对AI大模型应用场景的深入思考(上篇)
在前面的文章中,风叔完成了三个系列的介绍,包括《5W1H拆解AI Agent系列》、《AI大模型实战篇系列》和《RAG实战篇系列》,通过系统原理和源代码,来帮助大家深入地了解这些前沿的技术范式。接下来,我们正式开启《大模型应用场景系列》。
大模型的应用场景主要分为toC和toB,toC领域大家相对比较熟悉,市面上也出现了非常多面向C端用户的大模型产品,比如MidJourney、Character、Notion AI、Kimi等等。同时,大模型C端应用场景的文章也已经汗牛充栋,但是阐述大模型B端应用场景的优质文章尚不多见,因此在《大模型应用场景系列》中,风叔将重点围绕企业业务领域,介绍AI大模型能为企业带来哪些价值。
本篇文章是一个场景蓝图,先从整体上介绍企业内部都有哪些应用场景。在后续文章中,风叔将挑选一些非常有代表意义的场景,展开进行详细介绍,以及对于企业,AI应用场景的落地顺序是应该怎么样的。
风叔将场景分为两类:
一类是通用型应用场景,即在大多数行业和企业内,都会存在的业务类型,比如营销、供应链、办公协作。
另一类是行业型应用场景,即只存在于特定行业的应用场景,比如制造业的智能排产和智能设备维护,医疗行业的药物研发和智能问诊,金融行业的智能投研和智能交易等等。
我们先来看看行业通用型应用场景。
一、营销
营销的本质是在合适的场景下,将正确的营销内容触达给正确的目标客群,以达成特定的营销目标。任何行业都存在对营销的强烈需求,同时营销部门往往也是企业预算最为充裕的部门,因此面向营销领域的AI解决方案,也往往是很多AI初创公司的首选。
我们看看AI大模型可以在营销的哪些环节创造价值。
1.1 营销素材生成
在企业营销中,无论是Ad-hoc campaign,还是always-on的日常营销场景,都会涉及到活动海报、商品设计图、商品详情页、营销文案等内容的生成。传统的做法需要人工拍摄和撰写,而在AI大模型的助力下,使用者只需要将自己的创意和想法告诉大模型,比如商品类型、内容形态、内容主题和风格等,由大模型自动完成内容的生产。
场景价值:⭐️⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
1.2 营销计划生成
营销计划是企业进行大型营销活动的总纲领,包括了企业的营销目的、目标人群、营销渠道、营销策略和预算分配机制,营销部门往往需要花费大量的时间进行营销计划的对齐和撰写,非常耗时耗力。而在AI大模型的帮助下,营销部门只需要给出营销目标的相关描述,大模型可以查询各项关键数据,按客群、渠道、内容等维度拆解营销预算,制定营销策略,自动生成详细的营销计划文档,大幅提升营销部门效率。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
1.3 自动营销系统
传统的自动营销系统,比如CDP或MA,非常依赖于运营人员的经验,并且需要进行繁琐的操作和配置。而利用AI Agent,大模型自动解析营销计划文档,自动生成人群提取和人群触达指令,完成营销策略的配置。还能结合用户历史上在各个营销渠道的触达和点击数据,自动预测每个用户在每个营销渠道(比如短信、外呼、小程序、公众号等)的预估点击率,实现自动化和个性化的营销活动。
场景价值:⭐️⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
1.4 智能导购
传统的导购都是由真人在执行,但往往存在培训成本高、人员流失率高、回复准确率较低等问题。而通过AI Agent技术,结合RAG系统构建的产品知识库,AI智能导购可以更快速和精准的回复消费者关于产品或服务的疑问,并能自动提炼消费者标签,利用合理的话术,引导消费者转化。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
1.5 智能客服
通过构建企业专属知识库,AI Agent 可以自动回答用户的咨询,处理订单问题和退货请求。相比传统智能客服,AI Agent可以支持用户灵活多样的问题,不用局限于传统的Q&A模板,可以大幅节省准备问答对的时间,提升智能客服的准确率。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
1.6 舆情监控
通过爬虫自动爬取社媒网站的相关信息,例如消费者对企业/品牌的评论、消费者关注话题等等,然后交给AI大模型或AI Agent进行分析,并自动生成舆情报告,从而帮助企业更快速应对舆情变化。
场景价值:⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
1.7 个性化推荐
将用户的历史浏览数据、购买数据以及当下和AI的上下文数据,作为输入给到AI Agent,Agent自动预测用户在未来对各类商品的购买率,进行重排后输出预估购买率最高的TopN商品,实现个性化的产品推荐。但风叔并不太建议用AI优化这个场景,因为传统的推荐模型已经非常强大了,基于Transformer的预测模型效果不一定能赶上。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️
二、供应链
供应链的本质是管理好商品从采购、生产、仓储、物流的全流程,从而保障产品的持续稳定交付。无论是零售、电商、医药,还是面向B端的工业品、半成品,都需要良好的供应链系统来支撑业务的运行。
