、GPT-4 引领的 AIGC 浪潮已至，自动化、生成式的方式将为各行各业从底层研发工具、到中间层架构设计、再到上层应用带来一定的革新。
身处变革洪流之中的我们，盲目跟风势必不可取，那又该如何正确与理性看待这门技术，AIGC 将给我们带来哪些机会？通过这篇文章，我们希望能为大家带来一些思考。
文末有福利~~
AIGC 以其强大的创造能力、快速的反应能力、全面的输出能力，给人们带来震撼和冲击。基于大数据和大算力的支持，AIGC 大模型必将突破个人使用层面，从目前的写作、设计、编程、问答等业务，转向更广泛的应用场景，产生商业价值，为经济发展注入新动能，为产业变革带来新动力，助推社会生产力实现高质量跃迁。
就像一枚硬币总有两面，我们在看到 在人工智能的赛道上高歌猛进时，同样也要意识到 AIGC 带来的风险和挑战。AIGC发展迅猛，相关法律法规尚未完善，其发展面临诸如数据安全与隐私保护、著作权争议等问题。
AIGC 的优势
AIGC 的优势已经显而易见，可生成的内容十分丰富，完全不局限于文本、图片、音频、视频等数字媒体，可以广泛覆盖人类生产生活中所需的各类产品。
AIGC 不仅可以进行传统文案创作或者广告、动漫、影视等数字媒体内容生成，也可以进行新产品、新流程、新方案的设计。
AIGC 工具 可以根据指定颜色生成的图片
虽然 AIGC 工具可能已经在日常工作中扮演着助手的角色，比如撰写市场营销方案、编写代码等，大大地提升了工作效率，但如果认为 AIGC 的意义仅是如此，那就低估了它的能量。
AIGC 工具不同于传统的人工智能工具，它实现了从决策式 AI 到生成式 AI 的转型。决策式 AI 学习的知识局限于数据本身，而生成式 AI 在总结、归纳数据的基础上可以生成数据中不存在的样本，在认识论中已经产生了逻辑。换言之，生成式 AI 有了一定的归纳与创新能力。因此，AIGC 不仅可以生成碎片化的内容，还提供了生成面向完整场景内容框架的机会，相比于决策式 AI 只能做选择题，生成式 AI 的交互性更强，通过强大的语言建模和推理能力，可以在多轮交互中以“类人”的方式交流、学习和进步，为很多场景提供更完整应用人工智能的可能性。
如下图所示，以 AI 电话客服场景为例，决策式 AI 通常只能在每一个节点判断用户的意图，它会根据学习到的经验和预先设定的逻辑做出一个选择，从而做出反应，进行“一问一答”。传统 AI 电话客服总是显得很“笨”，回答机械生硬，内容也不够精准，交互度不够。并且 AI 电话客服的逻辑框图是人工设定的，无法根据实际情况进行及时更新，与真正的交流还有一定的差距，这显然无法满足用户需求，也无法为用户提供良好的对话体验。而生成式 AI 通过一定数量的数据训练后，可以根据场景描述和限制条件输入，直接产生类似下图的逻辑框图。在实际应用中，这样解决问题的方法也许是具有跨时代意义的，它意味着很多需要专业经验的工作可以通过生成式 AI 来完成，AI 在行业场景下的渗透更加深入，可极大地提高人们的工作效率。
AI 电话客服逻辑框图
由此可见，生成式 AI 所生成的内容已不局限于一般意义上的内容，而是面向完整场景的内容框架和逻辑结构。AIGC 对这样的业务场景进行升级改造，能够真正赋能实体经济，实现生产力的极大提升。
AIGC 变革业务流程
以 为代表的 AIGC 应用目前已深度参与到企业的业务流程改造工作中，将文本、图片、视频、代码等内容的自动化生成能力，与原有的企业管理系统集成与融合，能够精简和优化原本复杂的业务流程，大幅提升组织的业务运行效率。
AIGC 对业务流程的影响无疑是积极的，无论将 AIGC 用于内容撰写、智能客服、日程管理，还是用于市场营销、销售、财务、人力等业务领域，它都能够不同程度地精简或优化业务流程，缩短业务流程周期，提高业务流程效率，最终对企业和组织起到降本增效的作用。
一方面，AIGC 可以精简与优化原有的业务流程。通过分析大量数据，识别常见模式和规则，AIGC 能够生成与业务流程相契合的自动化程序，提高组织生产效率和自动化水平，实现业务流程的快速执行。原本需要多个步骤的业务流程，借助 AI 可实现流程自动化，大大减少人工干预，进而解放人力、降低成本，还可以提高业务流程的执行效率。
