生成式AI如何大幅提高企業的預測能力｜專家論點【Howie Su】

生成式AI將使企業聰明程度更上層樓

所謂的預測性分析是進階分析的一個分支，它運用歷史數據結合統計建模、數據挖掘技術和機器學習來預測未來結果。公司通常利用預測性分析來查找這些數據中的型態，進一步識別風險與機會，為了從這些數據中獲得見解，常見的作法為數據科學家使用深度學習和機器學習演算法來尋找型態並對未來事件做出預測，一些常見的統計技術包括邏輯回歸模型、線性回歸模型、神經網路和決策樹。然而，生成式AI的出現可能讓這一切又出現更大的變化，對於管理階層而言，生成式人工智慧與預測性分析將互為合作關係，當前由於企業正投入數位轉型，人工智慧在預測性分析的應用能使業者在激烈競爭的環境中保持領先地位。美國捷藍航空公司與技術供應商 ASAPP 合作，採用人工智慧的客戶服務解決方案，每次聊天平均可以節省 280 秒，每季能節省 73,000 小時，或許有一天，平台能夠從客戶情緒和重複查詢中學習，向決策者提出可行的建議。

Grip與Superlinked等新創已開始推動相關服務

對於希望全年優化庫存的製造業來說，生成式人工智慧是提供關鍵客戶做數據預測的重要部分，這能是公司更精準地預測庫存量並更有效與供應鏈協力廠商合作。而隨著技術的成熟，企業將能夠使用該技術來分析大型數據集並發現趨勢，從而預測未來的客戶需求或不斷變化的消費者偏好。當今利用預測分析的生成式人工智能最有力的例子之一可以在活動行業中找到，Grip與Superlinked 等軟體公司就使用預測性AI的服務來協助去業就活動辦理的不同方面做出人數、路線、收益、突發狀況的預測。或許能將這個過程類比為Google Trend的搜尋趨勢，生成式AI可以使用搜索數據來顯示某些詞彙何時被頻繁查詢，模型可以採用類似的觀眾情緒指標，例如哪些活動的各個領域吸引了更多的人群，以及哪些演講者或表演者在網上引起了最大的興趣，並考慮大量數據來進行整體的分析。

次世代的數據分析會長怎樣？

以工作技能培訓來說，根據 GitHub 調查，88% 的受訪者認為，使用 GitHub Copilot（一種OpenAI Codex 建立的分析工具）可以提升工作效率，另外，也有96%的受訪者認為，使用GitHub Copilot能讓他們「更快地完成重複性任務」。未來，透過這些員工的使用行為，預測性分析能標示員工技能的產出與可能需要改進的領域，並自主開發定制培訓計劃，同時根據員工最容易接受的學習方式專門加強這些領域，這將大幅減少培訓部門的工作量，但同時也可能對企業內訓業者造成威脅。而從行銷領域來看，應用程式還能與其他分析平台，例如 Google Analytics或 Finteza協作，利用它們的見解根據流量和性能見解對公司網站進行自動調整和改進，並預測未來的流量，如果生成式AI從 GA 或 Finteza 的數據中了解到社交媒體情緒和季節性趨勢表明參與度應該提升，但訪客人數有所下降時，則能自動研究該問題並做出相應的調整。

瀏覽 817 次