【摘要】
OpenAI的这份文件讨论了企业中人工智能应用的经验和方法论，重点介绍了OpenAI 模型的实际应用。它概述了人工智能在提高员工绩效、自动化日常操作和改进客户产品方面的作用。
文章详细阐述了企业成功实施人工智能的七个关键经验，例如从评估开始、将人工智能嵌入产品以及尽早投资。文中通过Morgan Stanley、Indeed 和 Klarna 等公司的案例研究，说明了这些经验如何带来显著的业务改进，同时强调了迭代开发方法和定制模型的重要性。
【文章主要内容】
人工智能（AI）正在为企业带来显著且可衡量的改进，主要体现在三个方面：
提升员工绩效，帮助人们在更短时间内交付更高质量的成果；
自动化日常运营，将员工从重复性任务中解放出来，专注于创造更高价值的工作；
赋能产品，通过提供更具相关性和响应性的客户体验来增强产品实力。
然而，利用人工智能与开发软件或部署云应用不同，最成功的公司往往将其视为一种全新的模式。这需要一种实验心态和迭代方法，从而更快地实现价值，并获得用户和利益相关者更大的支持。
以下是来自七家前沿公司的经验总结，它们展示了如何有效地在企业中采用人工智能。
1. 从评估开始（Start with evals）
评估（eval）是衡量 AI 模型在特定用例中表现的严谨、结构化过程。
金融服务公司Morgan Stanley 通过对每一个拟议的应用进行深入评估，获得了将用例投入生产的信心。他们的评估重点包括：
语言翻译：衡量模型生成翻译的准确性和质量。
摘要：评估模型如何根据商定的准确性、相关性和连贯性指标来精简信息。
人工训练师：将 AI 结果与专家顾问的回答进行比较，以评估准确性和相关性。
通过这些评估，如今 98% 的 Morgan Stanley 顾问每天都在使用 AI，文档访问率从 20% 跃升至 80%，搜索时间大大减少 。顾问们因此有了更多时间投入到客户关系中。
2. 将 AI 嵌入到你的产品中（Embed AI into your products）
当 AI 被用于自动化和加速繁琐、重复的工作时，员工就可以专注于只有人类才能做的事情。
求职网站Indeed 利用 GPT-4o mini 模型来改进其求职匹配功能。它不仅能为求职者推荐工作，还能解释推荐的理由。Indeed 团队将新的 AI 驱动版本与旧版匹配引擎进行测试，结果显示：求职申请发起量增加了20%。后续成功率提升了 13%，这意味着不仅更多候选人愿意申请，雇主也更倾向于雇佣他们。
3. 尽早开始并进行早期投资（Start now and invest early）
AI 很少是一蹴而就的解决方案，其用例会通过持续迭代变得更加复杂和有影响力。
支付平台Klarna 引入了一个新的 AI 助手来简化客户服务。在几个月内，这个助手处理了三分之二的客户服务聊天，将平均解决时间从 11 分钟缩短到 2 分钟。更重要的是，Klarna 90% 的员工现在每天都在工作中使用 AI。这种组织范围内的熟悉度使公司能够更快地行动，更高效地启动内部项目，并持续改进客户体验。
4. 定制和微调你的模型（Customize and fine-tune your models）
微调模型是指根据你组织的特定数据和需求来定制通用模型。
家装公司Lowe's 通过微调 OpenAI 模型，将产品标签的准确性提高了 20%，错误检测率提高了 60%。
微调的重要性在于：
提高准确性： 通过在你的独特数据上进行训练，模型能提供更具相关性和符合品牌调性的结果。
领域专业知识： 微调后的模型能更好地理解你行业的术语、风格和语境。
一致的语气和风格： 确保所有输出（如产品描述）都与品牌声音保持一致。
更快的结果： 减少人工编辑或复查，让团队可以专注于高价值任务。
5. 让 AI 触达专家（Get AI in the hands of experts）
员工最了解自己的流程和问题，也最适合找到 AI 驱动的解决方案 。
银行巨头BVA 让员工自主使用 ChatGPT Enterprise，结果在五个月内，员工创造了超过 2,900 个自定义 GPT 应用。这些应用将一些项目和流程的时间从几周缩短到几个小时。例如，信贷风险团队使用它来更快、更准确地确定信用度 ，法务团队用它来回答每年 40,000 个关于政策和合规性的问题 。
6. 解放你的开发者（Unblock your developers）
开发者资源是许多组织创新的主要瓶颈。电商和金融科技公司Mercado Libre 与 OpenAI 合作，构建了一个名为 Verdi 的开发平台层，旨在解决这一问题。Verdi 使公司的 17,000 名开发者能够更快地构建高质量的 AI 应用，而无需深入源代码。通过这个平台，Mercado Libre 实现了多项成就:
改善库存能力：GPT-4o mini Vision 标记和完善产品列表，使公司能够编目 100 倍以上的产品。
检测欺诈：每日评估数百万个产品列表数据，将标记项目的欺诈检测准确率提高到近 99% 。
7. 设定大胆的自动化目标（Set bold automation goals）
许多流程都包含大量可以自动化的重复性工作。OpenAI 公司内部就建立了一个自动化平台来处理自身的客户支持工作。这个平台每月处理数十万项任务，让员工可以专注于更有影响力的工作。
通过将 AI 嵌入到现有工作流程中，团队变得更高效、响应更快、更以客户为中心。这些都是因为他们从一开始就设定了大胆的自动化目标，而不是将低效流程视为业务成本。
成功的企业并不急于将 AI 模型注入每一个工作流程 ，而是围绕高回报、低难度的用例进行布局，在迭代中学习，然后将这些经验应用到新的领域。最终结果是清晰且可衡量的：更快、更准确的流程；更个性化的客户体验；以及更有价值的工作，因为员工可以专注于只有人类才能做好的事情。
以下是学习视频，由NotebookLM根据原文件一键生成，时长6分钟，不妨看看：
以下为原文件：
