图片来源@视觉中国
ChatGPT依然是最火爆的生成式AI应用。
2个月实现月活用户过亿，用户量更是超过1300万。这组数据，标榜了ChatGPT的赫赫战绩。
(资料图)
经历了媒体报道和研报渲染之后，国内的科技大厂也纷纷官宣跟进，还有一众科技大佬也开始现身说法。
同时在各大内容平台上，来自各领域的自媒体纷纷用文字和视频发表他们对ChatGPT的看法。不管科技号、教育号、艺术号还是母婴号，各行各业人士发的相关视频，流量皆是大得惊人。
这意味着，ChatGPT已经具备了极大的破圈效应。而破圈，恰恰是火爆的最好证明。
翻一翻各大平台的相关内容，会发现很多人都在说ChatGPT有多厉害。其实在个人业务方面，即便ChatGPT在写作、设计、编程等业务上也表现得再出色，也体现不出真正的价值。
一众媒体和研究机构所说的ChatGPT的价值，在于它对广大组织的应用价值，以及它所带动的产业链能够为各行业带来多大的经济效益。
在王吉伟频道看来，以ChatGPT为代表的生成式AI工具，之所以能够为组织带来极大的商业价值，不在于它生成内容有多快多好，而是在于它与更多企业管理系统集成与联动，通过文字、图片、视频、代码等内容的自动化生成，深度参与组织运营的业务流程，革新了业务流程架构，精简并优化了原本复杂的业务流程，使得组织的业务运行效率大幅提升。
比如，美联社采用了语言生成工具，将收集到的相关公司的损益表、资产负债表和现金流量表等数据转换为连贯的报告，通过精简流程，季度财务报告的制作速度提升了15倍以上。
再如在某药企将生成式AI应用于药物研发，通过识别潜在的候选药物并在计算机中测试其有效性，进而加快药物发现和开发各项业务流程过程，提前进入临床试验期。
类似的案例还有很多，一些大家想象不到的业务场景都开始应用生成式AI。目前已有很多企业通过生成式AI增强业务能力或者优化业务流程，实现降本增效。
说了那么多，生成式AI到底对业务流程有什么影响？企业又该如何应用生成式AI？本文，王吉伟频道就跟大家聊聊这些。
什么是生成式AI？前一篇文章中，王吉伟频道提到AIGC内容生成模式的背后都是生成式AI技术在支撑。那么，到底什么是生成式AI呢？
生成式AI，在2020年首次出现在国际研究和咨询机构Gartner的技术成熟度曲线上。
关于生成式AI(Generative AI)，Gartner这样定义：通过各种机器学习(ML)方法从数据中学习工件的组件(要素)，进而生成全新的、完全原创的、真实的工件(一个产品或物品或任务)，这些工件与训练数据保持相似，而不是复制。
如果觉得这个定义过于学术，麦肯锡则是这样描述的：生成式AI就是利用现有文本、音频文件或图像创建新内容的技术，使用生成式AI，计算机检测与输入相关的基本模式并生成类似内容。
数据分析公司AIMultiple则认为，生成式 AI 是一种利用现有文本、音频文件或图像创建新内容的技术。借助生成式 AI，计算机可以检测与输入相关的底层模式并生成类似的内容。
过去两年，生成式AI技术上的进展主要来自于三大领域：图像生成领域，以DALL·E-2、Stable Diffusion为代表的扩散模型(diffusion model)，自然语言处理(NLP)领域基于GPT-3.5的ChatGPT，以及代码生成领域基于GPT-3的Copilot。
当前正在流行的ChatGPT等生成式AI工具，背后包含多种技术，包括生成对抗网络 (GANs)、Transformers架构和变分自动化编码器Variational auto-encoders，其中GANs是关键技术。关于生成式AI技术探讨的文章有很多，大家对号入座去搜索即可，这里就不多做介绍了。
总而言之就是，利用这些技术就可以打造出像ChatGPT这样的对话机器人以及类似Midjourney一般的图像生成SaaS应用。
