嘉賓 | 溫夢(mèng)飛

采訪&撰稿 | 云昭

潮至千艘動(dòng)，濤喧萬(wàn)鼓鳴。生成式AI的魔法，征服了千行百業(yè)。高漲的呼聲之中，我們迎來(lái)了現(xiàn)代科技的航海時(shí)代，開(kāi)啟了以ChatGPT為代表的新一輪創(chuàng)業(yè)浪潮。無(wú)論是toC、還是toB，每條賽道的玩家都紛紛趕來(lái)。

同樣是浪潮，我們觀察到現(xiàn)在AIGC領(lǐng)域的不同玩家，進(jìn)展重點(diǎn)不同、快慢不一。如何選擇賽道？又如何做好一個(gè)大模型產(chǎn)品，需要攻克哪些難關(guān)？

與大家通?？吹降摹坝?xùn)練自己的大模型”、“文生圖”、“文案創(chuàng)作”不同，我們看到了細(xì)分行業(yè)領(lǐng)域的行業(yè)大模型產(chǎn)品，正在悄然走紅。

為此，我們邀請(qǐng)到全球科技用工管理的前行者Gonex的首席執(zhí)行官溫夢(mèng)飛，來(lái)分享在時(shí)代浪潮面前，如何打造出一款“成本低、體驗(yàn)好”的大模型產(chǎn)品的。

1、我們選擇了出海HR

在大眾看來(lái)，AIGC的火熱，仿佛是“忽如一夜春風(fēng)來(lái)，千樹萬(wàn)樹梨花開(kāi)”，當(dāng)溫夢(mèng)飛卻不這樣看?！澳壳按蠹腋嚓P(guān)注一些底層的技術(shù)或者一些中間件，然而這些沒(méi)有能解決實(shí)際場(chǎng)景問(wèn)題?！?/p>

目前看，比較熱的領(lǐng)域還是集中在容錯(cuò)率較高的開(kāi)放場(chǎng)景下，比如用AI生成網(wǎng)紅標(biāo)題、營(yíng)銷文案等。然而，更多的場(chǎng)景需求則不然，它是一個(gè)需要響應(yīng)及時(shí)、數(shù)據(jù)準(zhǔn)確、回答準(zhǔn)確的生產(chǎn)場(chǎng)景，而這些方面，業(yè)內(nèi)更多還是停留在探討的階段。Gonex則堅(jiān)定選擇了這條更少人進(jìn)入的賽道：出海HR。

眾所周知，HR領(lǐng)域是一個(gè)高知識(shí)密度的行業(yè)，需要對(duì)及時(shí)響應(yīng)以及SLA有非常嚴(yán)格的控制。而Gonex則更為不同，在出海這個(gè)領(lǐng)域，會(huì)面臨非常大的信息差，此外，還有語(yǔ)言、文化、時(shí)差等客觀上的差異。如果讓HR快速熟悉一個(gè)陌生國(guó)度的勞動(dòng)政策，是很大的挑戰(zhàn)，并不是所有HR都有全球話的能力和視角。

同時(shí)，每個(gè)國(guó)家的法律法規(guī)、招聘政策，包括勞動(dòng)合同的適用情況、社保的情況，甚至入/離職的手續(xù)，其實(shí)跟與國(guó)內(nèi)有很大不同。

圖片

也就是說(shuō)，對(duì)于出海企業(yè)來(lái)講，還沒(méi)有觸及到業(yè)務(wù)場(chǎng)景，僅僅是非常底層的合規(guī)要求，面臨的挑戰(zhàn)就已經(jīng)非常巨大了。此外，中國(guó)出海企業(yè)從全球范圍內(nèi)吸引和留住優(yōu)秀人才，處理繁瑣的人力資源數(shù)據(jù)以及滿足員工不斷變化的需求也很多，要短時(shí)間積累起這樣的能力起來(lái)，并不容易。

我們希望達(dá)成這樣一個(gè)目標(biāo)：通過(guò)我們的大模型產(chǎn)品和工具，提高工作效率、降低成本，幫助HR團(tuán)隊(duì)快速成為一個(gè)全球HR問(wèn)題專家，并在全球范圍內(nèi)用中文就可以靈活快速地解決各種HR問(wèn)題，而無(wú)需倒時(shí)差或花費(fèi)大量資金雇傭當(dāng)?shù)貙＜?咨詢公司。這才是真正把AIGC用在解決行業(yè)問(wèn)題上。

2、意圖識(shí)別比模型本身更重要

在溫夢(mèng)飛看來(lái)，要做好大模型產(chǎn)品，有一點(diǎn)跟傳統(tǒng)的SaaS領(lǐng)域是一樣的，那就是，要把模型真正融入到業(yè)務(wù)中去。