2.1 销售计划
销售计划是企业供应链最为重要的环节之一,只有确定了销售计划,才能更准确的安排采购和生产。销售计划的关键在于训练企业的销量预测模型,将过去一段时间内,各个品类的销量数据、促销活动信息、天气信息等数据,作为输入给到AI Agent,Agent预测未来一段时间内的销量,从而帮助企业提前做好商品配货。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
2.2 库存管理
库存管理的核心作用是为了应对产品销售的波动性,关键是对产品安全库存的计算。将历史各个品类的订单数据,各个供应商的供货数据,比如供货周期、供货价格,作为输入给到AI Agent,AI Agent预测每个品类的安全库存,并在商品库存预警时,自动发起采购流程。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
2.3 智能采购
采购计划是指企业需要提前采购多少原材料、找哪些供应商采购、采购周期是多久。AI可以对接企业的供应商、商品BOM等数据,详细解析销售计划文档,结合商品BOM清单、供应商成本和响应时间,输出标准采购计划清单。同时,自动向对应的供应商,下单特定数量的特定商品,并跟踪采购单的进展,提升采购流程的效率。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
2.4 供应商管理
根据企业对供应商的要求,自动在特定网站爬取供应商基本信息,并自动通过邮件等方式联系供应商;通过OCR等技术,自动检查供应商的各项资质和证书,进行筛选和入库
场景价值:⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
2.5 仓储管理
仓库工作人员可以通过对话方式,向AI Agent查询某个商品或品类在哪个区域;监测商品的库存数量,当库存数量达到安全库存水位时,自动向采购Agent发起采购请求,或者发送提醒给仓库管理员或采购员;通过OCR技术对各项单据进行检查,比如入库单、出库单、调拨单等等,对异常信息进行提醒。
场景价值:⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
三、办公场景
办公场景天然需要和大量的文档打交道,因此也是AI大模型目前最为成熟和稳定的应用领域。
3.1 内部知识助手
通过RAG技术,将企业内部数据,比如产品说明、政策法规、流程说明、培训手册等文档,构建企业专属知识库。再通过AI Agent,以对话机器人或智能搜索的方式,对内部员工提供服务,即时解答员工的各项问题。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
3.2 文档助手
相关内外部文件的快速分析、关键信息提炼、文档摘要总结等,方便员工更高效地和内部、外部各部门沟通协作。比如帮助员工快速总结会议信息、写周报、拟邮件等等。
场景价值:⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
3.3 合同审核
利用AI大模型,帮助法务部门自动审查合同的潜在风险,比如甲乙方权利和义务、合同金额、时间范围、合同条款等等。同时,还能快速进行前后版本的合同对比,帮助法务部门快速找到合同修改点。通过相关数据的训练,AI还能快速进行合同的起草,大幅提升法务部门工作效率。
场景价值:⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
3.4 智能培训
结合企业专属知识库,利用语音对话或数字人形象,对员工进行培训与评估。例如,AI可模拟消费者,和门店员工或导购进行对话,帮助员工快速熟悉对客话术。同时,基于员工的实际回答表现,评估员工的不足之处,并提供针对性的课程指引。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️
3.5 代码助手
帮助IT部门在日常编码工作中,进行代码自动补齐、代码查询或纠错、测试用例自动撰写、自动单元测试等等,提升IT部门效率。代码助手目前已经是一个非常成熟的领域,也出现了像Cursor这样的现象级产品。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️⭐️⭐️
3.6 数据分析
可与BI报表相结合,以输入框或语音对话的形式,方便业务部门快速查询数据或指标。但是AI数据分析的难点在于text-to-SQL的转换准确率,目前比较有效的优化方式包括:先生成业务指标,再做查询;或者给到大模型足够多的example,大模型主要做参数替换。
场景价值:⭐️⭐️⭐️⭐️
场景可行性:⭐️⭐️⭐️
总结
在本篇文章中,风叔介绍了AI大模型在行业通用业务下的应用场景,主要围绕营销、供应链和办公领域。
在下一篇文章中,风叔将继续介绍AI大模型在行业特定场景下的应用,比如制造业的智能排产和智能设备维护,医疗行业的药物研发和智能问诊,金融行业的智能投研和智能交易等等。
作者:风叔产品总监,公众号:风叔云
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!