在最近公布的国家语言资源监测与研究中心发布2023年度“十大新词语”中，生成式人工智能位列首位。
2023年是人工智能的元年，也是普通人真实感受到AI走入生活的一年。
人们开始使用AI进行写作、绘图，这也为各个行业的创新和发展提供了新的工具和视角。
《时代》杂志发布的“2023年最佳发明”榜单中有200项突破性发明，其中包含ChatGPT-4在内的14项AI领域发明入选，有一项发明是加州大学同加州消防局合作的野火探测器，探测器通过人工智能的识别，能从1050个摄像头网络中检测到烟雾和火灾早期迹象，在最初投入使用的2个月里，该系统就在接到任何报警信息前正确识别了77起火灾。
曾经旗帜鲜明地反对AI用于学术的澳大利亚联邦教育部，宣布自2024年起允许所有澳大利亚学校使用人工智能，澳大利亚联邦教育部长杰森·克莱尔今年十月公开表达了，ChatGPT“不会消失”，认为它已经类似于“计算器或互联网”的看法。
AI和现实世界的交融变得越来越多，从办公软件到科技前沿，企业接入AI的报道层出不穷，但急匆匆地接入AI真的能对企业的经营起到正面作用吗？
在11月23日飞书CEO谢欣与财经作家吴晓波的对谈中，他们探讨了一个概念：“AI Ready”，就是为AI的到来做好准备。谢欣认为，数据和算力是关键。
尽管他给出了一个针对所有想接入AI的企业一个大框架，但企业具体应该如何“AI Ready”，却仍然是少有人关注的、值得探讨的话题。
企业能为AI Ready做什么？
AI专家吴恩达认为，生成式AI最主要的应用仍存在于广告和搜索引擎等与互联网强相关的行业中，当然，更小的商业场景中也需要AI。
比如一家路边的披萨店，需要AI帮助预测哪一款披萨在周五更受欢迎，哪些披萨可以减少生产，但披萨店为了目前的顾客规模，使用人工智能的成本，显然是高的，不合理的。
生成式AI的更大前景是改变世界，除了互联网和科技领域的其他行业，也需要构建对他们有用的人工智能系统，这与十几年前探讨传统行业如何进行数字化改革异曲同工。
在郑州飞机装备有限责任公司总师徐鹏程2008年的一篇《实施数字化制造 实现现代化跨越》的文章中，阐明了这家企业接入数字化的一些关键步骤。
按照真实参数，建立机床、刀具、物料等模型库，生成后台数据库，实现数字化的工艺设计原始数据；建立原材料、毛坯、在制品的实时数据库，逐渐建成企业能实时管理生产过程的系统。用一句话概括，即把原来的数据上传到即将进入的数字化数据库中。
所以，进入AI时代，第一，企业势必要将内部如财务、生产、销售环节相关的资料做好数字化，这是为接入AI准备“原料”的过程。
第二，准备算力和系统，打通孤立环节。
各部门之间的协作，传统企业以往依靠普通的办公软件进行审批，而用AI工具，则需要各个系统之间打通，让数据流动起来。
AI大模型就像人一样，需要通过训练和推理进行学习，需要调动节点之间的资源，这些都需要强大算力去支撑AI的高效部署。
传统负载方式面对现在的大模型训练场景，可能会发生负载不均衡的情况，因此需要可靠的网络设施基础支撑算力，企业至少应该做好计算机、服务器、芯片和各类智能终端的准备。
第三，训练和使用AI需要人才。
从个人来说，AI时代对人的能力要求发生了偏移，从亲自动手做，变成了提出需求让AI做。
与AI的流行一并兴盛的，还有提示词工程师。这是针对人工智能系统，帮助AI更好地响应用户需求的岗位。提示词工程师需要理解人工智能的运行后，拥有情报学、数学等交叉学科背景，使用自然语言，与人工智能高质量对话。
今年，百度创始人李彦宏在中关村论坛上称，未来10年，全球有50%的工作将涉及“提示词工程”。
这也要求企业在进行AI改革时，构建人才团队也考虑到行业人才与AI人才的融合，让AI工具能更好理解人在发布命令时的隐藏信息。
吴恩达曾发布的企业AI转型手册中建议，需要外部的AI团队与内部团队合作半年到一年左右，来构建的有效的AI解决方案。
企业也可以通过GPTs或基础平台完成AI应用的简单制作，这不仅考验企业内专业人才对AI的了解，更考验他们对于业务本身的理解，拥有这批人才，将会是企业在AI时代的巨大财富。
AI落地的难点
飞书CEO谢欣认为，AI产品没有那么特殊，不管是不是AI，对用户而言最核心的还是解决问题。它既是一个确定性的、很不一样的新时代的开始，但又只是在那个开始而已，如果说iPhone 4将改变世界，那我们正处在iPhone 1的预备时刻。
