通用與垂直大模型之戰(zhàn)：大模型驅(qū)動(dòng)的商業(yè)智能變革之路

圖源：攝圖網(wǎng)

作者|科技云報(bào)道 來(lái)源|科技云報(bào)到(ID：ITCloud-BD)

是做通用大模型還是垂直大模型，這一個(gè)爭(zhēng)論在“百模大戰(zhàn)”的下討論愈發(fā)熱烈。

目前，以微軟、谷歌、百度、阿里等為代表的發(fā)力于通用大模型的科技大廠，也都開始推動(dòng)大模型在垂直領(lǐng)域的商業(yè)化落地。

比如說(shuō)，微軟和谷歌已將大模型技術(shù)融入操作系統(tǒng)、文檔、搜索和郵件等產(chǎn)品中，展現(xiàn)了強(qiáng)大的實(shí)用價(jià)值。

垂直大模型則更為直接的深入特定行業(yè)和應(yīng)用場(chǎng)景，如金融、醫(yī)療或零售等，相比于通用大模型，垂直大模型能夠更精準(zhǔn)地滿足行業(yè)特定的需求。

說(shuō)到底，無(wú)論是通用還是垂直大模型，其核心點(diǎn)還是落地場(chǎng)景和商業(yè)化。大模型重新定義了人工智能的邊界和可能性，但更需要的是，在具體的商業(yè)環(huán)境中找到了新的生存空間和增長(zhǎng)點(diǎn)。

在眾多垂直領(lǐng)域中，大模型在智能商業(yè)BI領(lǐng)域落地尤為引人注目。作為商業(yè)決策的關(guān)鍵支撐工具，傳統(tǒng)的BI在大數(shù)據(jù)時(shí)代已顯得力不從心。

垂直大模型的加入，對(duì)話式BI的實(shí)現(xiàn)，則為BI帶來(lái)了前所未有的可能性。

數(shù)據(jù)分析不再是特定專業(yè)人員的保留節(jié)目，通過(guò)對(duì)話式BI，企業(yè)每一位員工都可以通過(guò)自然語(yǔ)言與系統(tǒng)互動(dòng)，得到更直觀、更個(gè)性化的洞察。

 01

從傳統(tǒng)BI到對(duì)話式BI

第一個(gè)需要弄清楚的問(wèn)題是，商業(yè)智能（BI）是什么？

商業(yè)智能（Business Intelligence，簡(jiǎn)稱BI）是一套解決方案，通過(guò)分析、挖掘、整合和展示企業(yè)內(nèi)外的大量非結(jié)構(gòu)化數(shù)據(jù)，為決策者提供指導(dǎo)和支持。

具體來(lái)說(shuō)，BI是一套完整的由數(shù)據(jù)倉(cāng)庫(kù)、查詢報(bào)表、數(shù)據(jù)分析等組成的數(shù)據(jù)類技術(shù)解決方案，能夠?qū)崿F(xiàn)業(yè)務(wù)流程和業(yè)務(wù)數(shù)據(jù)的規(guī)范化、流程化、標(biāo)準(zhǔn)化，打通ERP、OA、CRM等不同業(yè)務(wù)信息系統(tǒng)，整合歸納企業(yè)數(shù)據(jù)。

BI可以幫助企業(yè)深入了解自身運(yùn)營(yíng)狀況，監(jiān)測(cè)業(yè)務(wù)流程，掌握市場(chǎng)動(dòng)態(tài)，并基于數(shù)據(jù)分析來(lái)制定戰(zhàn)略和戰(zhàn)術(shù)。

比如BI可以制作滿足不同部門、不同層級(jí)員工的數(shù)據(jù)可視化報(bào)表，可以幫助一線業(yè)務(wù)人員實(shí)現(xiàn)業(yè)務(wù)的追蹤、預(yù)測(cè)、復(fù)盤等操作；也可以幫助企業(yè)高層管理人員，通過(guò)商業(yè)智能BI的管理駕駛艙、核心KPI指標(biāo)、集團(tuán)看板等.

