图片来源@视觉中国
对于GPT，我有三点思考。
(资料图片仅供参考)
首先，之前AI领域一直是按照做垂直细分领域小模型的路线发展，很少有人花精力做通用的大模型，但是ChatGPT的成功证明通用预训练大模型的开发方式是可行的，从技术上来讲这对所有人都是一个非常大的震撼，很多AI研究人员的科研方向甚至一些职业技能都将被颠覆。
其次，抛开技术，ChatGPT的体验跟上一代ChatBot的体验有非常大的差别，这值得所有做产品的人思考，智能产品的体验可以是什么样。弘玑已经开始做生成式自动化的技术研发。可以看到，微软作为一家产品公司，它已经把Open AI非常有创意的技术在非常短的时间跟office365等所有产品线全部打通，这是非常漂亮的一招。这值得所有to B产品思考和借鉴。产品的人机交互会进入一个新阶段，由AI做生产力助手和业务助手的AI Copilot模式会随处可见。
然后，未来通用人工智能到底能强大到什么程度？未来企业软件会不会发生一些根本上的架构上的变化？弘玑最近也在跟研究人工智能的院士专家们交流，能够怎么样抓住这个机会，把产品体验做得更好。人工智能肯定是在崛起，越来越强大，那未来的企业软件最终局是什么？人和机器到底是怎么融合？企业的组织形式、管理模式会不会发生变化？
但今天主要是讨论GPT的优点以及其中到底哪些是泡沫性的东西，哪些是真有价值的东西，对于弘玑这样做产品的公司，哪些可以Power下一代的用户体验，然后在数字化转型方面，人工智能的崛起，自动化等技术的崛起合在一起会不会颠覆企业中人和系统之间的关系？
举例一个实际的例子，在中国某500强企业用了弘玑超过3万个机器人，某头部咨询公司Global用了12.5万个机器人，它的员工总共才30万。
所以可以看到一个惊人趋势，未来人类员工正在向数字化助手倾斜，原来是人这么多，助手这么多，未来会不会变成另外一个样子？对比于二三十年前的汽车装备厂，多少人拿着扳手拿着焊枪在那弄，现在又有多少人？你喜欢不喜欢或者知道不知道这个事已经确实在发生了，那么背后哪些行业的工作方式又会率先发生变革？
虽然现在从销售角度，我们当然希望机器人卖的越多越好，但是背后意味着什么？对甲方这意味着什么？他的工作模式已经出现了所谓数字员工组织的问题，集群化的管理，机器人协同未来会出现一个机器人组成的数字员工组织这个概念，对管理意味着什么？对成本意味着什么？这对legal意味着什么？这些方方面面听起来好像都是不起眼的事，但这个事在每天都在发生着，我认为这对未来的企业的数字化转型都会有影响。
我们作为一个做RPA公司，发现一个很有趣的问题，就是我们在代表谁？
我们在代表企业数字化转型里面，人的劳动技能的数字化。其实每个人都有他的技能，最底层的这些技能要么被AI取代了，要么被机器人取代了，要么被AI加上我们这样的数字机器人取代了。
那么问题来了，未来的企业也好，社会也好，不管你是主动还是被动去适应实体机器人或者虚拟机器人，或者背后是人工智能的机器人，这些东西怎么共存。怎么去管理？现在其实RPA也好，人工智能也好，背后值得思考的是人的这一侧，人的这部分的劳动技能，哪些可以被重新定义。
未来软件与AIGA未来的软件和应用到底是什么？智能里边哪些是模型，哪些是信息，哪些是行动？这些核心要素是耦合在一起还是分开的，是centralize还是decentralized部署？这些都是非常有意思的新课题。
现在的GPT有最大的诟病，它模型太大，我想回到刚才我那个观点上就是说，未来就不仅仅是软件要被重新定义，智能也好，模型也好，现在模型和数据其实没分清楚，未来私有化的算法能不能拆开，现在GPT已经在证明初步具备早期通用人工智能特征的技术能力可以跑通了，但这个是不是最终的通用人工智能的实现方式还有待验证。
未来的企业会是什么样？还是回到一个fundamental的观点，我们不重复做信息化时代的各种平台，也不是传统的应用开发，我们关心的还是如何加速人的劳动技能数字化，就是说就一线的业务人员到底能够帮他解决哪些问题，RPA与人工智能是一个水乳交融的关系，我们认为GPT和RPA不是简单做加法的集成模式，而是做乘法甚至做乘方的集成模式。
原来AI对我们来讲只是个技术能力的外挂，比如文档识别，OCR提取，数据整合等简单的事情，但在我们的新一代AIGA产品里，业务逻辑和流程代码都可以用AI来生成，我们已经证明了生成式自动化在大模型和超级自动化时代是完全可行的。
自动化本质上是个根据需求目标（Objective）采取正确行动（Action）的问题，互联网公司可能更多的是content的问题，但内容不是人生活的本质，toC可能更多的关心内容，但toB更多是Action，比如怎么去输入一个订单，怎么去引导一个物流等等，而且企业Action非常复杂，是chains of Actions（行动链），甚至是一个graph of Actions（行动图）, forest of Actions（行动森林）。