举一个例子，现在开发人员已经能用 来编写代码了，只要开发人员给的要求和提示足够完整，它甚至可以从头到尾编写完整的代码。整个过程不需要开发人员输入任何代码，只需不断地跟它用文字交互。 同时还能阅读已有代码，添加注释或者纠错，如此一来便可极大地提升代码、文档的编写和审查效率。通过使用，开发人员可以简化他们的工作流程，提高他们的生产力，减少开发成本、缩短开发时间，原本需要更多时间和精力来构建的应用程序也可以轻松完成。
另一方面，基于 AIGC 的新流程可以替代原有流程。有些业务流程原来完全由人力承担，如果人力不足，就只能将业务外包，在效率并未提升的情况下，成本却在逐步上升。有了可以胜任业务的AIGC，自然就可以用这些技术去替代原来的业务流程。例如，智能客服可以用 AIGC 生成服务话术，短视频拍摄可以用 AIGC 生成简单剧本，等等。AIGC 技术的独立生成能力也很强大，只需要输入一定的提示信息，它就能独立完成大量内容的创作工作。
从实现角度而言，可以将 AIGC 工具与 ERP（企业资源计划）、RPA（机器人流程自动化）、BPA（业务流程自动化）、BI（商业智能）及低代码等工具进行集成，形成端到端的解决方案，以全局化的方式优化业务流程。比如，我们可以将 AIGC 与 ERP 系统集成，自动生成项目排期计划，或者将 用于低代码平台通过对话聊天的方式自动构建流程框图等。而在这个过程中，AIGC 与这些管理系统不是并行关系，而是与整体业务流程融合在了一起。
与 的集成案例也是变革业务流程的一个典型。通过嵌入 的即时通信工具， 可以帮助团队更高效地工作，例如在与客户的对话过程中，根据多轮对话的上下文信息，快速起草消息，或者快速找到问题答案，从各方面提升工作人员的效率，让他们能专注于更有价值的任务，以此提升团队生产力。现在已有很多软件厂商在探索其产品与生成式 AI 的集成与融合应用，比如有的低代码平台已经在教客户如何通过 API 集成 了，微软也发布了 365 ，在 办公软件中加入了 GPT—4。
邮件生成功能（来源：微软官方博客）
生成式 AI 技术与各种软件系统的集成与融合，已经成为一种趋势，并且正在极大地改变与优化企业的工作模式。可以说，一家企业是否能很好地利用生成式 AI，将标志着这家企业是否能在千变万化的市场中站稳脚跟、持续保持足够的竞争力。随着搭载生成式 AI 的解决方案走入更多企业和组织，生成式 AI 也将带领它们迈入更高效的业务流程时代。
AIGC 的瓶颈
当然，AIGC 也存在发展瓶颈。AIGC 虽然发展迅速，却一直面临准确度的挑战，经常被人诟病生成的内容准确率不高、可信性不强、文本直接拼凑、没有逻辑性等，时常出现一些令人哭笑不得的错误。
除了技术本身的发展限制，引入技术的成本短期内也会大幅增加，算力和维护成本也是要面对的问题。AIGC 的运行需要庞大的算力支持，技术的发展也加剧着对算力的需求，这势必产生巨大的成本，甚至需要探索计算方式的变革。
此外，AIGC 的发展和应用也可能会造成人员失业问题，取代部分蓝领和白领的工作，由此带来社会大范围的焦虑和恐慌。
数据安全与隐私保护、著作权争议等问题也是AIGC 进一步发展的瓶颈。
在人工智能时代，数据被称作新一轮技术革命的“石油”，它既是最重要的资源，也是最大的隐患。AIGC 的生成能力来自数据和模型，而数据来源本身就会引起隐忧。AIGC 的发展同样需要面对和解决数据问题。
首先是数据来源的问题。AIGC 并不会凭空创造出数据，其生成能力是以现有数据为基础的，而数据来源本身就可能会涉及侵犯他人著作权、肖像权、名誉权、个人信息等多项权利的风险。如果使用的数据是未经文字、照片、影视、短视频等作品著作权人授权和许可的，则涉及侵犯著作权的情况；如果生成的内容出现侮辱、诽谤等情况，可能对他人产生负面影响，涉及侵犯名誉权的问题；如果使用人脸等个人生物识别信息，也可能存在侵犯公民个人信息安全的风险。再者是数据传输和保护的问题。
以 为例，用户在对话框中输入文字内容后，该内容首先会传输到 的服务器上，随后 才会给出相应回答，这些服务器可能部署在国外的某个机房中，在短暂的时间内数据就完成了多次跨境传输。用户在使用 时很有可能无意间造成个人信息、隐私信息、商业秘密等信息的泄露。为此，微软、亚马逊等公司已经提出禁止员工对 分享任何机密信息，防止出现泄露商业秘密的问题。而负有保密义务的用户在使用 和类似的人工智能工具时，更应当注意保护隐私信息，以免出现泄密行为。
