人才“马车夫”效应即将显现

AIGC对人才技能的颠覆式革新，为翰德迅速布局大语言模型赛道带来契机。目前，翰德服务的企业中就有AIGC技术前沿企业，也有搭载AIGC应用的知名国际巨头和本土头部企业。对其AIGC技术应用与人才需求的深入洞察，让翰德在该领域更有前瞻性见解。在C端，基于AIGC的强对话能力，情感类、护理类应用也会得到更快落地。在B端，AIGC在企业助手领域的应用前景广阔，从班车预定、会议室预定，到筛选简历、电话通知，均有广泛应用，AIGC作为个人助理类应用会迅速爆发。大语言模型还可以进行销售人员智能语音陪练，仅需简单步骤即可完成课程搭建，助力销售人员提升业绩。

AIGC已在翰德员工中应用

大语言模型的重要意义在于打破人机对话模式，孙彬认为C端所有的应用都有机会被大语言模型改写，预计3-5年即将实现。而在B端，第一代企业数字化已将所有设备应用互联，如生产经营环节进行数字化控制。第二代数字化诞生ERP、CRM等信息化工具，实现管理流程信息化。第三代数智化就在当下，大语言模型将让所有企业知识，无论是关于人力资源、行政，还是销售、服务的，全部从纸质文档流程、制度转变为AI中的知识，可以说，AIGC时代将实现真正的数智化。

AIGC的能力也存在执行边界

作为一种内容生成式模型，AIGC的运行方式与人类智能存在哪些差异，它的能力边界究竟在哪里，大语言模型的底层逻辑存在哪些优势与劣势？

竹间智能President兼COO  孙彬

从能力边界上看，类似ChatGPT的大语言模型，其生成的内容是基于语义消化和推理逻辑的，答案不一定准确。经过大量语料训练后，AIGC会从已经掌握的资料中“搜索”出可能性最大的结果，如果没有接受过相应的语料训练，就会“编造“结果，造成输出内容不准，所以建议运用大语言模型做“理解推理”。如果对于生成的结果不加以验证，则会发生类似于纽约资深律师施瓦茨遇到的ChatGPT“杜撰”案例的问题。

从文字能力来看，AIGC可转变不同的语言风格以及多国语言，甚至是冷门语言，不过小语种的准确率极差，因为大语言模型的精确程度取决于训练的数据数量，若没有足够的数据训练，将无法生成精准的结果。

最后，在学习了海量数据后，大语言模型已经具备独立“思考“的能力，它也会理解道德及法律约束。例如，“给我闺蜜的老公写一封情书”，GPT给出的答案是在道德标准、法律标准框架下，一篇表达对闺蜜老公照顾闺蜜的感激之情的文章。大语言模型只是生成模型，给出何种内容是预设或自创的结果。

与云计算一样，国内外的大语言模型无法连通，这造成大语言模型的语义训练边界。但AIGC技术的颠覆式创新，让不少人产生人工智能将全面战胜人类智慧的担忧。实际上，科技高速发展的原动力其实还是人才，ChatGPT等热门赛道背后仍是顶尖专家和人才。所以翰德在大语言模型领域战略性地提前布局，已前瞻性地为企业数字化转型过程中选育留用人才提供全方位服务，实现客户利益最大化。比如目前在境外已投资一家AI自动面试技术公司，帮助翰德内部提升流程效率。