Everyone knows that AI is hot right now.
我遇到的每一位高管、官员或研究人员都在尝试用人工智能做点什么. 值得注意的是, ChatGPT的早期演示在2022年底成为头条新闻，山姆·奥特曼成为硅谷最新的流行明星首席执行官，一年多后，它仍然很火.
过去一年出现的一个大的用例趋势是解决人工智能研究人员所说的 First Conversation Problem, 在这种情况下，组织收集合作伙伴或客户数据以启动接收管道, 如 a pipeline for hiring or sales.
的 First Conversation Problem在工程和研究界有一些采用的术语，可以广泛应用. 在私营部门，它可以被称为潜在客户开发或业务开发, 但它也可以更正式地解释为与另一个人(非ai)的第一次对话需要许多动作的任何交互。.
For firms finding customers, 这是关于与潜在客户进行大规模有意义的互动. When it’s hiring or recruiting, 您需要通过有意义的互动筛选尽可能多的候选人. 在网络安全方面，它确保个人级别的访问得到大规模的强大保护. In digital content, 人们在与他们想要聊天的人进行第一次对话时，会发送大量的初始信息. Compliance 和 customer service also have similarities. 问题是，与主要组织网络之外的人的第一次谈话是一个巨大的时间消耗.
In response, companies have been using generative AI to save human hours 和 help automate that step. 例如, 航空公司已经成功地利用生成式人工智能进行个性化推广，并与客户进行后续接触，以重新吸引他们.
其他成功的例子包括F500销售部门购买的工具，以快速采用生成式人工智能，以完善记录的方式改进陌生电话和陌生外展, 如 http://www.Outreach.io 和 http://www.Copilotai.com/.
最近的招聘人员也在解决同样的第一次对话问题, 值得注意的是 http://Cheeki.io 和 http://www.TeamTailor.com.
你看到这些单一用途的人工智能生成公司涌现出来的一个原因是，像微软支持的ChatGPT或谷歌的Gemini这样的通用人工智能系统在财务上昂贵且运行复杂. OpenAI 和 other AI firms struggle to afford their massive compute bills.
因此，旧的Unix哲学在这个疯狂的AI世界中仍然有一席之地. 早期采用者用例专注于解决单一类型问题的单一用途AI代理 First Conversation Problem. Doone thing 和 do it well.
So, 您如何开始在您的业务中实现这些单一用途的人工智能来解决您组织的问题 First Conversation Problem?
在您面前有两条路径:用您自己的数据自制您自己的代理, or find a commercial plugin in a platform you are already paying for.
只有当你是一个大型组织，并且有资源和专业知识来手工制作一个专门设计的IT解决方案时，自己酿造自己的人工智能代理才具有成本效益. We will see homegrown adoption in public companies, regulated industries or government related entities.
In the airline industry, 例如, 本土人工智能很有可能为他们的底线带来真正的好处. 在较小的, faster-moving businesses, 如 general IT support, marketing 和 sales, commercial products 和 plugins are the best way to add value.
For those readers thinking about AI adoption, 即使采用任何第三方AI插件，也要计划审核最终的AI解决方案. Red teaming in most customer-facing, or security-related applications of AI, is now st和ard practice, in addition to classical software oversight for QA, 法律, 数据隐私, 治理, risk 和 compliance.
这意味着要保留所有生成AI内容的记录，并在一开始对所有AI的工作进行手动审查. After the system is up 和 running, 随着时间的推移，人工智能的表现越来越好，人工审计将逐渐减轻, well-curated数据, 因此需要更少的监督——就像训练一个人从事一项新工作一样.
目前，提供生成式和其他人工智能服务的公司如寒武纪爆发. 在接下来的几年里，随着工程师们解决问题的能力越来越强，这种情况只会持续下去 First Conversation Problems in a variety of different domains by using AI. It’s an exciting time to be in the field.
Recommended further reading: Prompt engineering 和 the first conversation: http://www.nngroup.com/articles/ai-prompt-structure/
Author’s disclaimer: I am an unpaid advisor to the company listed above http://Cheeki.io. 我是一名前微软员工，曾使用过上面提到的一些人工智能产品，包括微软的产品.
作者简介: 塞缪尔·扎鲁巴(Samuel Zaruba)是肯塔基大学加顿商学院冯·奥尔曼会计学院及其数据分析中心的新教员. 他的博士研究工作是内华达大学的网络安全中心 & Government Policy. 他在微软工作了十多年，并担任了微软的顾问, PricewaterhouseCoopers (PwC), 美国银行, AT&亚马逊网络服务、公共医疗、能源公用事业、网络安全组织、 和政府机构，包括作为美国国家科学基金会(NSF)的研究员. 他曾多次在ISACA期刊上发表关于IT风险管理的研究. 他曾教授大学课程和专业人士的继续教育学分.
