脉络洞察 | medomino

400-1150-368 免费试用

脉络洞察CEO卢文庆:AIGC不仅仅是高效生成,更是……?

人工智能
老卢 2024-07-20

摘要:

我想,这可能是未来人类跟AI一起工作的常态:AI会给大家一个出发点,同时,人的价值是不可忽视的——最终的落地还是依赖我们人类。

“昨天,儿子问我,小区的英文名称怎么写,他申请海外学校要填这一项。

我说,写拼音,因为这个英文名称在学校那边,只不过是一条数据记录,而最终用途,是在你接收材料时,给中国的邮局人员看的。”——老卢


这个小故事就是在说,你要传达的信息是面向谁,以及如何让对方高效接收你的信息。很巧的是,在前几天2024 CMAC大会上,我们受邀出席的“医学信息:传准确,达及时!”论坛,聊的就是信息传达的话题。



*本文内容摘自脉络洞察CEO卢文庆主题演讲实录


自我介绍我就不多说了,我在公司内部被大家看成是AI狂热分子,比如今天的PPT大纲,其实就是AI做的。只不过在落地成最终版PPT的过程中,同事告诉我大纲的很多内容有问题,是需要改掉的。

我想,这可能是未来人类跟AI一起工作的常态:AI会给大家一个出发点,同时,人的价值是不可忽视的——最终的落地还是依赖我们人类。



01 AI+内容管理


在这个前提下,对于药企的医学信息传达环节来说,AIGC到底能在哪些业务场景下帮到我们?我们在跟很多医学部朋友交流下来发现,很多人对AIGC都抱着不太确定的态度,不光不确定它能做什么,应该先做什么,能得到什么,甚至都不确定它到底是什么——“AI我知道,GC就……”


基于这些问题,我们第一想到的,是解决耗费大量时间精力的信息收集整理。医药领域的信息量巨大,更新非常快,就像冰山一样:水面之下,是我们花费大量的时间精力做的信息采集、阅读理解和总结归纳等等;而水面之上的尖尖,才是最终呈现给外部的信息。


有了AI的能力,我们从文献等信息的获取,到理解排序,再到总结归纳,就都可以用大模型来完成了。

拿医学部的业务角度来举个例子,大家可能都需要撰写论文,而撰写论文的背后,是去找新的文章。“找新的文章”说起来简单,实际上要做的动作可远远不止一个“找”字——你需要检索、筛选、阅读、整理,甚至每个人都可能会重复去做同一个动作。


我们把这个任务抽离出来,会发现根本上是对内容信息的「理解和判断」,「理解和判断」是为了从巨多的内容中找出精髓,这也是AI更加擅长的部分,它不见得能给到最完美的洞察,但能迅速地降低我们的时间精力成本。

尤其是现在都在提的“千人千面”和个性化,意味着我们需要更加精细的理解和判断,不光是理解文献,还要理解我们现有已生成的新内容,包括音视频、一图读懂等,为个性化内容提供基础,这就到了「提炼和加工」环节。很多时候,新内容的加工就是基于现有内容进行组合式生成,当现有内容总量不大时,传统的人工理解组合没有问题,如果内容量达到几千上万份呢?恐怕就不是熟练工能完成的事了,但是AI可以。


在这个场景里面,脉络慧牍就是一个企业级智能知识库,解决了信息的收集整理、归纳总结、摘要提炼和筛选检索,甚至是跨内容的智能问答,帮大家高效地完成这些日常性动作,留出更多的时间来做高价值工作。


02 AI+客户洞察


另一方面就更重要了。

我们都知道要了解客户画像,或者说医生/专家画像,那么,是基于一线同事提供的信息,还是基于对数据的洞察?了解程度有多深,有多准?是主观判断还是客观分析?这些因素都会影响我们整个工作的结果质量。

比如在我们组织会议的时候,要做专家拜访的时候,要考虑的远不是“通知一声”这么简单。而是先确定哪个客户适合哪个会议,我应该跟客户说什么,其他哪些客户能影响到这位客户等等,这背后是另一套信息——和人强关联的信息——大量的主观认知信息。


说到底,第一步还是「理解和判断」,只不过这次的理解对象从内容换成了人。

我们有一个实际的合作案例,甲方是抗感染领域的产品,他们需要关注包括张文宏在内的头部医生信息,结果发现:在那个特殊的时期,张文宏医生非常活跃,每天都能产生数十条新数据,负责张文宏的这位同事被大量的信息包围,看都看不过来,根本没有精力再去做信息的理解和判断。最终,我们用AI帮他们做了信息解析、要点总结,把海量的信息转变成有针对性的深度洞察和行动建议,比如说触达的话题。


类似的场景,现在就都可以用AI来解决了,AI可以帮我们进行客户信息的收集和洞察,再结合个性化的内容,更好地进行信息传达。


03 AI价值的二八定律


我们跳脱出场景,再往上一层看,是价值。

我的观点是,一定要快,不要在这个阶段去做雕花的工作。你在沙滩上雕了个特别精美的城堡,一个浪过来就全没了,这个浪就是大模型的迭代。所以,我会认为现阶段不要纠结精雕细琢,而是要去做能快速体现业务价值的事,迅速让每一个同事在日常工作当中感受到效果的事。


比如说,我们做内容生成,可能会花80%的时间在内容理解和生成,最后20%的时间去优化格式。那我们就应该用AI去压缩这80%的时间成本,而不要去纠结AI能不能解决那剩下的20%。能把80%压缩到20%,这才是价值。

其实,在大模型出来之前,脉络洞察是有自己的小模型的,我们花了两三年时间,从标注数据到特殊训练,落地了自己的小模型,在沙滩上盖了城堡,结果,去年大模型横空出世……说到这儿,感兴趣的朋友可以看看我当时的一些感受:

(点击跳转)《震惊和迷茫之余,我们如何看待大模型AI?》


或许正因为我们自己曾经为这个时代变革付出过高昂的成本,才能站在裂缝中看到阳光,想告诉大家一些更高效的落地方式,当然,也希望能帮更多药企用AI来实现价值,这也是我们和CMAC联合成立CMAC AIGC俱乐部的初衷。


更多精彩文章

查看更多内容