据，以便生成模型利用这些新数据集来增强产品体验 - 从根本上创造了一种新的“超级数据集”类别。

这些产品的核心关注点应该是与能够摄取、清洗和标记数据的集成。例如，要构建一个新的客户支持体验，仅仅摄取现有客户支持票据的知识库是不够的。一个真正引人注目的产品还应该包括错误追踪、产品文档、内部团队沟通等等。它将会知道如何提取相关信息，加以标记，并对其进行权衡，以创建新颖的见解。它将具有一个反馈循环，使其能够通过培训和使用变得更加优秀，不仅在一个组织内部，还跨越多个组织。

当一个产品能够完成所有这些功能时，转向竞争对手变得非常困难。经过加权和清洗处理后的数据非常有价值，并且要用一款新产品达到相同的质量需要花费太长时间。

在这一点上，智能不仅存在于产品或模型中，也存在于相关的层次结构、标签和权重中。洞察力将在几分钟内提供，而不是几天，侧重于行动和决策，而不仅仅是信息的综合。这些将是真正的智能系统产品，利用生成式人工智能，其特征包括以下几点：

• 与公司的流程深度融合，并能够捕捉新创建的结构化和非结构化数据。
• 在数据的层次结构、标签和权重的表征和消化上保持复杂的处理。
• 在客户之间和之内创建数据反馈循环，以提升产品体验。

我喜欢问客户一个关键问题：“您使用的新产品在所有工具中的排名如何？”通常，记录系统产品最重要，接着是参与系统产品，列表底部是其他辅助工具。

当预算紧缺时，最不重要的产品将首先被削减，因此新兴的智能系统产品必须提供持久的价值才能生存下来。它们还将面临来自现有市场主导者的激烈竞争，后者将在产品中构建生成式AI能力。新一代智能系统需要将其产品与高价值的工作流程、协作以及超级数据集的引入相结合，才能持久存在。

智能领域的转型在过去的12个月里加速发展，行业正快速学习。开放源代码模型正在快速蔓延，闭源专有模型也在以非典型的速度演变。现在，创始人需要在这个快速变化的环境中构建持久的智能系统产品，当这样做得当时，对企业的影响将是非凡的。