社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

最近在帮一些企业做AI转型,做了些研究。 发现95%的企业AI转型都失败了,只有5%利用AI提高了利润。 40%的公司倒是人手一个ChatGPT账号,但提高的只是个人效率,对公司影响不大(数据:MI....

很帅的投资客 • 7 月前 • 132 次点击  
最近在帮一些企业做AI转型,做了些研究。
发现95%的企业AI转型都失败了,只有5%利用AI提高了利润。
40%的公司倒是人手一个ChatGPT账号,但提高的只是个人效率,对公司影响不大(数据:MIT)。

这跟当年电力革命很像——电力革命爆发于1890年,但真正提高生产效率得等到30年后。
原因很有意思——
蒸汽机时代通常是多层工厂。
工厂用锅炉烧煤驱动中央蒸汽机,转起来后会通过皮带,带动机器。
如果是水平铺开,离中央蒸汽机太远的机器就拉不动了——过长的皮带会带来摩擦损耗,能源转化率很低。
所以工厂建成多层——垂直分布的机器离中央蒸汽机都不远,摩擦损耗少些。
而电动机刚出现时,工厂只是简单地用它单点替代了蒸汽机,皮带系统、工厂结构都没改。

这很蠢——物理上,两者能量转化链条分别是:
- 蒸汽机:化学能(煤)➡️热能(蒸汽)➡️机械能(蒸汽机/皮带/机器)
- 电动机:化学能(煤)➡️热能(蒸汽)➡️汽轮机(动能)➡️电能(发电机)➡️机械能(电动机/皮带/机器)
多了两步转化,效率更低了。
跟公司额外掏了AI订阅费、却没提高产出一个道理。

后来,小型电机出现了。
每个机器由小电机单独驱动,不再通过皮带传输动能,而是通过电线把工厂集中发的电传给小电机。
工厂于是变成了单层。

这也让福特式流水线成为可能——多层工厂每层做好的半成品还要克服重力拉到另一层继续组装,而单层工厂没这个问题。
基于动力,工厂重构了物理动线,效率爆发。

回顾每次通用技术的普及,都会经过上述三个阶段,比如互联网——
1. 单点替代:静态网页替代报纸书籍(Web1.0),维持旧有商业模式
2. 流程重构:在线支付与O2O闭环,重写物理世界业务流
3. 组织重塑:平台经济,网状组织替代科层制

AI时代——
1. 单点替代:AI替代初级员工,维持旧SOP(该写的周报还是得写)
2. 流程重构:默认由AI完成,搞不定再上人力,基于此重写SOP
3. 组织重塑:不以职能分工(因为AI让设计也能做技术的活),改以结果为目标分工。每个人创造的价值都很大,最后变成少数合伙人+多个弹性节点(部分职能单个企业不需太多,可兼职服务多家企业)的组织架构

现在40%的企业还停留在第一个阶段。
所以用Token消耗量作为KPI的企业都挺蠢的。甚至有员工通过不断生成再总结的方式烧token(AI形式主义),或是搭建多角色智能体来浪费token(底层都是同一权重,智力上限并没变,过家家式的讨论反而浪费了时间和算力)。
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/195004