应对 AIGC 带来数据风险问题的首要路径是遵守相关法律法规，各国针对数据安全、个人信息保护都制定了相关的法律法规，我国的《网络安全法》、《数据安全法》及《个人信息保护法》等法律对数据及个人信息保护都做出了规定，在收集和使用数据时应该遵守相关规定。
法律具有滞后性，无法跟上技术发展的速度，生成式 AI 对原有法律规定也提出了挑战，例如，给备受关注的欧盟《人工智能法案》（AI Act）的出台和谈判增加了诸多困难。但是各国均在积极应对，出台政策或者法律规定，以保障网络用户的合法权益。2023 年 1 月10 日，《互联网信息服务深度合成管理规定》正式施行，这是我国第一部针对深度合成服务治理的专门性部门规章，对深度合成服务提供者和技术支持者进行了规定，要求加强训练数据和技术管理，保障数据安全，不得非法处理个人信息。AI 合成平台必须要求内容创作者实名认证，监督创作者标明“这是由 AI 合成”之类的标识，避免公众混淆或者误认，并且要求任何组织和个人不得采用技术手段删除、篡改、隐匿相关标识。如提供合成人声、人脸生成等生物识别信息编辑功能的，应当依法告知被编辑的个人，并取得其同意。
在跨境传输数据方面，也有相应法律法规，数据传输方需要主动进行数据出境风险自评估，为数据出境申请必要的授权或许可，并定期评估和审计数据出境的情况，维护国家数据安全。此外，还可以通过强化数据安全治理的技术手段，加强技术研发、资产保护、隐私保障和数据加密；加强 AIGC 全生命周期的网络安全测评，强化安全框架，保持对系统的检查与对抗检测；明确监管责任，提高算法的透明性，加强算法问责，建立人工智能生成内容鉴别机制。
除了数据的问题，AIGC 也会带来著作权方面的争议。根据我国《著作权法》的规定，自然人和法律拟制的人是享有著作权和履行义务的主体。由此，AIGC 不能作为著作权的主体，但这也并不意味着AIGC 创作的内容不受法律保护。目前观点认为，AIGC 生成的原创性内容，实际上是人机合作的智力成果，因此，人工智能创作内容完全可以认定为属著作权所保护的“作品”范畴，著作权归属于人工智能软件开发者。此前，在腾讯诉盈讯科技侵害著作权案中，法院认定腾讯公司开发的 智能写作助手生成的财经文章是腾讯公司主持创作的法人作品，保护了其著作权。这一判决有利于鼓励相关人工智能产品的创新发展。
如前所述，AIGC 创作是需要素材的，不可避免会涉及对他人享有著作权的作品的使用，而按照当前著作权法的要求，使用人使用相关作品时，必须获得权利人许可，支付相应的许可使用费。因此，AIGC 如未经许可使用作品，可能会陷入侵权困境。此类案例屡见不鲜。如 2023 年 1 月，全球知名图片提供商华盖创意（Getty ）起诉 的开发者 AI，控告其未经许可对平台上数百万张图片进行窃取。2023 年 2 月，《华尔街日报》记者弗朗西斯科·马可尼（ ）也公开指责，Open AI 公司未经授权大量使用路透社、《纽约时报》、《卫报》、英国广播公司等国外主流媒体的文章训练 模型，但从未支付任何费用。
目前，一些国家和地区已尝试出台了关于“文本和数据挖掘例外”“计算机分析例外”等与 AI 使用作品相关的著作权侵权例外制度。在我国，根据“使用他人作品时应当取得著作权人的授权”的一般规定，AIGC 进行内容生成的过程中，应当审查素材数据库中是否存在受著作权保护的作品，对于相关作品，应当取得相关著作权人的授权，以避免陷入著作权侵权纠纷。
总体而言，虽然 AIGC 在数据安全和著作权等方面面临一定的风险和挑战，但其以巨大的实用性和灵活性为业务流程带来了不可替代的高效和不可逆转的变革。而且，随着 AIGC 的发展，越来越多的科技企业将会加入这一赛道，AIGC 也将在更多行业得到更广泛的应用。法律本身不应成为限制技术进步的桎梏，新技术的产生也势必会带来法律挑战。法律虽然具有滞后性，总体上落后于社会生活实际，但应该积极做出回应，促进科技进步，确保科技向善，助力行业发展，实现产业升级。
发表回复