陈晓建亚马逊云科技：三步走，将生成式AI融入业务。

随著应用的深入，生成式 AI 它不再是一个虚幻的概念，它惊人的想象力和解决问题的能力逐渐让商业世界看到了真正的价值。如果一开始有很多人怀疑生成 AI 现在，企业界正在考虑如何利用自己的业务，这一技术的重要性是否被夸大。

当前，企业主要考虑的是，如何全面融入生成式？ AI? 什么是具体的步骤？ ? 有哪些例子可以借鉴？ ? 在 AI 领域深耕超越 25 年亚马逊云科技，如何应用生成式企业？ AI 为了获得真正的商业价值，积累了许多来自世界各地客户的实践经验。

步骤一：出发

万事开头难。生成式 AI 第一步，挖掘能够为客户、员工和组织创造实际价值的场景。

这一阶段，企业需要找出最适合自己业务的使用场景，明确业务痛点是什么。通过观察客户，亚马逊云科技发现企业应用生成式 AI 痛点不在于找出自己业务环节的不足，而在于如何找到易于实施、效果显著的业务应用领域。对企业而言，理想的生成方式 AI 试点项目应是一项风险低、易于实施、成本可控的项目，例如可从优化流程或提高生产率入手。

例如汤森路透，这家金融信息服务提供商与亚马逊云科技合作， Amazon Bedrock 在帮助下，只需不需要 6 周的时间便搭建了一个实验平台。 Open Arena。该平台为员工提供了一个聊天界面，帮助他们在没有编程背景的情况下，通过对话的方式开发业务探索和解决方案，最终点燃了整个公司的创新热情。

以辉瑞为例，该公司正在利用亚马逊云技术的生成式。 AI，在 17 在一个案例中，促进创新，提高生产力，包括科学和医学内容的生成和制造应用。辉瑞运用 Amazon SageMaker 和 Amazon Bedrock 大语言模型在几个星期内开发出来 VOX，用来加快研究，预测产量，帮助公司为病人提供更多的药物。辉瑞估计，每年都会节省一些优先使用场景。 7.5 亿到 10 成本为亿美元。

步骤二：构建

在选择了应用领域之后，企业就进入了真正的工作——建设。建立阶段，企业的核心需求是选择最适合的模式。

然而，市场上的大型模型令人眼花缭乱，包括商业模型和开源模型。有些模型在分析和推理上表现出色，有些模型在快速总结内容上表现出色，有些则为一些特定行业量身定制。面对这种情况，企业需要如何兼顾“鱼和熊掌”？ ?

亚马逊云科技认为，选择一个适合项目需求的模型尤为重要，但是没有一个“万金油”模型可以适用于各种场景和应用。基于上述判断，亚马逊云科技选择与多个模型合作伙伴合作。其生成式 AI 服务 Amazon Bedrock 可以提供多种模型，用户可以根据延迟、可靠性、地理分布等不同的使用场景或对不同模型性能的要求，选择最适合自己的模型。

除选择合适的模型外，企业客户容易忽视的另一个问题是，数据是企业业务能否产生效果的重要因素，高质量的数据对于模型的最终表现非常重要。高质量的数据需要满足六个要素 : 时效、完整、唯一、准确、规范和可追溯性。比如在金融、医疗卫生等高度专业化的行业，企业需要的不仅仅是合适的模型，更重要的是如何将模型与公司业务数据相结合，定制模型。

对于这一点，亚马逊云技术创造了三层生成式 AI 结构包括基础设施和模型构建工具的应用。无论是底层算法工程师、业务R&D工程师、金融、销售还是营销人员，都可以在框架中找到所需的商品。

以法拉利为例，这家世界著名的跑车提供商基于给用户带来更好的购车体验。 Amazon Bedrock，开发了亚马逊云科技的车辆定制工具。定制工具提供数百万种定制组合，包括轮毂选择、车辆颜色、内饰配色等。，帮助用户提高互动效率，节省终端用户。 20% 定制时间。与此同时，法拉利利利用云工具带来的低成本优势，运行了数以千计的虚拟仿真，从而加速了 F1 设计和开发跑车产品，缩短上市日期。

另一个例子是孤独星球，它将数十年编译的万亿页内容转化为大规模、精心规划、个性化的在线旅游工具，为游客提供服务。使用孤独星球 Amazon Bedrock 开发了一种生成式的旅游布局。 AI 工具。该公司发现 Amazon Bedrock 与其它选择相比，效率更高，效率更高 与手工策划旅行体验和行程成本相比，78%的旅行成本较低。 80%。

还有一个客户支持软件平台平台—— Happy Fox，为 70 来自多个国家和地区 1.2 一万多家企业提供服务。通过使用 Amazon Bedrock 上的 Claude 模型，该公司正在提高客户支持解决方案的性能和准确性，生成模式 AI 提高了自动化支持工单的处理率。 40%，并且提高了支持代理的生产力。 30%。