为了先开始，再迭代，提供AI服务的企业的项目在今年纷纷落地，指望机构训练各自的定制AI模型是不现实的，走出困境的方法是设计出让客户有能力表达自己领域知识的模型，共创行业垂直的AI工具。
英伟达在今年推出医学影像AI云服务，使用预训练的基础模型提供医学影像服务。医学影像占据医疗数据总量的90%，上游能影响医疗设备制造商和制药企业的生产研发决策，下游能帮助医生筛查和诊断。
在产业规模极其庞大的情况下，英伟达现有的NVIDIA MONAI为整个行业提供了医学影像平台，解决方案供应商可以借助平台建立针对具体领域的AI工厂，再建立更细分的无缝的应用部署。
前期需要开发平台有强大的开发基础，也需要有足够多的前期用户用极高的专业知识进行标注，以此训练AI。
英伟达医学影像AI云服务的研究人员最近在MICCAI的医学影像会议上的四项挑战中获得了胜利，其中包括分析肾脏和心脏3DCT扫描、大脑核磁共振成像和心脏3D超声的AI模型。这个模型能够通过用户标注持续学习，根据用户反馈来不断提高性能，不断增加准确性和易用性。
看似寥寥几笔就能带过的成功案例，背后实际隐藏了苛刻的条件，不难总结，医疗行业能够接入AI工具，有3个因素是必备的：
1、有庞大的产业规模来分摊AI工具的成本。
2、允许长周期和高成本的前期准备工作。
3、有主动交互并积累数据的能力。
走出医疗行业，兼具这三种优势的行业少之又少。
以传统工业领域为例，AI的落地需要控制成本且有立竿见影的回报。要从其他方面缩减成本，就要优化生产和经营环节；为了迅速带来收益，就要提高良品率，以比人力更细腻的颗粒度去监督生产经营环节，这些都对AI应用提出了更高的要求，甚至需要定制化的AI产品，与节约成本又彼此矛盾。
以产品质检为例，对有缺陷的衣物进行检测，需要反复用图像对AI进行训练，再联合机械臂搬运等物流模块让整体的生产效率提升，但前期人工智能与原生产模块的协同，可能就消耗大量时间和资金。
AI专家吴恩达认为，应用的场景中，像一间披萨店一样存在于长尾的琐碎需求价值巨大，但针对他们的AI应用目前几乎为0。
他们需要更容易接入的AI平台软件“开盒即用”。
拥有知名办公协作软件Slack的Salesforce公司今年推出了与GPT-4合作的爱因斯坦GPT，这几乎是最早一批出现的生成式AI客户关系管理技术，可以针对关键客户针对特定的回复，为销售人员自动生成文本。除了Salesforce，微软的Copilot也在展示可以编写营销电子邮件的服务。
这些迅速接入ChatGPT服务的生产力工具，组成了开盒即用的AI工具，帮助更多长尾中的企业处理更多日常任务。
绝大部分企业虽然充满拥抱AI的意愿，但在系统、数据、人力等各方面的准备仍然不足。对于这些企业，与AI工具共创和测试是现阶段更好的选择。
与微软发布的Copilot稍有不同，飞书发布的AI产品智能伙伴是一个拥有AI能力的、面向未来的AI框架，帮助我们更有效地整合企业内那些孤立的、分散的系统，为企业搭建起一个更加完善和高效的框架，让企业实现AI Ready。
我们观察到，飞书对企业跨入AI时代起到了踏板作用。2023年，快消品企业元气森林在零售场景中用飞书尝试了AI智能化，以补货这样的高频需求为例，线下补货时，之前的操作流程过于复杂，补货员在微信群中手动输入商品名称和数量，确定线下网点的位置，后续还要在系统内重新整理订单。
而飞书新增加的智能工作伙伴模块允许巡店补货员直接用语音发起补货指令，发起一次后就会自动匹配到网点、商品库、价格库，最终自动生成一个下单口令，并同步到后台的订单系统，用一句话代替了之前繁杂机械的操作流程，极大提升了线下巡店补货的工作效率。
在有多年办公软件经验的基础上，结合AI工具的飞书有更匹配“长尾需求”的特点：
一、上手门槛低：不需要专业工程师，普通人也能快速搭建出智能伙伴。
二、和飞书各产品打通，能轻松整合飞书文档、多维表格等工具。
三、能力强：能够跟企业数据、系统完成连接，既能帮完成问答、数据分析，也能通过自然语言的方式更新系统数据。
在AI Ready方面，谢欣把精力更多放在解决AI Ready的问题上。飞书本身有“all in one”协同办公优势，引入AI模块后的飞书，是少见的可以把企业与AI中间那块叫做“AI Ready”的踏板补上的公司。
从更容易接入的办公软件入手，这给了更多企业较低门槛接入AI的可能性，让企业在AI方兴未艾之时就能利用其创造价值，与AI大模型的快速发展齐头并进。
