top of page

AI理解深度 決定企業生死

Mar 4
2 min read

塔爾瓦爾(Rohit Talwar)身為全球頂尖未來學家、屢獲殊榮的主題演講人,他尤其關注如何利用新思維、創新,以及人工智能(AI)和智能工作流自動化等來推動商業、社會和個人生活的發展,大灣區國際信息科技協會有幸在3月份邀請他遠赴香港作主講嘉賓。 為了屆時能更好地與他交流,筆者做了一些學習筆記公諸同好。礙於篇幅所限,只選取其中五個觀點如下: 1. 這次的浪潮,究竟有何不同? AI的根本差異,在於它不僅僅是工具的迭代,更是「思考方式」的重塑(思維2.0)。當中結合算力、大數據、物聯網和機器學習,第一次讓機器擁有了「學習」和「推理」能力。作為先導者,我們必須投入時間去理解:它為何而來?資本為何瘋狂?真正機遇潛藏在何處? 2. 潛力無限,但第一步如何邁出? 讓機構真正「觸摸」到AI的力量,圍繞一個具體業務痛點,透過更精準的客戶洞察、更智能的生產排程,進行一次小規模的實驗。關鍵在於「快速學習、快速感知」,而非追求一步到位的完美方案。 3. AI的發展速度,我們真的理解嗎? AI發展步伐之快,超出了大多數人的預期。我們必須意識到,這不再是一個可以「等等看」的選項,而是一場需要持續的動態賽跑。 4. 在「試錯」的時代,如何衡量成功? 在AI探索路上,失敗是常態,甚至可以說,90%的實驗可能都無法直接轉化為商業成果,我們必須擁抱「快速且廉價地失敗」的理念。成功的標準,不應僅僅是項目是否有盈利,更關鍵的是,我們從中學到了什麼?一個失敗的項目,如果能幫助我們更好地理解業務、數據或AI的邊界,那它就是一次有價值的「學費」。 5. 如何在智能中,保留「人性」的溫度? 如何在一個日益數據化、自動化的商業環境中,保留「人性」的溫度和同理心。當AI系統接管愈來愈多的客戶交互和服務流程時,我們必須警惕那種冰冷、機械式的「機械人人格」。 這些問題都沒有標準答案,但它們共同指向一個核心:對AI的理解深度,將決定一間企業在未來競爭的生死存亡。這趟旅程無關乎深奧的技術,而關乎我們思維方式的轉變:一種學會將經驗與AI結合,最終實現全新工作與學習方式。

Recent Posts

See All
拍賣企業數據「隱形代價」

過去10年,大家都聽過數據被捧成金礦、被喚作石油、被寫進國策叫「新生產要素」,直到最近一宗美國破產拍賣案,才第一次見到企業數據被真正放上拍賣台,有底價、有法院文書、有落槌聲。 美國精神航空(Spirit Airlines)破產,企業數據被資產化,8月拍賣其「數碼資產」,谷歌(Google)以1000萬美元投得,成為「企業記憶」成交的第一個價,人工智能(AI)數據公司Mercor以750萬美元位列後

 
 
企業AI政策空白亟需填補

上星期與一位銀行界舊同事見面,他談及最近有同事被發現「偷用」人工智能(AI)撰寫會議紀錄,其主管揚言要作出紀律處分。我問他:「用AI寫會議紀錄,究竟錯在哪裏?」他愣了一愣,「……其實都無寫明唔准。」「無寫明唔准」這5個字,正是當下全球職場與AI之間關係的縮影。 正值上月北京法院為這個灰色地帶釋出了第一個答案:一名員工因使用AI製作簡報而遭解僱,法院最終裁定該公司違法解除勞動合同,須賠償約4.6萬元

 
 
訓練模型 真人數據無可替代

最近與幾位從事大型語言模型(LLM)開發的朋友談起訓練數據,大家都不約而同提到一個詞:「數據牆」。在互聯網公開的優質文本,大概已經搜刮得七七八八,剩下的要不是垃圾,就是需要付費的,於是整個行業很自然地轉向合成數據──讓模型自己生成材料,再「餵」回自己。 這件事在過去兩年確實有效。寫程式、數學、邏輯推理等領域,這幾類答案對錯分明、可以自動驗證,合成數據幾乎可成為免費、無限的模型訓練材料。但問題也正正

 
 
bottom of page