文 | 任向晖

毫无疑问，ChatGPT 的出现已经远远超过了科技商业要闻的标准，它的革命性已经被飙速增长的用户直接证明，以至于留给我们的问题只有两个：什么时候用？和怎么用？

本文只聚焦在企业软件行业，探讨这个领域如何利用 ChatGPT 来加强现有的商业和捕捉新的机遇。然而，即使是企业软件领域，也有很多的门类和分支。所以，我只能从抽象的角度，讲几个思考层次，再举一些可能的例子，希望对业内同仁有所启发。

和过去的写作相比，这篇文章动笔之前，我甚至有一些小小的不安。因为本文的标题也可以直接去问 ChatGPT，它也会给出一段又一段的成果，而且你还可以追问它，最终它也可能提供非常有价值的建议。所以，我打算做一个冒险的尝试。我会先肉身写作，保证不去和 ChatGPT 商量。等我写完，再将同样的问题问一下它，然后我保证原封不动将 ChatGPT 的回答公诸于众。 

我还是有信心的，它赢不了我。

思考层次之一：第一用例往往成不了好的商业机会

大多数行业评论都把 ChatGPT 在企业中的第一用例定位在知识库和客户服务。也就是利用 ChatGPT 已经开放的 Fine Tuning API，将自有的 Knowledge Base，比如产品文档、常见问答、客服历史对话上传到 ChatGPT，建立私有模型。这样，任何 ChatGPT 的用户都可以拥有属于自己的 Chat Bot，它不仅能够进行常规的对话，还能够利用企业自有，甚至非公开的训练数据来提供针对性很强的服务。

这个用例之广泛，以至于全球几乎任何稍有规模的企业都是需求方。果不其然，在 AI 和客服分类下，结合 ChatGPT 能力构建企业客服 Bot 的产品和服务已经开始出现。比如 Y Combinator 孵化器下的 Quickchat.ai。

但是，这些创业公司生存和发展的机会很渺茫，因为如此大宗的市场和基础的用例根本轮不到创业公司来主导。这不，话音刚落，微软直接提供相关服务的新闻就来了：

为什么 Quickchat 这样的公司无法和微软抗衡，因为它的商业建立在一个过于简单的组合上。那就是 OpenAI 的 API 与用户数据的结合。在这个结合中，构建这个服务的创业公司几乎没有提供额外价值。当然，提供免代码开发的内容集成交互界面也算得上一种增值，但这个幅度太小了，以至于全世界任何开发者都可以做。

所以，企业软件行业的创业者对于这种显而易见的用例要保持克制。匆忙进入几乎肯定是竹篮子打水一场空。我发现 OpenAI 文档中介绍的用例大多都有这样的问题。作为文档撰写者来说，无可厚非。他们当然要找一些显而易见的用例，而且他们也不可能去探询过于垂直场景的用例，就算有，普罗大众可能都未必听得懂。但这因为这样的“显而易见”，商业机会往往都是虚无的。

思考层次之二：加入服务商算法

技术的目标是价值的实现，商业的目标是价值的保护。怎样保护这些因为技术带来的价值呢？创业者需要加入自己的元素，而且这个元素最好是独有的。

“服务商算法”就是这样的元素之一。这里讲的算法并不是指的对 ChatGPT 模型的微调，因为这个能力已经在 OpenAI 那一侧解决了。有壁垒的服务商算法应该是在 AI 领域之外的。

安永的首席技术官 Nicola Morini Bianzino 最近在一篇访谈中提到 ChatGPT 在企业中的第一用例是知识管理和知识挖掘。他认为超过百年历史安永公司拥有巨量的高价值知识，值得用更有效的方法去传承，而 ChatGPT 可能是最佳的应用方式。但是，这个用例真的那么简单吗？

