大模型怎样重塑企业级IT应用（上）

AI和ERP咱们总聊，很多朋友也好奇大模型如何重塑企业级IT应用，未来企业IT应用长什么样？它的实现原理又是怎样的？

全文1466字 | 3分钟阅读

最近有一个视频，揭示出一些AI赋能未来企业IT应用的主要特性：

1、自然语言的连续对话，用户用自然语言来进行企业数据的查询，和对后台系统进行操作；

2、智能决策：利用人工智能来生成任务，用任务来驱动信息系统的业务服务；

3、多模态信息的认知及生成能力：比如文本、语音、视频、图片等等；

4、 数据的整合：决策过程整合了多个数据源产生的数据，例如薪酬、考勤、销售等，数据的规范性将对智能的准确性产生制约作用；

5、复杂软件系统的处理：比如人工智能在处理员工请假的过程中，涉及到了一系列传统意义上的企业IT系统，包括CRM，考勤系统，核心人力资源系统，办公自动化系统和日历等，而最终执行指令时，匹配、调度了多个后台信息系统产生相应记录。

再说说它们的实现原理，企业信息系统出现，最初解决了记录企业业务信息的问题，例如财务、客户、订单、库存、合同等等信息，然而，企业级信息系统要更好地服务于业务处理，一直需要解决三个问题：

一、业务流程自动化问题，在线交易处理的信息系统，本身并没有业务流程管理，要有数字化的手段来管理、驾驭业务流程，才能使得业务记录能够被准确记录；

二、业务决策智能化问题，OLTP和OLAP融合，使得业务流程从行动到数量上的决策，能够带来更优化的业务结果；

三、人机交互的人性化问题。

为了解决这些问题，企业应用系统的自动化、智能化和人性化经历了四个发展阶段，最近几年，随着人工智能技术的发展，这样的转型正在加快：

企业级IT应用系统的架构在过去十多年里，经历了从单体架构向服务化解耦，并最终向微服务架构转型，通过容器化部署，这使得利用人工智能来生成流程、调度业务能力成为可能。

GPT作为人工智能技术的飞跃，对企业应用来说具有三个特点：

一是基于更大量的参数处理，实现更强大的推理和判断能力；

二是利用基于海量数据的大模型，结合企业自有“小数据”的精调或嵌入，让“万事通”变成掌握特定企业知识的“企业通”，可以处理企业业务；

三是用人工智能来生成任务，同时用任务来触发企业的业务服务。这一轮GPT在年初横空出世时，人们最早关注的应用案例是面向用户级的内容生成，例如文字、程序代码、图像、视频等生成。几个月后，随着AutoGPT项目的出现，给人们展示了用大模型来驱动业务的可能性，它是一个开源的应用程序，这个程序由Open AI开发的GPT-4大语言模型驱动，可以自主地开发并管理业务，ChatGPT产生文字，AutoGPT产生流程。就是说，你给AutoGPT出一个目标，例如，我怎么让公司利润提升10%，他会自己思考，给出实现的步骤以及实现细节——究竟是提升销售，还是提升运营效率降低制造成本，还是降低原料采购成本，并且调度相关的企业业务系统去执行任务指令。

“自治代理”被认为是企业业务自动化和智能化的数字化最高阶段，这个概念并不新， 然而随着大模型出现，以及生成式AI的技术工具链在最近几个月的快速发展，“自治代理”得以爆炸式增长。

“自治代理”也就是AI改造企业级IT应用的终极目标，那就是“你就对机器喊一嗓子，剩下的都交给AI”。就像把大象放进冰箱，不用按部就班的“开门，放大象放进去，关门”，而是只需要告诉机器“把大象放进冰箱里 ”，大象怎么进去？那就是AI的事了。

这期说了原理，下期我们接着聊如何落地实现。