然而，傳統(tǒng)的BI系統(tǒng)常常復(fù)雜且難以使用，需要通過(guò)專業(yè)人員來(lái)操作和解讀。這其中的時(shí)間延遲和技能門檻成為了效率和普及的障礙。

另外，數(shù)字化時(shí)代，無(wú)論產(chǎn)品研發(fā)、市場(chǎng)營(yíng)銷、財(cái)務(wù)管理還是客戶服務(wù)，在經(jīng)營(yíng)各環(huán)節(jié)使用數(shù)據(jù)支撐決策已成為企業(yè)的日常，企業(yè)數(shù)據(jù)分析需求量大幅度上升。

同樣，企業(yè)的管理者還是普通財(cái)務(wù)甚至是業(yè)務(wù)人員都需要利用BI來(lái)進(jìn)行更高效的數(shù)據(jù)分析和決策。

對(duì)話式BI的出現(xiàn)，正是為了解決這些問(wèn)題和需求。

與傳統(tǒng)BI系統(tǒng)相比，對(duì)話式BI采用自然語(yǔ)言處理技術(shù)，允許用戶通過(guò)自然語(yǔ)言詢問(wèn)，就像與人類分析師對(duì)話一樣，從而獲取所需信息。這一交互方式大大降低了使用門檻，提高了效率。

普及性與便利性：對(duì)話式BI不需要專業(yè)的技能和培訓(xùn)，讓更多人員可以直接訪問(wèn)和利用企業(yè)的數(shù)據(jù)資源。

實(shí)時(shí)性與靈活性：對(duì)話式查詢?cè)试S用戶實(shí)時(shí)獲取信息，快速響應(yīng)臨時(shí)或緊急需求，增強(qiáng)了企業(yè)的靈活性和響應(yīng)能力。

個(gè)性化與智能化：通過(guò)智能大模型，對(duì)話式BI能夠理解復(fù)雜的查詢，并根據(jù)個(gè)人的需求和背景提供定制化的解答。

集成與擴(kuò)展能力：對(duì)話式BI可以更容易地與其他系統(tǒng)集成，為企業(yè)提供更廣泛的應(yīng)用場(chǎng)景和擴(kuò)展可能性。

對(duì)話式BI的崛起并不是偶然的現(xiàn)象，而是商業(yè)智能發(fā)展的必然趨勢(shì)。它體現(xiàn)了現(xiàn)代企業(yè)對(duì)數(shù)據(jù)分析的迫切需求，以及對(duì)便捷、智能和高效工具的追求。

隨著這一領(lǐng)域的不斷創(chuàng)新和發(fā)展，對(duì)話式BI將成為未來(lái)企業(yè)決策支持的重要方向。

02

可信度挑戰(zhàn)

雖然對(duì)話式BI提高了效率，但基于通用大模型的對(duì)話式BI，其答案的可信度卻成了問(wèn)題。

類ChatGPT產(chǎn)品并不能帶來(lái)完全準(zhǔn)確的回答，主要原因在于兩點(diǎn)：首先，類ChatGPT產(chǎn)品更擅長(zhǎng)處理自然語(yǔ)言文本數(shù)據(jù)相關(guān)任務(wù)，并非專門為數(shù)據(jù)分析而設(shè)計(jì)；其次，通用大模型可能存在捏造事實(shí)，也即“AI幻覺(jué)”。

一些產(chǎn)品可能存在所謂的“AI幻覺(jué)”。在BI領(lǐng)域可能是捏造字段，這在數(shù)據(jù)分析中可能成為致命問(wèn)題。

為了解決這一問(wèn)題，一些公司正在積極尋找解決方案。例如，網(wǎng)易數(shù)帆最近發(fā)布的有數(shù)ChatBI產(chǎn)品，就強(qiáng)調(diào)在需求理解、過(guò)程驗(yàn)證、用戶干預(yù)和產(chǎn)品運(yùn)營(yíng)四個(gè)方面確保數(shù)據(jù)的可信。

網(wǎng)易數(shù)帆大數(shù)據(jù)產(chǎn)品線總經(jīng)理余利華認(rèn)為，AI幻覺(jué)的產(chǎn)生是由于訓(xùn)練數(shù)據(jù)不足、文本與表示之間的編解碼錯(cuò)誤等因素，可怕的是AI并不知道這是幻覺(jué)，單靠Prompt（提示）來(lái)糾正極為困難。