理论上，只要某个企业能够拥有同源技术以及相关开源架构，加上足够的算力和数据，也能打造成ChatGPT这样的现象级应用。只是，存在一个时间和投入问题，没有足够的现金流和足够的耐心并不容易成功。
所以现在都在喊口号跟进ChatGPT相关技术的厂商，哪些是在喊口号哪些是真心搞生成式AI，还要大家辨别的看。
好吧，有点扯远了。对于生成式AI技术，我们只需简单的了解即可。毕竟咱们也没能力去做基础算力投入，所以主要关注生成式AI技术的应用就好了。
关于这些，我们在下一节聊。
生成式AI的应用概况生成式AI，被Gartner列为2022年顶级战略技术。顶级和战略两个关键词，已经彰显了生成式AI在未来组织经营中的重要性。
很多人都认为生成式AI就是ChatGPT，并非如此。只是ChatGPT等AI工具的火爆，让大家开始更多的关注AIGC和它背后的生成式AI技术。自人工智能技术逐步成熟后，各种基于AI的文字技术、语音技术、图像技术及影音技术AI便开始影响我们的生活。
比如做内容创业的朋友，很多都用剪映等工具的语音转字幕、文字转视频功能，这些功能都是基于相关的生成式AI技术开发的。再如现在大家经常使用的语音导航，背后都也是对话式AI技术。
文本生成是生成式AI最早应用的领域之一，目前已广泛应用于对话机器人、内容续写、新闻撰写、诗歌小说创作等领域。
文本转语音技术，也已广泛应用于新闻阅读、有声书、出行导航、通知播报、视频配音等领域。
图像生成则率先在游戏内容创建、图像修复、风格迁移、图像合成等领域得到了应用。
可以说，当代工作与生活中的一些场景已经离不开生成式AI技术。
现阶段的生成式AI通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、艺术平面设计等。
在企业具体经营中，生成式AI的用途已经很广。
在营销和销售业务上，可用于制作个性化营销、社交媒体和技术销售内容，以及创建与特定业务(如零售)助手；
在日常办公及活动设计中，可以生成任务列表以高效执行给定活动；
在IT开发和项目管理场景中，可以用于编写、记录和审查代码；
在法务上，可以用于回答复杂问题，提取大量法律文件，起草和审查年度报告；
在药物研发上，可以通过更好地了解疾病和发现化学结构来加速药物发现。
以上只是生成式AI应用的一部分，现在已有很多企业开始将生成式AI应用于一些业务场景。
比如在教育领域，一些教育机构会针对一些学生的需求和兴趣等数据，基于AI算法来分析学生过去的表现、技能等数据，用生成式AI工具为他们设计个性化课程，以确保更有效的教育方式。
在时尚领域，设计师们会借助Khroma以及Colormind等生成式AI工具，将草图转换为彩色图像，帮助设计师查找颜色匹配和图案的错误。并且使用这些工具的审查能力，可以分析从草图到颜色的多种变体组合，使时尚品牌变得更有创意。此外，这些工具还能减少物理样本的需求，节省时间和资源。
下面这张图片来自麦肯锡，它为生成式AI的使用场景做了很好的分类与总结。
Gartner预计到2025年，生成式AI将占所有生成数据的10%，目前这一比例还不到1%。同时在具体行业应用方面，Gartner预计，到2025年生成式AI将用于50%的药物发现和开发项目，到2027年将有高达30%的制造商将使用生成式AI来改进其产品开发流程。
红杉资本预测，生成式AI有可能创造数百万亿美元的经济价值。
未来，生成式AI将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。
生成式AI对业务流程的影响从前面几个案例，我们能看到生成式AI之所以能够帮助人们提升效率：一方面在于它能够有效加强现有生产力，另一方面则在于它改变了很多场景的原有业务流程。