“很多SaaS或者行業(yè)軟件沒(méi)有解決真實(shí)問(wèn)題，大家也就棄之不用了。我覺(jué)得以后很多的模型產(chǎn)品也是一樣，上了模型比沒(méi)上模型成本還高，體驗(yàn)還差，效率還低，或者只是解決交互問(wèn)題，那其實(shí)是沒(méi)有發(fā)揮出LLM得作用?！?/p>

經(jīng)過(guò)長(zhǎng)時(shí)間的探索，Gonex發(fā)現(xiàn)，將大模型做成一個(gè)問(wèn)答產(chǎn)品，其實(shí)可控性并不強(qiáng)，而且回答問(wèn)題時(shí)，準(zhǔn)確性和效率也不夠高。在實(shí)際使用大模型回答問(wèn)題過(guò)程中，它的不可控的程度越大，產(chǎn)品的容錯(cuò)率就會(huì)越低。

所以說(shuō)，無(wú)論是toC，還是toB，快速把模型融入到業(yè)務(wù)中是非常重要的。而如何做到這一點(diǎn)呢？最重要的一點(diǎn)就是意圖識(shí)別。

意圖，就是把業(yè)務(wù)抽象出來(lái)，跟傳統(tǒng)的SaaS挺類似，但不同的是基于LLM來(lái)做，需要考慮更多的變量。但是不論變量是什么，抽象意圖的能力都是需要產(chǎn)品和技術(shù)人員深入了解業(yè)務(wù)，并把業(yè)務(wù)的場(chǎng)景提取出來(lái)，并把場(chǎng)景里的各個(gè)變量抽象成意圖，讓模型可以識(shí)別自然語(yǔ)言的輸入并把這些輸入對(duì)應(yīng)到軟件的操作邏輯上。

比如，我這個(gè)月的工資是多少，用傳統(tǒng)的軟件流程和用LLM本質(zhì)是一樣的操作，只不過(guò)由于簡(jiǎn)化了用戶操作，而在機(jī)器的處理端會(huì)變得很不一樣。

圖片

Gonex在這塊做了很多的工作，從一開(kāi)始不知道怎么使用LLM來(lái)解決工作流的問(wèn)題，到現(xiàn)在已經(jīng)開(kāi)發(fā)出了一套完整的意圖識(shí)別引擎，幾乎可以解決企業(yè)中后臺(tái)大多數(shù)的工作流問(wèn)題。后續(xù)還會(huì)把這個(gè)引擎開(kāi)源，讓更多的2B應(yīng)用可以做出基于LLM的解決方案。

在研發(fā)過(guò)程中，Gonex其實(shí)在意圖識(shí)別領(lǐng)域，即“從不可控到可控”投入了非常大的精力。從“我不知道要返回什么內(nèi)容”到“針對(duì)不同場(chǎng)景和問(wèn)題返回不同的內(nèi)容”，這個(gè)其實(shí)都是非常重要的 know-how。

比如，模型也是有時(shí)間線的，ChatGPT目前還是2021年9月份之前的數(shù)據(jù)，而且也不可能每天發(fā)生的事都會(huì)通過(guò)模型來(lái)實(shí)時(shí)同步。之前基于AutoGPT、AgentGPT等插件的搜索方式與模型結(jié)合，這本質(zhì)上也是基于意圖識(shí)別。

當(dāng)然，也可能會(huì)基于向量數(shù)據(jù)庫(kù)，甚至基于傳統(tǒng)的諸如MySQL的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)。讓傳統(tǒng)的軟件開(kāi)發(fā)和模型快速地能聯(lián)系起來(lái)，這就是意圖識(shí)別最重要的目的。

在意圖識(shí)別領(lǐng)域，Gonex呼吁業(yè)界能有更多的研究和投入?！拔覀冏约夯谝鈭D識(shí)別做了中間件產(chǎn)品，這也是我們認(rèn)為在2B領(lǐng)域LLM應(yīng)用的核心。這個(gè)環(huán)節(jié)甚至比模型本身還重要。”

在行業(yè)應(yīng)用領(lǐng)域，為什么更看重的是意圖識(shí)別，而不是其他？溫夢(mèng)飛說(shuō)道，如果討論模型本身，算法或者數(shù)據(jù)就變得更重要了，包括怎么低成本訓(xùn)練，數(shù)據(jù)標(biāo)注等等，在討論底層的時(shí)候會(huì)討論比較多。然而，一旦進(jìn)入到大模型應(yīng)用話題，意圖識(shí)別就非常重要了。我們目前還沒(méi)看到很好的意圖識(shí)別的引擎或者說(shuō)中間件。因?yàn)槲覀冏龅靡脖容^早，所以很早就自己做了一套這樣的東西。