對(duì)此，網(wǎng)易數(shù)帆打造可信的有數(shù)ChatBI的核心點(diǎn)在于：需求可理解，過(guò)程可驗(yàn)證，用戶可干預(yù)，產(chǎn)品可運(yùn)營(yíng)。

需求可理解，是指網(wǎng)易數(shù)帆為彌補(bǔ)用戶認(rèn)知和復(fù)雜工具之間的門檻，提升準(zhǔn)確率，借助大模型的語(yǔ)言理解能力，先進(jìn)行需求分析，這樣即使是完全不懂BI的使用者也能通過(guò)需求分析內(nèi)容判斷系統(tǒng)的取數(shù)步驟是否正確。

過(guò)程可驗(yàn)證，即借助基于大模型的NL2SQL能力實(shí)現(xiàn)復(fù)核。為了提升NL2SQL能力，網(wǎng)易數(shù)帆有針對(duì)性地定制生成和優(yōu)化了超過(guò)30萬(wàn)不同類型的問(wèn)法和SQL。

余利華介紹，網(wǎng)易數(shù)帆調(diào)優(yōu)出的NL2SQL領(lǐng)域模型，效果已達(dá)到GPT-3.5的水平。

用戶可干預(yù)，即將數(shù)據(jù)模型和查詢條件結(jié)構(gòu)化，用戶可干預(yù)可調(diào)整，切換數(shù)據(jù)模型或者查詢條件。

產(chǎn)品可運(yùn)營(yíng)，即網(wǎng)易數(shù)帆為有數(shù)ChatBI產(chǎn)品構(gòu)建了獨(dú)特的運(yùn)營(yíng)反饋機(jī)制，用戶可以反饋數(shù)據(jù)的準(zhǔn)確性，管理員可運(yùn)營(yíng)知識(shí)庫(kù)、標(biāo)記及優(yōu)化badcase，從而提升數(shù)據(jù)可靠性。

僅僅依靠分析領(lǐng)域具備GPT-3.5實(shí)力的NL2SQL模型，并不能保證對(duì)話式BI返回100%正確的結(jié)果，產(chǎn)品的設(shè)計(jì)對(duì)于落地顯得尤為重要。

余利華表示，有數(shù)ChatBI實(shí)現(xiàn)可信的關(guān)鍵，是讓用戶在結(jié)果錯(cuò)誤的時(shí)候能夠認(rèn)識(shí)到那是錯(cuò)的，并通過(guò)人工干預(yù)得到正確的結(jié)果。

在實(shí)際應(yīng)用中，以大型連鎖超市的銷售部門場(chǎng)景為例，產(chǎn)品人員輸入“我想看今年上半年華北地區(qū)每個(gè)月的利潤(rùn)”，有數(shù)ChatBI可給出相應(yīng)結(jié)果，并用自然語(yǔ)言描述了查詢的邏輯與步驟。

掌握SQL的專業(yè)人員可以點(diǎn)擊“更多”按鈕查看對(duì)應(yīng)的SQL。如果邏輯有誤，例如用戶想看“訂單日期”在上半年的數(shù)據(jù)，但是AI篩選的是“發(fā)貨日期”，用戶可點(diǎn)擊“修改查詢條件”進(jìn)行對(duì)校正。

據(jù)網(wǎng)易數(shù)帆透露，目前，有數(shù)ChatBI在網(wǎng)易公司的應(yīng)用，已經(jīng)覆蓋產(chǎn)品、運(yùn)營(yíng)、市場(chǎng)、財(cái)務(wù)等非技術(shù)人員。

03

尋找通用與

垂直大模型的平衡點(diǎn)

回到開頭通用和垂直大模型的討論上。

這一次，有記者在網(wǎng)易數(shù)帆城市行媒體溝通環(huán)節(jié)將這個(gè)問(wèn)題拋給了網(wǎng)易。

網(wǎng)易副總裁、網(wǎng)易杭州研究院執(zhí)行院長(zhǎng)、網(wǎng)易數(shù)帆總經(jīng)理汪源對(duì)此表示：網(wǎng)易目前的實(shí)際情況是既做通用的大模型，也做垂直的大模型，這兩者之間是支撐的關(guān)系，最終的出口是做垂類的模型，從企業(yè)服務(wù)市場(chǎng)的角度，應(yīng)用在軟件開發(fā)和數(shù)據(jù)分析這兩個(gè)最關(guān)注的領(lǐng)域。

