业务流程将因生成式 AI 变革，ChatGPT 引领的 AIGC 正在改变组织运营

集成与融合类 ChatGPT 工具与技术，以生成式 AI 变革业务流程

ChatGPT 背后的生成式 AI，聊聊生成式 AI 如何改变业务流程

ChatGPT 月活用户过亿，生成式 AI 对组织的业务流程有哪些影响?

生成式 AI 对业务流程有哪些影响?企业如何应用生成式 AI?一文看懂

业务流程将因生成式 AI 变革，ChatGPT 引领的 AIGC 正在改变组织运营

文/王吉伟

ChatGPT 依然是最火爆的生成式 AI 应用。

2 个月实现月活用户过亿，用户量更是超过 1300 万。这组数据，标榜了 ChatGPT 的赫赫战绩。

经历了媒体报道和研报渲染之后，国内的科技大厂也纷纷官宣跟进，还有一众科技大佬也开始现身说法。

同时在各大内容平台上，来自各领域的自媒体纷纷用文字和视频发表他们对 ChatGPT 的看法。不管科技号、教育号、艺术号还是母婴号，各行各业人士发的相关视频，流量皆是大得惊人。

这意味着，ChatGPT 已经具备了极大的破圈效应。而破圈，恰恰是火爆的最好证明。

翻一翻各大平台的相关内容，会发现很多人都在说 ChatGPT 有多厉害。其实在个人业务方面，即便 ChatGPT 在写作、设计、编程等业务上也表现得再出色，也体现不出真正的价值。

一众媒体和研究机构所说的 ChatGPT 的价值，在于它对广大组织的应用价值，以及它所带动的产业链能够为各行业带来多大的经济效益。

在王吉伟频道看来，以 ChatGPT 为代表的生成式 AI 工具，之所以能够为组织带来极大的商业价值，不在于它生成内容有多快多好，而是在于它与更多企业管理系统集成与联动，通过文字、图片、视频、代码等内容的自动化生成，深度参与组织运营的业务流程，革新了业务流程架构，精简并优化了原本复杂的业务流程，使得组织的业务运行效率大幅提升。

比如，美联社采用了语言生成工具，将收集到的相关公司的损益表、资产负债表和现金流量表等数据转换为连贯的报告，通过精简流程，季度财务报告的制作速度提升了 15 倍以上。

再如某药企将生成式 AI 应用于药物研发，通过识别潜在的候选药物并在计算机中测试其有效性，进而加快药物发现和开发各项业务流程过程，提前进入临床试验期。

类似的案例还有很多，一些大家想象不到的业务场景都开始应用生成式 AI。目前已有很多企业通过生成式 AI 增强业务能力或者优化业务流程，实现降本增效。

说了那么多，生成式 AI 到底对业务流程有什么影响？企业又该如何应用生成式 AI？本文，王吉伟频道就跟大家聊聊这些。

什么是生成式 AI？

前一篇文章中，王吉伟频道提到 AIGC 内容生成模式的背后都是生成式 AI 技术在支撑。那么，到底什么是生成式 AI 呢？

扩展阅读：ChatGPT 与 RPA 集成，生成式 AI+自动化流程让 AIGC 价值倍增

生成式 AI，在 2020 年首次出现在国际研究和咨询机构 Gartner 的技术成熟度曲线上。

关于生成式 AI(Generative AI)，Gartner 这样定义：通过各种机器学习(ML)方法从数据中学习工件的组件(要素)，进而生成全新的、完全原创的、真实的工件(一个产品或物品或任务)，这些工件与训练数据保持相似，而不是复制。

如果觉得这个定义过于学术，麦肯锡是这样描述的：生成式 AI 就是利用现有文本、音频文件或图像创建新内容的技术，使用生成式 AI，计算机检测与输入相关的基本模式并生成类似内容。

数据分析公司 AIMultiple 则认为，生成式 AI 是一种利用现有文本、音频文件或图像创建新内容的技术。借助生成式 AI，计算机可以检测与输入相关的底层模式并生成类似的内容。

过去两年，生成式 AI 技术上的进展主要来自于三大领域：图像生成领域，以 DALL·E-2、Stable Diffusion 为代表的扩散模型(diffusion model)，自然语言处理(NLP)领域基于 GPT-3.5 的 ChatGPT，以及代码生成领域基于 GPT-3 的 Copilot。

当前正在流行的 ChatGPT 等生成式 AI 工具，背后包含多种技术，包括生成对抗网络 (GANs)、Transformers 架构和变分自动化编码器 Variational auto-encoders，其中 GANs 是关键技术。关于生成式 AI 技术探讨的文章有很多，大家对号入座去搜索即可，这里就不多做介绍了。

