大型语言模型可以通过自动化复杂任务的大部分内容来重塑业务流程。但它们无法独立完成。
译自 How LLMs can help streamline business processes，作者 Manoj Chaudhary。
大型语言模型（LLM）被认为是创建 自然语言界面 的理想选择，但 ChatGPT 等工具的兴起引发了一个问题：LLM 是否适合优化业务流程？
简而言之，答案是肯定的。然而，更详细的解释更为微妙。LLM 独立的实用性或能力相对有限，除非与其他技术相结合。人工智能的真正影响在于其通过自动化加速业务流程的能力。
考虑简化企业内的“订购机会”流程。目前，无论实施何种产品或解决方案，组织都必须应对这种自动化的复杂性，最终退回到拖放界面、低代码解决方案或高代码编程等手动方法。
现在，将 LLM 添加到等式中。LLM 是庞大的知识库，其中包含适合自动化的常见流程的知识。利用这些信息，该模型充当催化剂，为解决问题提供先机。因此，用户无需重新发明轮子。他们只需要定制现有解决方案以满足其特定需求并显著加快流程。
在这种情况下，最终用户体验仍然植根于自然语言交互。用户可以提示大型语言模型构建一个“订购机会”框架，该框架使用 集成平台即服务（iPaaS）根据其 CRM 和 ERP 进行定制。然后，系统可以生成相关资产来连接和自动化流程，使用户能够微调并快速将其定制解决方案过渡到运营现实。
在另一个示例中，电子商务企业可以使用 LLM 创建一个应用程序，在将传入订单集成到 ERP 系统之前对其进行审查。传统上，构建这样的应用程序将非常耗费人力，无论您是从头开始编写代码还是使用低代码平台。LLM 通过能够解释特定要求并根据用户的请求生成应用程序，彻底改变了这种方法。
农业行业的许多人正在寻求类似的优化。一位投资于技术但缺乏技术知识的农民可以设计一个应用程序来监测他们整个季节的碳足迹。在这种情况下，LLM 将利用其对碳追踪需求和数据表示的理解来生成一个量身定制的应用程序。
这些只是 LLM 通过自动化复杂任务的实质部分来重塑流程的几种方式。由于它们能够全面了解复杂的业务需求，因此它们可以生成定制的业务解决方案。LLM 的用例是无穷无尽的，并且超越了行业界限。
生成式人工智能 技术的快速发展和采用表明，企业必须考虑如何利用它们才能在市场中保持竞争力。对于有兴趣入门的组织，他们应该考虑采取一些初步步骤：
- 自我教育。 在利用任何新技术来优化业务流程时，准备是关键。这意味着教育自己了解 LLM 快速发展的格局至关重要。OpenAI 已率先进入该领域，通过 ChatGPT 及其各种 GPT 模型将生成式人工智能商品化。但包括 AWS、谷歌、Meta 和 Microsoft 在内的主要参与者，甚至像 Hugging Face 这样的新兴实体，正在迅速推出自己的迭代，以拓宽可用于应用程序开发的 LLM 范围。
- 了解主要参与者。 为了驾驭这个广阔的领域，企业需要熟悉各种供应商，并确定最适合其特定要求的 LLM。这包括探索上述提供商和其他许多提供商的产品，以便为集成和后续应用程序开发做出明智的选择。
- 保持谨慎。 鉴于人工智能进步的加速，保持谨慎是必须的。企业必须警惕地监控人工智能模型的行为，以确保其与预期功能和价值观保持一致，并实施必要的强大安全措施。
最终，人工智能的快速发展强调了企业不仅要利用这些进步，而且要明智地利用这些进步，选择最符合其目标和安全要求的工具。在采用新技术时，没有人愿意落后，因为害怕落后于竞争对手。但同样重要的是评估风险，避免投资于最终失败或造成意外后果的计划。
找到在早期采用和谨慎衡量之间取得平衡的组织将让自己处于长期成功的最佳位置。
Manoj Chaudhary 是 Jitterbit 的首席技术官兼工程高级副总裁。