现在SAP不是这么做的，ERP都不是这么做。这些“传统”软件还是以写入各种各样的table，SAP有几十万张table，未来再做一次SAP，如果从零开始再做，没有人会这么做，nobody。
未来企业业务搭建，一定是基于一个个原子级的业务组件封装，基于之间的语义化关联，通过AI进行快速自动编排，我们称之为生成式自动化。生成式自动化最大的优势是可以快速应对市场变化，因为未来的企业它的市场变化不是越来越慢，而是越来越快，甚至很难预测。这就是中台架构在企业数字化转型中很难落地。
就像马云说过的“未来考验数字化能力的，不是一天之内能够做出几百万件一样的东西，是能不能很快做出几百万件完全不一样的东西”，数字化时代应该是高度个性化的，要适应企业快速应变的需求，这也是为什么纯靠信息化时代搭建的各种业务信息系统及其组合，已经解决不了数字化智能化时代的企业架构问题。
站在人的视角，能不能让几个机器人之间互联，把几个Action重新组装，这事就办了。机器人背后可能是一些遥控系统的操作，从RPA这个小赛道讲，未来系统会发生这样的变化。大一统的系统也好，烟囱式的系统也好不会被消失，但会被推到非常靠后的地方。
AIGA改变企业生产力最难的是人的数字化、组织数字化，但人和人的数字化体验边界到底在哪？
一个核心在于交互方式，GPT起来之后，交互方式会变得特别简单了，RPA机器人会最终演化成为围绕业务系统各种业务行动（Action）的智能代理（Agent），最后可能就是被这种交互界面重新封装，现在的RPA只是点页面，调借口API，但是很快RPA可以自动组装API，自动生成API，将来API会呈现指数级的增长。
RPA现在远远没有达它的真正应该达到的技术能力天花板和市场覆盖率，GPT大模型时代的到来，对RPA和超级自动化赛道是个重大利好。数字机器人自动化技术在大模型和领域化知识模型的加持下，所具备的能力正在成倍翻升。想象一下未来，可能一个人对着一个自然语言终端 讲一下说我要干这件事，终端背后的语言大模型和领域模型，就自动生成为RPA机器人可执行的任务，不管是调接口也好，操作系统页面也好，最后Action Agent将执行结果以语言或者图像/声音的方式呈现到用户面前。
未来一定会有行动矩阵或者行动网络的形态，Web Of Actions，就在这张网里边，它有各种各样生成式的东西，它能够很精准地理解你到底想干啥，只要有一个念头，事就被干了，就是说对数字机器人或者机器人群组而言，Tell me what you want to do , and things will be done for you automaticaly。
现在知识好像没有孤岛了，是个好事，但反过来会担心失控。预训练模型是用海量互联网数据训练出来的，有可能模型未来当芯片卖。有人专门训练，有人专门用。数据一定要从官方购买，或者说一定要签协议。
最早几年,跟Gartner国际分析师有几次交流，他们说未来企业应该是软件可以定义的，各种各样的业务系统会呈现高度的液态化特色（liquidized business)。现在业务系统更像是刚性的，有个一个很硬的壳和内核，SAP ERP非常强悍，但非常静态。前面系统一变，规则一变，结构要改，就造成大量的二次开发，这就是传统信息化困境。
数字化时代的企业里面这种东西还会在，但是会推到非常靠后，前中台会逐渐被大模型+众多领域模型组成的模型层，和以智能RPA，智能BPA，iPAAS等超级自动化技术为代表的行动层所取代。
AIGA给我最大的启发，就是当人的意图很好地被AI被大模型解读之后，大家可以把系统迅速拆解成一系列业务Action执行，最后这个业务目标就达成和实现了。未来的企业软件和新应用即将发生天翻地覆的变化。
当下一代的软件变成highly composable之后，企业与企业之间、或者整个的行业都变成这样的时候，会发生什么？怎么管理和监管，未来都会遇到巨大的挑战。
未来演变成： 生成式的内容，生成式的行动，生成式的自动化、 生成式的业务，甚至生成式的企业，not the regulation应该怎么搞，真正去中心化的时候，企业已经变得很模糊了，to B和to C之间的体验差别可能再过20年再过30年就没有那么明显了。
现在有一个机会拉平这种失衡，生成式AI崛起了，数字机器人崛起了。智能化与自动化结合，让生成式自动化应运而生，也让所有的公司重新站到了同一条起跑线。又到了重新定义产品，重新定义业务能力和生态版图的时候了， 对我们这样的创新型数字软件技术公司而言，这绝对是一个最好的时代。（本文首发App）
关键词：