就如服装设计，过去要设计服装需要画草图、了解材料、制作小样等多个步骤。现在只需要使用生成式工具A选择所需的美学、材料和目标市场，就可以根据构想创建多种风格多种元素的服装，中间的业务流程已经完全不需要。
再以ChatGPT编写代码为例，开发人员甚至可以用它从头开始到尾编写完整的代码，以便在特定场景中创建应用程序。整个过程不需要开发人员输入任何代码，只需不断地跟他用文字交互就够了。
ChatGPT 可以极大地增强代码编写、文档和审查。通过使用 ChatGPT，开发人员可以简化他们的工作流程，提高他们的生产力，减少开发成本和时间，并创建原本需要更多时间和精力来构建的应用程序。
不管将ChatGPT用于个人业务的撰写内容、创建客户服务聊天机器人、开发对话界面、内容翻译、日程管理，还是在企业应用于数据分析、文案和公关、客户关系、销售、财务、教学、人力资源等业务单元，它都能在一定程度上精简及优化业务流程，起到降本增效的积极作用。
这是ChatGPT等生成式AI工具最具价值之处，也是生成式AI被很多机构重视的优势所在。
通过对前面一些场景案例的分析与总结，不难发现生成式AI对于业务流程的影响主要表现在两个方面：
一是生成式AI可以对原有流程进行精简与优化。原本需要多个步骤的业务流程，借助AI实现流程自动化，业务流程条线和流程复杂度大幅精简，不再需要更多的人力与资源的参与，进而实现解放人力，降低成本，提高效率。
二是基于生成式AI新流程可以替代原有流程。有些业务流程原来完全由人力承担，企业的做法一般是将这部分业务外包出去，或者用传统集成自动化技术去实现，在效率并未提升的情况下，成本也在逐步上升。有了可以胜任相应业务的生成式AI，自然就可以用这些技术去替代原来的外包业务流程。
现在，一些海外专家甚至已将生成式AI技术，视作西方发达国家应对外包优势明显的亚洲等地区的一项竞争策略。
生成式AI对业务流程的影响主要是积极的。它可以帮助企业提升业务流程的效率和优化业务流程，缩短业务流程周期，提高业务流程效率;能够通过分析大量数据，识别常见模式和规则，生成自动化程序，提高组织生产效率和自动化水平，实现业务流程的快速执行;还可以大大减少人工干预，提高业务流程的执行效率。
此外，生成式AI技术可以对业务流程进行模拟、优化和预测，从而实现业务流程的持续优化。
当然，生成式AI技术也会带来一些负面影响。比如技术应用后流程精简与优化所造成的人员失业问题，业务流程中集成新技术所带来的业务与数据的安全风险与隐私问题，以及引入技术成本短期大幅增长的问题等。
总体而言，生成式AI技术对业务流程的影响利大于弊。新技术的应用对于企业提升效率并保持竞争力至关重要，企业在引入新技术之前必然会经过相关考虑与周密部署，以保证企业的持续运营。因此，负面影响也不算太大问题。
生成式AI变革业务流程事实上，生成式AI对组织业务流程的影响，远不止以上几点。
从应用角度而言，一般来说企业可以通过以下几种方式使用生成式AI：
一是生成式AI与业务部门一起增强当前的创新工作流程，开发自动化以帮助人类更好地执行创造性任务。比如游戏设计师可以利用生成式AI来创建地下城，突出他们喜欢和不喜欢的内容;销售人员也可以用生成式AI生成营销自动化程序，以更高效的完成客户对接等业务。
二是生成式AI充当业务流程的主要部分，成为某项业务的主流程。生成式AI可以在几乎没有人为参与的情况下生产无数的创意作品，只需要设置上下文，结果独立生成。
三是将生成式AI工具与BPM、BPA、ERP、RPA、BI及低\无代码等工具进行集成，形成端到端解决方案，以更全面地优化业务流程。比如将生成式AI放到超自动化架构中打造更高效的端到端自动化，以及将ChatGPT用于低代码平台通过对话聊天开发程序等。