為了實(shí)現(xiàn)這一目標(biāo)，網(wǎng)易團(tuán)隊(duì)構(gòu)建了一個(gè)“公共底座”——網(wǎng)易“玉言”大模型。該模型由網(wǎng)易伏羲實(shí)驗(yàn)室和杭研的人工智能團(tuán)隊(duì)共同推動(dòng)，后期還將加入更多業(yè)務(wù)團(tuán)隊(duì)共同打造網(wǎng)易集團(tuán)的大模型底座。

這一次在BI產(chǎn)品上的探索同樣做到了在通用和垂直大模型上尋找平衡點(diǎn)。結(jié)合通用和垂直模型將有助于提升對(duì)話式BI的準(zhǔn)確性和適用性，打破了傳統(tǒng)商業(yè)智能的局限，開啟了新的可能。

在大模型掀起的新時(shí)代里，許多企業(yè)都站在了一個(gè)十字路口，開始尋找通用大模型與垂直行業(yè)大模型之間的平衡。

通用模型以其強(qiáng)大的語(yǔ)言理解能力為人們提供了廣泛的應(yīng)用前景，而針對(duì)特定行業(yè)或需求的垂直模型則能更精準(zhǔn)地滿足實(shí)際要求。

實(shí)際上，通用和垂直大模型并不是孤立的存在，它們之間的協(xié)同作用可能正是推動(dòng)商業(yè)智能向更高層次發(fā)展的關(guān)鍵。

通過(guò)精準(zhǔn)地結(jié)合兩者的優(yōu)勢(shì)，企業(yè)不僅能滿足現(xiàn)實(shí)需求，還能為未來(lái)創(chuàng)新鋪設(shè)堅(jiān)實(shí)的基礎(chǔ)。

未來(lái)，這一平衡的探索將更多地體現(xiàn)在產(chǎn)品設(shè)計(jì)和技術(shù)創(chuàng)新中。

通用模型可能會(huì)繼續(xù)拓展其在各個(gè)領(lǐng)域的應(yīng)用，同時(shí)垂直模型將更加聚焦于某些關(guān)鍵行業(yè)，如金融、醫(yī)療和教育等。這兩者的結(jié)合將為實(shí)現(xiàn)更智能、更人性化的交互和服務(wù)打開新的大門。

從長(zhǎng)遠(yuǎn)看，通用與垂直大模型的協(xié)同可能將推動(dòng)人工智能技術(shù)的下一個(gè)里程碑。

是否可以在維持通用性的同時(shí)，達(dá)到針對(duì)特定需求的最優(yōu)解？這不僅是一個(gè)技術(shù)問(wèn)題，也涉及到產(chǎn)業(yè)戰(zhàn)略、商業(yè)模式和倫理考量。

隨著更多企業(yè)和研究機(jī)構(gòu)的共同努力，尋找通用和垂直大模型的平衡點(diǎn)將成為推動(dòng)商業(yè)智能持續(xù)創(chuàng)新和高質(zhì)量發(fā)展的關(guān)鍵。

這一過(guò)程將揭示人工智能如何真正融入我們的日常生活和工作，為人類帶來(lái)前所未有的便利和機(jī)遇。

04

結(jié)語(yǔ)

對(duì)話式商業(yè)智能代表了BI領(lǐng)域的一個(gè)新方向，其自然的交互方式和快速的響應(yīng)時(shí)間正在改變企業(yè)的數(shù)據(jù)分析方式。

然而，隨之而來(lái)的可信度挑戰(zhàn)需要整個(gè)行業(yè)共同努力解決。

未來(lái)，通過(guò)更多的研發(fā)投入、跨企業(yè)合作以及對(duì)通用和垂直模型的深入研究，我們有望見(jiàn)到更加精確、可信和高效的對(duì)話式商業(yè)智能產(chǎn)品，推動(dòng)整個(gè)商業(yè)分析領(lǐng)域向前發(fā)展。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：科技云報(bào)到(ID：ITCloud-BD)，作者：科技云報(bào)道