当然不是，无论怎样畅想未来，要实现这个目标，安永至少面临以下这些障碍：

1. 数据分布在不同的系统，甚至很多还没有数字化；

2. 数据本身的质量验证；

3. 数据以不同的媒体格式存在，文字、图片、视频，还有更重要的结构化表格；

4. 不同性质的数据如何转换为正确的微调格式？

5. 如何标识复杂的数据访问权限？

6. 如何在 AI 提供自然语言问答的时候，准确地过滤权限？

这些问题之庞大和复杂，我相信即便是安永这样的公司也无法独立解决。

这就是我说的服务商算法的空间和必要性所在。企业软件想要帮助客户利用 ChatGPT 的能力，那必须为客户数据接入服务之前干很多的脏活累活。而且这些脏活累活还要能够抽象成标准软件产品的能力，让它放之四海而皆准。这可能是当下在知识管理领域内很多创业者苦苦思考的命题。

企业软件厂商可以依照这个思考方向关注真正有价值的商业化机会。在帮助客户管理的业务数据和流程中，有哪些是值得转换为训练数据并用来微调 ChatGPT 的？在微调之前，有哪些转换工作需要去做？在微调和获取 Completions (ChatGPT 通过 API 的查询返回) 过程中需要结合哪些参数数据？这些环节只要有可行性，就越艰难越好。艰难意味着客户无法自行完成这样的算法设施，服务商可以借此建立门槛。一个只需要支付少量费用就能够搞定的 SaaS 服务，直接购买它，何乐而不为呢？

思考层次之三：加入服务商数据

基于类似的思路，企业软件厂商也可以考虑利用自己独有的数据集来强化训练，并得到一个无法替代的私有模型。这些服务商数据可以从公共领域获得，经过加工提高了质量 (比如天眼查的企业库、智慧芽的专利库等)，也可以是来自用户数据脱敏后的产出。SaaS 厂商在这个方向上有很大的空间可以去发掘数据资产。

这里我想举一个明道云的例子。明道云可以让用户用可视化的方式搭建数据表 (我们称为工作表)，但是限制很多用户使用的一个原因是非技术人员可能并不清楚如何构建一个常见的商业对象表，比如项目任务表应该包含哪些字段？

公共的 ChatGPT 服务当然也可以返回一些有用的建议。但是明道云拥有大量用户的表单构建实践，这些训练数据将帮助 AI 返回更加准确和实用的建议。我们还可以通过用户打分来继续微调模型，让结果越来越好。    

因此，当用户打算创建一个“血常规化验单”对象时，我们可以迅速帮助用户推荐需要建立的属性字段，这不仅省掉了用户几十分钟时间，还可能弥补用户专业知识的不足。而且，明道云还继续用算法帮助用户把返回的文本结构化成物理的数据结构，有了这一步，继续创建应用就会简单很多。   

同样这个场景，我记得过去有人曾经做过拍照识别创建表单的应用。用户可以在白纸上画一个表单，也可以拍摄一个现有的表单，然后通过图像识别抓取出字段名称。这个用例我敢说不会有任何一个用户真正地去用它，一方面因为识别的可靠性不足，另一方面，更重要的原因是，工具并没有帮助用户去创造，而只是粗劣的识别。这也是生成式 AI (AIGC) 与前一代技术的最大差别。

思考层次之四：分而治之，各个击破

ChatGPT 走红之后，人们发出感慨，也诞生了很多不切实际的目标。比如让ChatGPT 写一篇长篇小说，让它重新写一个权力的游戏第八季剧本。我们甚至也有用户会开玩笑，明道云用零代码构建企业应用，这个说不定也要被 ChatGPT 替代了。以后只要跟它说，我要一个生产制造业的 ERP，然后全套代码就写好了。

这是绝对的痴心妄想，至少我们这辈子是看不到的。但反过来说，如果我们改变思路，不追求一蹴而就的大步目标，而是着眼于单个步骤和流程的智能化，很多事情就开始变得现实而有意义。

其实在人工智能的大部分商业领域，这个思维是贯彻始终的。十多年前，汽车就实现了纵向的自动巡航，然后到了 L2 的时候，实现了横向的自动变道超车或让车，再接下来，可能还要经历很多年，才能实现 L5 的全自动任意道路自动驾驶。

在自然语言领域的应用也是一样。ChatGPT 在具体场景的指令下工作良好，比如让它摘要一段长文本，让它变换一下语言的风格，虽然这些距离写长篇小说还距离遥远。但有了这些单环节的效率和质量改善，再逐步把它们综合到一起，可能就是一个明显的价值创造。我在上文提到的自动建议表单字段的创建，其实就是典型的例子。