需要说明的是，在端到端解决方案中，生成式AI与其他企业管理系统不是并行关系，而是在整体业务流程中都会有所交互。生成式AI生成的高质量内容会被其他系统调用，流程自动化也会参与到生成式AI的工作流之中。
例如，我们可以将生成式AI与SAP集成。生成式AI能够读取SAP中的数据，并利用其进行数据分析，把数据转化为人类可读的形式，以此提供商业洞察力。同时生成式AI可以自动完成SAP系统中的重复性工作，比如数据录入、报告生成等，进而实现更好的业务流程自动化。
再一个ChatGPT与Salesforce的集成案例。某公司通过将ChatGPT 嵌入到Salesforce中，让其对潜在客户的活动和行为实时评分和评级，识别销售线索中最有可能转化为购买客户的模式，以提升客户转化率。还可以让ChatGPT接任繁琐和重复的管理任务，以让销售专注于更有价值的任务，以此提升销售团队生产力。
还有RPA与生成式AI的集成应用，目前已经集成了聊天机器人、语音机器人、智能文档识别(IDP)以及图像生成等多种生成式AI工具。现在与ChatGPT的集成，则是在探索RPA与基于大模型的生成式AI的集成应用。
这些应用不只是单向助力RPA运作，彼此之间会在数据交换、内容生成、自动化执行等方面进行多元合作，进而优化流程以及提升效率。并且基于超自动化架构，未来将会有更多生成式AI技术集成到架构之中，将会持续提升基于RPA的流程自动化运行效率。
王吉伟为频道认为，生成式AI技术与各种软件系统的集成与融合，已经成为一种趋势，并且正在极大的改变与优化企业的运营架构与运作模式，对于整体业务流程效率提升有着极大的推动作用。
现在已有很多软件厂商，都在探索其产品与生成式AI的集成与融合应用。包括本身就为降低开发难度的低代码与RPA平台，比如Comidor等低代码平台，早就在教客户如何通过API集成ChatGPT。
尤其是ChatGPT与低代码、RPA等技术的集成与融合，直接让全民开发进入了一个更加简易的阶段。我们知道，国外所推动的公民开发(Citizen Development)正在轰轰烈烈的进行，并且逐渐成为企业在IT开发方面的主流模式。
低代码开发工具本身就是为了降低开发难度，以让业务人员能够替代程序员开发出其所需的相对简单的应用程序。
通过更多人的测试，我们知道ChatGPT能够通过对话生成很多应用场景的程序代码。将ChatGPT与低代码平台集成，意味着业务人员能够通过低代码开发更加复杂有效的应用程序，这将会极大地提升开发效率，对于多有组织都是极大的利好。
同时在程序开发之外比如创意、设计、营销等诸多领域，也可以用公民开发的形式将一些业务外包出去，借助生成式AI让更多人低门槛贡献创意以提升效率，这对于企业的流程优化以及增效降本有着重要意义。
因此，对于生成式AI的集成与融合应用，将会极大的变革组织的业务流程。未来，能够更好的应用好对话式AI技术持续优化业务流程的组织，将会在变化万千的市场持续保持足够的竞争力。
后记：生成式AI开启更高效的业务流程时代在国外，已有很多低代码、智能自动化以及企业管理软件正在或者已经集成ChatGPT。一些走国际化道路的国内厂商，在海外的解决方案上集成ChatGPT问题也不大。
在国内，也有一些厂商正在探索与ChatGPT集成的可能性。微软“帮助其他公司使用 ChatGPT开发聊天机器人”的策略，也让更多厂商看到了应用ChatGPT的可能性。
同时微软已正式将ChatGPT引入必应，其RPA产品Powe Automate也已经借助GPT-3等AI模型，实现了通过自然语言生成流程的新功能。未来，相信会有更多厂商会推出更多政策，以让其生成式AI技术方案能够落地更多企业。
可以预见，在微软的带动下，将会有更多厂商研发以及引入基于同源技术的类ChatGPT生成式AI。随着基于生成式AI技术的解决方案走入更多组织，生成式AI也将带领更多企业迈入更高效的业务流程时代。