步骤三：扩大规模

在生成式 AI 在试点项目满足项目需求并转化为大规模应用之前，企业还应考虑数据安全和隐私是否得到保障，投资收益率是否得到验证，多方利益相关者 ( 包括业务、技术、法律和安全部门 ) 是否达成共识，并为大规模应用制定了适当的合规性和治理框架，以及负责任的生成方式。 AI 使用标准等因素。

在将生成式 AI 在正式投入大规模生产之前，公司还需要深入考虑的因素是成本。生成式 AI 除了训练模型和调用模型的成本，建立人才团队也是成本中心。因此，企业需要使整个组织能够学习和应用生成，无论是专业技术工程师还是一线业务人员。 AI。

DoorDash 是美国外卖送餐服务平台，拥有1000多人的客服团队，回复涉及税务、应用故障、注册流程等客户问题。基于亚马逊云技术的生成 AI 技术，DoorDash 建立了一个全自动语音机器人系统，可以自动处理。 70% 来电，专业机器人回答，每年节约呼叫中心成本。 300 万美金。

美国联合航空面临着升级 55 旅客服务系统历史悠久。 ( PSS ) 测试，该系统使用复杂的数据类型，员工需要几个月甚至几年的时间来学习如何使用。他们使用 Amazon Bedrock 来训练生成式 AI 传统的预订数据模型分析 ( PNRs ) 并且把它翻译成简单的英语。这样，原本需要员工手工研究几个小时的问题，现在可以在几秒钟内得到答案。它使员工能更快、更一致地回应顾客的询问，实现自助服务功能，使员工专注于为乘客提供更个性化的服务。这家公司打算在那里 6 在呼叫中心布署一个月内 Amazon Bedrock 解决方案，整个解决方案 PSS 在现代化过程中融入生成式 AI，构建真正以客户为中心的智能系统。

"

生成型企业应用 AI 痛点不在于找出自己业务环节的不足，而在于如何找到易于实施、效果显著的业务应用领域。

"

对于生成式 AI 亚马逊云科技认为，未来的发展趋势应该重点关注。 Agent、四个领域：多模态人工智能、多模型合作、人工智能政策和标准制定。

→ Agent 用来处理复杂的任务：Agent 能够协调和分析任务，将其拆解成合理的思维步骤，调用 API 与其它系统互动，从而实现端到端的流程自动化，从而成为许多企业在场景日益复杂的情况下重点部署项目。

→ 大型语言模型将走向多模态能力：将来生成式 AI 进入多模式支持时代，可以处理各种类型的数据输入，让用户可以无缝整合结构化的表格数据、音频、视频和非结构化文本。

→ 多模合作解决复杂问题：随着客户将复杂的人工智能解决方案付诸实施，他们越来越意识到在速度、成本和准确性之间找到平衡的重要性。选择不同类型的模型进行不同的任务，可以有效实现这种推广。

→ 完善人工智能政策和标准：随着人工智能法规和标准的不断完善，企业应提前做好规划，制定前瞻性政策，把安全和责任放在人工智能发展的核心位置。

时至今日，生成式 AI 它仍然是一个全新的探索领域，未来的创造和突破将继续出现。亚马逊云技术将继续推进安全、透明和负责任的生成 AI 发展，与世界各地的政策制定者和行业合作，探索生成式 AI 无限可能。

亚马逊云科技大中华区产品部总经理

陈晓建

本文来自亚马逊云科技大中华区产品部总经理陈晓建。“良币时代” :2024年哈佛商业评论 主题演讲“中国年会”，内容由本人决定。

生成式 AI 自两年前问世以来，舆论场一直很热闹，但中文版《哈佛商业评论》一直更加兴奋和痴迷于应用世界:日复一日地应对竞争和用户 / 顾客所需的商业世界，由生成式 AI 新的实践和策略带来了哪些真正的价值和新的挑战？中国公司的现状和可预见的未来在硅谷开始的新的商业竞争格局中是怎样的？

中文版《哈佛商业评论》与亚马逊云科技携手，同创「生成式 AI：创造可见的商业价值」专题，于 2024 年底，对数十家中国企业应用生成式进行了深入调查。 AI 的具体场景 / 流程 / 挑战 / 效果，选择有代表性的案例，共同见证中国公司的生成。 AI 先锋，初始拥抱者。现在是生成式 AI 在效率革命时期，我们期待这些。 1.0 时代的先行者可以鼓励和启发更多的中国公司跟进这种生成式 AI 带来效率革命。

中文版《哈佛商业评论》 联系方式

投稿、广告、内容与招商合作

newmedia@hbrchina.org

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com