同時(shí)，6到9個(gè)月以后，Gonex希望等產(chǎn)品比較穩(wěn)定了，就會(huì)把這一套意圖識(shí)別的中間件開(kāi)源出來(lái)?！叭≈陂_(kāi)源，用之于開(kāi)源?！蔽覀兗热挥昧藙e人的contribution，我們也希望能回饋給社區(qū)。

3、數(shù)據(jù)，還是數(shù)據(jù)

除了意圖識(shí)別，還有一個(gè)行業(yè)數(shù)據(jù)問(wèn)題。之前大家有很多都在討論LLM會(huì)逐漸吞噬行業(yè)數(shù)據(jù)甚至公司的私有數(shù)據(jù)，演變成一個(gè)模型解決所有問(wèn)題。討論歸討論，但許多討論大模型的人都沒(méi)有實(shí)際做過(guò)行業(yè)應(yīng)用。

由于沒(méi)做過(guò)，所以不知道這里有怎樣復(fù)雜的流程和知識(shí)結(jié)構(gòu)。行業(yè)軟件和SaaS的本質(zhì)是對(duì)于管理方法論的輸出，而方法論的抽象是基于行業(yè)經(jīng)驗(yàn)和knowhow的積累并加以提煉，是行業(yè)獨(dú)有的價(jià)值存在，這不是預(yù)測(cè)“下一個(gè)字”的算法所能實(shí)現(xiàn)的，也不是底層或者基座模型能做到的。

目前，讓每一個(gè)小公司或者讓每一個(gè)創(chuàng)業(yè)公司訓(xùn)練自己的模型是不現(xiàn)實(shí)的，現(xiàn)在比較流行的是基于LangChain和Vector（向量數(shù)據(jù)庫(kù)）的解決方案?；谶@些方案，可以讓更多的知識(shí)通過(guò)模型準(zhǔn)確傳達(dá)，讓問(wèn)題回答的內(nèi)容更為準(zhǔn)確。

4、出海創(chuàng)客原動(dòng)力

溫夢(mèng)飛做了一個(gè)判斷，中國(guó)企業(yè)出海是接下來(lái)創(chuàng)業(yè)的浪潮。

“因?yàn)橐呀?jīng)不是第一次創(chuàng)業(yè)了，所以還有不少近水樓臺(tái)，或者更容易的選擇。”但溫夢(mèng)飛話鋒一轉(zhuǎn)，他堅(jiān)信自己的選擇——尤其是在調(diào)研了這兩年的中國(guó)經(jīng)濟(jì)和世界的發(fā)展，他認(rèn)為中國(guó)企業(yè)的出海其實(shí)是必然的選項(xiàng)。

“國(guó)內(nèi)相對(duì)比較成熟的企業(yè)，都會(huì)在中國(guó)享受到全球化浪潮之后，也希望把紅利帶到其他地方?！睖貕?mèng)飛判斷中國(guó)企業(yè)大概率會(huì)像此前美國(guó)、歐洲、日本、韓國(guó)企業(yè)一樣會(huì)有大規(guī)模出海的行動(dòng)，會(huì)把中國(guó)的產(chǎn)品、中國(guó)的知識(shí)、中國(guó)的know-how、中國(guó)的方法論帶到全世界各個(gè)地方。

企業(yè)的出海，帶動(dòng)了包括軟件企業(yè)在內(nèi)的上下游相關(guān)產(chǎn)業(yè)鏈的出海。像美國(guó)企業(yè)出海，可能帶領(lǐng)了Workday、PeopleSoft、ADP這樣HR領(lǐng)域的軟件，每一個(gè)都是幾百億美金的公司。“我們相信在中國(guó)企業(yè)出海的進(jìn)程或過(guò)程中，無(wú)論是國(guó)企、央企、民企都會(huì)用到中國(guó)的軟件、中國(guó)的方法論，這個(gè)是最有魅力、最有價(jià)值的地方?！?/p>

在溫夢(mèng)飛看來(lái)，HR軟件不應(yīng)該僅僅是中國(guó)人用，通過(guò)外國(guó)員工的使用和泛化，甚至可能引領(lǐng)世界的HR企業(yè)的潮流。

“我們選擇了一條陪伴中國(guó)企業(yè)走得更遠(yuǎn)的路，這條路就是出海。這是當(dāng)時(shí)選擇的契機(jī)。”

