在ChatGPT出現之后，更多人關注到了生成式AI這一概念，那么在未來，生成式AI的發(fā)展趨勢可能在于哪些方向？本篇文章里就提到了，未來第二波生成式AI浪潮的下個趨勢可能是“從信息生成轉向信息綜合”。具體如何理解？一起來看看作者的分析。

A16Z最近又發(fā)了一篇有意思的文章，談到他們認為的生成式AI下一波趨勢在哪。我們要注意三件事：第一，代碼行數不是衡量工程生產力的好方法；第二，更長的產品內容，不一定就能起到更清楚的說明作用；第三，更長幻燈片，也不一定能提供更多見解。

一、生成式AI在B2B場景應用的變化

過去幾年大家見證了大語言模型（LLM）逐步成為主流，并研究了這項技術在B2B領域的應用情況。盡管取得了巨大的技術進步，但我們認為，我們仍處于B2B用例的生成式AI應用的早期——第一波浪潮之中。

隨著各公司逐步開發(fā)自己的應用，并且開始尋求圍繞產品建立護城河，我們預計很多業(yè)務中的目標和實現方法，將會迭代到“第二波浪潮“之中。

如何理解這里的“迭代”？

到目前為止，絕大多數生成式AI應用，都集中在信息 divergence 之上。也就是說，目前的應用，主要是根據一組指令，來創(chuàng)造新的內容。

而在第二波生成式AI浪潮之中，相信市場會見證更多用于信息匯集的生成式AI應用，這些應用會通過綜合現有信息，向我們展示更精細化、篩選出來的內容（That is, they will show us less content by synthesizing the information available.）為了和第一波生成式AI浪潮進行區(qū)分，我們把第二波生成式AI浪潮，稱為合成人工智能（”SynthAI”）。

雖然第一波生成式AI浪潮在應用層創(chuàng)造了一些價值，但第二波生成式AI浪潮將帶來下一步功能變化。

那么，下一步，生成式人工智能在B2B的解決方案會是什么走向？

結論是：B2B解決方案之間的PK，將不會把重點放在令人眼花繚亂的AI技術能力，而更關注這些技術層面的能力，將如何幫助企業(yè)用戶具備（或重新定義）更有價值的企業(yè)工作流程。

第一波生成式AI浪潮：跨越從C端用戶到企業(yè)的橋梁。

為了分析第一波生成式AI浪潮，首先我們要對B2C和B2B應用進行區(qū)分。當我們作為消費者，應用生成式人工智能時，我們的目標是以玩耍、娛樂和分享為導向。在娛樂層面，質量和正確性并不是最重要的：而讓人工智能模型生成藝術或音樂這類功能更為重要，因為我們可以在Discord頻道中分享，當然也會很快就會忘記它。大家通常會有一種心理傾向，認為更多的內容=生產能力=好，所以，用戶通常會被吸引到生成式的、自動創(chuàng)造的AI工具。

舉個例子：ChatGPT的興起，就是很具備說服力的案例：因為用戶真的容忍了這個聊天機器人很多質量上的缺陷，就是因為大家能用它，生成更豐富的內容，并且分享，令人印象深刻。

當涉及到B2B應用時，業(yè)務目標就不同了。這里的目標，主要是圍繞時間和質量的成本效益評估。我們要么希望能夠用同樣的時間產生更高的質量，要么希望產生同樣的質量，但是速度更快。

人們使用B2B應用主要是在工作場所，在這類的場景中，質量更重要。然而，今天人工智能生成的內容，主要是為重復性和低風險的工作提供的，這種業(yè)務層面上，要求通常不高。例如，生成式AI很可以為廣告或產品描述撰寫文案，許多這個領域的B2B應用，表現出明顯的增長態(tài)勢。

但我們隨后也發(fā)現，生成式人工智能在撰寫意見或論據方面確實不可靠（即使AI生成的內容令人信服或有信心，它也往往無法達到我們想要的準確程度）注意，當涉及到B2B生產環(huán)境中的創(chuàng)新和合作時，這一點更重要，大模型生成SEO信息也許是可用的。但是，如果讓它為開發(fā)者撰寫一篇詳細新產品的博客文章，將會需要不小的人力去完善，以確保這篇文章是準確的，與目標受眾產生共鳴。

另一個常見例子是AI用于編寫銷售的電子郵件，生成式AI對于普通的、冷冰冰的冷啟動郵件是很有用的，但對于準確的個性化郵件來說就不太可靠了。從一個優(yōu)秀銷售的角度來看，生成式AI有助于在更短的時間內寫出更多的電子郵件，但要寫出能提高回復率，并帶來訂單的電子郵件（這也是對銷售代表的評價），銷售代表還是需要仔細研究，并通過自己判斷，了解潛在客戶想聽什么。

從本質上講，在頭腦風暴和早期，第一波生成式人工智能對于更實質性的寫作是成功的，但最終，越是需要創(chuàng)造力和領域內人專業(yè)知識，就越需要人為完善。

二、重構工作流程，有何代價？有何好處？

即使在生成式AI對較長的博客文章有用的情況下，你的Prompt必須是精確的。也就是說作者必須已經對代表自己博客文章的實質概念，具備清晰認識。然后，為了得到良好的結果，作者必須對AI輸出的結果進行審查，迭代Prompt，不行的話，還要重寫整個章節(jié)。

這里有個例子是用ChatGPT來生成法律文件，需要熟悉法律prompt的人提供所有需要的條款，然后ChatGPT可以用這些條款來生成草案。注意，AI不能執(zhí)行當事方之間的談判過程，但一旦所有關鍵條款都確定下來，生成式AI就可以出品較長的法律類文件草稿。不過，這些工作仍需要職業(yè)律師對它進行審查，編輯輸出，以使這項文件達到可以簽署的出品樣本。

這也是為什么這類成本+效益評估模式，會在B2B背景下打破。

知識工作者正在評估如何工作流程中增加一個額外的AI功能的步驟是否值得花時間？是否應該還是由我們自己做？

三、第二波生成式AI浪潮：匯聚信息，從而改善決策

當我們進入第二波生成式AI浪潮的時候，焦點會從信息生成轉向信息綜合。注意，在知識工作中，決策能力具備巨大價值，而員工的報酬是根據不完善信息做出決定，而不一定是單純執(zhí)行或解釋這些決定而產生的內容數量而決定的。在許多情況下，更長的時間并不意味著更好。

許多常識和公理都支持下列觀點：

1. 代碼行數不是衡量工程生產力的好方法；
2. 更長的產品內容，不一定就能起到更清楚的說明作用；
3. 更長幻燈片，也不一定能提供更多見解。

Hex公司創(chuàng)始人Barry McCardel認為，人機可以共生，比如說LLM如何能夠改善我們的工作方式？

“AI在這里是為了增強和改善人類的能力，而不是取代人類。

因為當涉及到理解世界和做出決策時，人類一定要參與其中。人工智能能做的是幫助人類將更多的腦電波，應用于有價值的、創(chuàng)造性的工作，這樣我們不僅能在一天中花更多的時間來做重要的工作，而且還能解放自己，從事最有價值的工作?！?/strong>