生成式 AI  何時能帶來投資報酬

編譯／黃竣凱

隨著生成式人工智慧（AI）和大型語言模型（LLM）逐漸融入企業運作，許多高階主管和經理對這項技術充滿期待，然而，目前該項技術該如何真正實現商業回報，仍是一個模糊且容易誤解的領域，需要全新的方法和技能，與過去的技術浪潮大相徑庭。

生成式 AI 的投資報酬

據報導，儘管生成式 AI 常常能夠展示驚人的概念驗證，但將其商業化卻充滿困難，管理顧問公司凱捷（Capgemini ）執行副總裁 Steve Jones 近期就指出，投資報酬（ROI）是將 20 至 40 個生成式 AI 解決方案投入生產的最大挑戰之一，投入的資金需用於測試和監控 LLM，確保這些模型的準確性。

更多新聞：我考過的 AI 證照，由淺到深學習生成式 AI｜專家論點【黃婉中】

邪惡測試保持模型的準確性

為了確保 LLM 的穩定性，測試過程中甚至需要進行「邪惡」測試，Jones 建議，開發者或測試人員，應故意輸入錯誤的資訊來測試模型的反應，他分享了一個測試案例，他曾輸入一個虛構的商業模式，聲稱公司使用龍來運輸長途貨物，結果模型給出的回應，是關於如何與龍合作以及如何接受火災和安全訓練。

表明生成式 AI 雖然強大，但如果應用不當，可能會生成錯誤且誤導性的結果，因此，Jones 強調，生成式 AI 是一項容易被錯誤整合的技術，若未做好安全和風險管理，後果不堪設想。

未來兩到五年內的廣泛應用

預計在未來兩到五年內，生成式 AI將迅速成為主流，然而Jones 提到，當前的技術推廣有兩個主要觀點：一是大規模的單一模型將解決所有問題，但這過於樂觀且不現實；二則是每個軟體平台和雲端供應商都會激烈競爭，市場上會出現多樣的模型和解決方案。

適當使用避免資源浪費

Jones 進一步警告，不應將 LLM 用於不需要高效能運算的任務，否則將浪費大量資源，他認為，相當於花高昂律師費請律師為你撰寫生日卡片，因此企業應該尋找更便宜且有效的方式來使用 LLM，並且在出現問題時，能迅速停止該解決方案，並同步停用相關數據與資源。

多模型測試提升效率與效能

為了衡量生成式 AI 的效能，Jones 建議應對多個模型進行測試，以比較性能和回應品質，他指出，用戶應該有一套標準化的機制來捕捉各種指標，並在不同模型之間重播查詢，以找出更經濟的解決方案，由於這些模型會不斷更新，這種測試方法能確保企業使用最具成本效益的模型。

安全護欄防止生成式 AI 的誤用

生成式 AI 並不像傳統技術那樣出錯，它可能會根據輸入的錯誤資訊生成完全無關的內容，因此Jones 強調，必須為生成式 AI 設置安全護欄，防止它產生錯誤或無關的輸出，確保技術在實際應用中的可靠性和安全性。

生成式 AI 的發展潛力無窮，但它也伴隨著巨大挑戰。企業若要成功運用這項技術，必須在實施過程中保持謹慎，並不斷探索更高效的應用方式。

參考資料：zdnet

※探索職場，透視薪資行情，請參考【科技類-職缺百科】幫助你找到最適合的舞台！

瀏覽 232 次