暂无搜索历史
上个月,和一个做了8年B端产品的朋友吃饭。他一直在做AI相关的产品探索,聊到最近的一个困惑:
某证券公司准备上线一个AI助手,帮合规部门快速检索监管法规、内部制度、历史处罚案例。
去年年底,公司内部有一个争论:法务团队想采购AI合同审查工具,但IT团队对效果存疑,认为“演示环境和真实场景是两回事”。
很多企业AI平台建设的问题,不是某个能力没有,而是四层没有同时到位。缺了L1,后面三层就收不到数据。缺了L2,L3和L4就没有数据支撑决策。缺了L3,L4就只能...
聊得越多,一个感受越清晰:做得好的企业,无一例外在底层基础设施上下了功夫;做得不好的,绝大多数是把所有精力都花在了模型和工具选型上。
2024年,一个企业可能只用1-2个AI工具。ChatGPT写文案,Midjourney做图,够了。
培训经理算过一笔账:每款新品培训投入平均5000元(制作物料+培训工时),一年上架100+新品,光培训成本就50多万。但培训完一个月,店员记住的不到40%。
你今天用GPT-4,竞争对手明天也能用。OpenAI不会只卖给你。Claude、文心、混元……哪个不是谁都能调?
数字化建设时,每个系统独立上线,目标是“把本系统的业务跑通”。系统之间的数据对齐,优先级永远靠后。
老板们不再追问“AI能干什么”,而是追问“花了这么多钱,效果在哪?”。CIO们夹在老板的高期望和业务部门的低配合之间,左右为难。员工一边期待AI帮自己减负,一边...
我查了日志,发现问题出在检索环节——用户问题里的“处理”,和文档里的“排查步骤”,向量距离很远,根本没召回来。
真实数据:一家500人企业的HR负责人告诉我,HR团队每天收到约200个咨询,其中70%是重复性、有标准答案的问题。处理这些问题,消耗了HR团队近三分之一的工作...
自从Copilot、ChatGPT、Cursor等AI编程工具出现以来,“AI会不会取代程序员”就成了技术圈最热门的讨论话题之一。
企业对待代码有Git仓库,对待文档有Confluence/SharePoint,但对待Prompt、工作流、知识库——没有统一的管理体系。
Gartner 2025年的报告显示:67%的企业无法量化其AI投资的财务回报。问题不在于AI有没有用,而在于“没有从一开始就设计ROI的度量体系”。
但真正测试时,经常会遇到一个问题:用户明明是在接着上一句话问,智能体却像没听懂一样,重新回答。
AutoGen是微软研究院于2023年9月开源的多智能体协作框架,经过两年迭代至v0.4版本,已具备企业级部署能力。
采购专员需要逐份打开、逐项核对、逐条记录。审核一家新供应商,平均耗时2-3天。遇到资质不全或信息有误的,还要来回沟通,时间更长。
在具体实现上,有企业采用 ZGI 作为多租户AI平台的底座方案,其权限隔离、数据隔离、计费隔离能力覆盖了上述全部设计。
今年年初,我们帮一家制造企业做技术文档知识库选型。看了5款产品,厂商演示时都说自己“精准”“智能”“理解能力强”。
暂未填写公司和职称
暂未填写个人简介
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市