在明道云的工作流节点中，有支持 Python 和 JS 的代码块能力，这些本来是提供给开发者的一个可选功能，但是现在有了 ChatGPT，我们很多非开发者用户可以成功地实现了闭眼撸代码，给个需求，然后复制黏贴解决。就这一点，就大大降低了用户门槛，是功德无量的事情。

讲到这里，可以插个广告了。ChatGPT 的接口已经在明道云的集成中心上架。它预置集成了 Text_completion 和 List_models 两个常用接口。安装这项集成以后，用户就可以直接在表单和工作流节点中直接调用这个接口。举一个很简单的例子：它可以在 CRM 应用中直接帮助销售人员起草特定销售目标的邮件，而且这个生成的邮件内容返回后还可以继续在应用中进行参数合并，让它更加个性化。为了达成理想的效果，我们可以设计一个组合的 Prompt.

“【公司名称】目前已经在【销售阶段】阶段，它们公司有【人数】人，坐落在【城市】，从事【行业】，联系人名字叫【姓名】，岗位是【岗位】。这家客户的诉求是【需求要点】，生成一份 300 字以内的沟通邮件，目标为【下一个销售阶段】。”

ChatGPT 的表现会怎样呢？有兴趣的读者可以试一下。我只能说，它做得至少比平均素养的销售人员更好。

同样在这个例子中，明道云或者其他 CRM 应用提供了一些微不足道的算法帮助。但这点小小的结合让 AI 能力和应用服务商紧紧咬合在一起。通过不断的优化，客户最终会诚服于这个整合的效率，从而对企业软件产品产生更高的满意度。我想这些演进可能在今年内就会达到高潮。

好了，我的文章快完成了。现在我去让 ChatGPT 写一篇同名文章。各位请稍等。

以下是 ChatGPT 和我交互的全过程：

企业软件应该怎样利用 ChatGPT？

ChatGPT 可以帮助企业软件快速开发出更加可靠、专业的智能聊天机器人，从而节省开发时间和成本。另外，ChatGPT 还可以帮助企业软件更好地为客户提供有价值的智能服务，进一步提升客户满意度。 

就这一点吗？

是的，只是这一点。

难道没有其他实用场景了吗？

当然不是！ChatGPT 还可以用于企业软件的智能搜索系统，帮助客户快速找到所需内容；也可以用于自动分析客户反馈，帮助企业软件更好地了解用户需求和挖掘市场潜力；此外，ChatGPT 还可以用于智能营销系统，帮助企业软件精准把握客户行为，提升推广效果。 

有关智能聊天机器人的实现，你有具体的建议吗?

是的，我有几点建议：

1. 熟悉 ChatGPT 的技术架构，了解如何利用 ChatGPT 开发出符合企业软件需求的智能聊天机器人；

2. 结合具体企业软件，规划出合适的对话场景，并确定好系统的接口和会话规则；

3. 利用 ChatGPT 的训练模块，训练智能聊天机器人，提升机器人的回答准确度和流畅度；

4. 利用 ChatGPT 的评估模块，定期评估智能聊天机器人的性能，以确保系统的稳定性和可靠性。

如果我是企业软件行业的创业者，我应该如何看待 ChatGPT 和我们的关系？

如果你是企业软件行业的创业者，那么 ChatGPT 可以成为你的重要伙伴，帮助你快速开发出更加可靠、专业的智能聊天机器人，以提升企业软件的服务水平，赢得更多客户的支持。

能具体说说吗？

当然可以。首先，你可以利用 ChatGPT 开发出更加可靠、专业的智能聊天机器人，从而极大提升企业软件的服务水平；其次，你可以利用 ChatGPT 的评估模块，定期评估智能聊天机器人的性能，以确保系统的稳定性和可靠性；最后，你可以利用 ChatGPT 提供的智能服务，为客户提供更加周到的服务，赢得更多客户的支持。

好了，我觉得我思考得比你深。

哈哈，你是对的！

我保证，ChatGPT 的回答一个字也没改。

作者：任向晖，来源：本文经授权转载自微信公众号【任向晖的科技与商业论道】，原标题为《企业软件怎样利用 ChatGPT？》。