溫夢(mèng)飛認(rèn)為創(chuàng)業(yè)者要敢于弄潮，“首先必須要身處浪潮中。如果游泳技術(shù)好，就不會(huì)被浪拍死。同時(shí)堅(jiān)持下去，才有可能游到對(duì)岸。”

“Do what you love，money will follow?！?/p>

5、三問(wèn)：AI帶來(lái)的社會(huì)難題

“ChatGPT讓大家形成了一個(gè)共識(shí)，它是一個(gè)trigger，它是一個(gè)扳機(jī)，或者是一個(gè)導(dǎo)火索?！睖貕?mèng)飛認(rèn)為，AI之前的問(wèn)題在于過(guò)于垂直，就是沒(méi)有影響到真正的各行各業(yè)。這次為什么大模型會(huì)讓大家感覺(jué)那么興奮？其實(shí)也是由于場(chǎng)景拓寬了大家的思路，會(huì)融入到各個(gè)領(lǐng)域中去。

而對(duì)于生成式AI對(duì)于社會(huì)的影響，我們聊了三個(gè)問(wèn)題：AI會(huì)讓HR失業(yè)嗎？使用AI會(huì)讓社會(huì)變得更公平嗎？AI會(huì)讓應(yīng)聘者困在算法里嗎？

首先，溫夢(mèng)飛并不認(rèn)為AI會(huì)讓HR失業(yè)。AI產(chǎn)品其實(shí)只會(huì)替代一些routine、一些機(jī)械性的、一些不需要?jiǎng)幽X的勞動(dòng)。未來(lái)HR們會(huì)把工作轉(zhuǎn)移到比如組織建設(shè)上、文化的建設(shè)上，這些更需要?jiǎng)?chuàng)造性思維的地方。而HR行業(yè)則可能都會(huì)變成一個(gè)“HR+IRIS”這樣“Copilot”的形式，即所謂AI和人工一起配合的狀態(tài)，效率會(huì)大福提升。

其次，他認(rèn)為是人，而不是AI能決定公平與否?！叭耸莿?chuàng)造不公平的節(jié)點(diǎn)，而機(jī)器不是?！敝灰?guī)則透明，機(jī)器一定是公平的。但如果這里面有人的因素介入，就可能產(chǎn)生不公平。

關(guān)于第三個(gè)問(wèn)題，溫夢(mèng)飛認(rèn)為，只要AI使用者遵循的是公開(kāi)透明的規(guī)則，困境就不會(huì)存在，大家“Play by the Rules”。但如果是一個(gè)黑盒的調(diào)度，就會(huì)讓大家感覺(jué)被困住。因此，開(kāi)源模型之所以變得那么重要，主要的原因是公開(kāi)透明。如果你是一個(gè)黑盒的閉源模型，就可能會(huì)產(chǎn)生“被算法困住”的問(wèn)題。

6、寫在最后

悲觀者正確，樂(lè)觀者成功。潮來(lái)浪至，接下來(lái)就是考驗(yàn)弄潮者的真功夫。“創(chuàng)業(yè)方向的洞察力”、“行業(yè)場(chǎng)景的理解力”、“優(yōu)秀產(chǎn)品的打磨力”都將成為這場(chǎng)競(jìng)賽的試金石。

彼得·蒂爾在《從0到1》中說(shuō)，一個(gè)新創(chuàng)企業(yè)，要想獲得快速成長(zhǎng)，其提供的解決方案要比現(xiàn)有方案好10倍以上。要么是成本低10倍，要么是性能、易用性強(qiáng)10倍。

Gonex則是10倍好理論的信仰者，“我們認(rèn)為自己的AI產(chǎn)品IRIS，就滿足了這兩點(diǎn)?！?/p>

采訪企業(yè)介紹：

Gonex作為一家專注于全球化人力資源薪酬服務(wù)AI技術(shù)公司，致力于通過(guò)全新AI技術(shù)為企業(yè)解決了一系列問(wèn)題，包括海外員工的雇傭、發(fā)薪、合規(guī)、薪資計(jì)算、社保繳納等。Gonex旗下的核心產(chǎn)品GONEX-IRIS，是全球首創(chuàng)的AI Native人工智能HR合規(guī)服務(wù)引擎，它利用自然語(yǔ)言處理、大型語(yǔ)言模型等技術(shù)，能夠快速處理各種HR數(shù)據(jù)，自動(dòng)化處理復(fù)雜的海外HR流程，并提供員工滿意度和工作績(jī)效分析等數(shù)據(jù)驅(qū)動(dòng)的洞察和建議，從而幫助客戶快速解決業(yè)務(wù)問(wèn)題，提高工作效率和便利性。