总而言之就是，利用这些技术就可以打造出像 ChatGPT 这样的对话机器人以及类似 Midjourney 一般的图像生成 SaaS 应用。

理论上，只要某个企业能够拥有同源技术以及相关开源架构，加上足够的算力和数据，也能打造成 ChatGPT 这样的现象级应用。只是，存在一个时间和投入问题，没有足够的现金流和足够的耐心并不容易成功。

所以现在都在喊口号跟进 ChatGPT 相关技术的厂商，哪些是在喊口号，哪些是真心搞生成式 AI，还要大家辨别的看。

好吧，有点扯远了。对于生成式 AI 技术，我们只需简单的了解即可。毕竟咱们也没能力去做基础算力投入，所以主要关注生成式 AI 技术的应用就好了。

关于这些，我们在下一节聊。

生成式 AI 的应用概况

生成式 AI，被 Gartner 列为 2022 年顶级战略技术。顶级和战略两个关键词，已经彰显了生成式 AI 在未来组织经营中的重要性。

很多人都认为生成式 AI 就是 ChatGPT，并非如此。只是 ChatGPT 等 AI 工具的火爆，让大家开始更多的关注 AIGC 和它背后的生成式 AI 技术。自人工智能技术逐步成熟后，各种基于 AI 的文字技术、语音技术、图像技术及影音技术 AI 便开始影响我们的生活。

比如做内容创业的朋友，很多都用剪映等工具的语音转字幕、文字转视频功能，这些功能都是基于相关的生成式 AI 技术开发的。再如现在大家经常使用的语音导航，背后都也是对话式 AI 技术。

文本生成是生成式 AI 最早应用的领域之一，目前已广泛应用于对话机器人、内容续写、新闻撰写、诗歌小说创作等领域。

文本转语音技术，也已广泛应用于新闻阅读、有声书、出行导航、通知播报、视频配音等领域。

图像生成则率先在游戏内容创建、图像修复、风格迁移、图像合成等领域得到了应用。

可以说，当代工作与生活中的一些场景已经离不开生成式 AI 技术。

现阶段的生成式 AI 通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、艺术平面设计等。

在企业具体经营中，生成式 AI 的用途已经很广。

• 在营销和销售业务上，可用于制作个性化营销、社交媒体和技术销售内容，以及创建与特定业务(如零售)助手；

• 在日常办公及活动设计中，可以生成任务列表以高效执行给定活动；

• 在 IT 开发和项目管理场景中，可以用于编写、记录和审查代码；

• 在法务上，可以用于回答复杂问题，提取大量法律文件，起草和审查年度报告；

• 在药物研发上，可以通过更好地了解疾病和发现化学结构来加速药物发现。

以上只是生成式 AI 应用的一部分，现在已有很多企业开始将生成式 AI 应用于一些业务场景。

比如在教育领域，一些教育机构会针对一些学生的需求和兴趣等数据，基于 AI 算法来分析学生过去的表现、技能等数据，用生成式 AI 工具为他们设计个性化课程，以确保更有效的教育方式。

在时尚领域，设计师们会借助 Khroma 以及 Colormind 等生成式 AI 工具，将草图转换为彩色图像，帮助设计师查找颜色匹配和图案的错误。并且使用这些工具的审查能力，可以分析从草图到颜色的多种变体组合，使时尚品牌变得更有创意。此外，这些工具还能减少物理样本的需求，节省时间和资源。

下面这张图片来自麦肯锡，它为生成式 AI 的使用场景做了很好的分类与总结。

Gartner 预计到 2025 年，生成式 AI 将占所有生成数据的 10%，目前这一比例还不到 1%。同时在具体行业应用方面，Gartner 预计，到 2025 年生成式 AI 将用于 50%的药物发现和开发项目，到 2027 年将有高达 30%的制造商将使用生成式 AI 来改进其产品开发流程。

红杉资本预测，生成式 AI 有可能创造数百万亿美元的经济价值。

未来，生成式 AI 将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。

生成式 AI 对业务流程的影响

从前面几个案例，我们能看到生成式 AI 之所以能够帮助人们提升效率：一方面在于它能够有效加强现有生产力，另一方面则在于它改变了很多场景的原有业务流程。

就如服装设计，过去要设计服装需要画草图、了解材料、制作小样等多个步骤。现在只需要使用生成式工具 A 选择所需的美学、材料和目标市场，就可以根据构想创建多种风格多种元素的服装，中间的业务流程已经完全不需要。

再以 ChatGPT 编写代码为例，开发人员甚至可以用它从头开始到尾编写完整的代码，以便在特定场景中创建应用程序。整个过程不需要开发人员输入任何代码，只需不断地跟它文字交互就够了。

ChatGPT 可以极大地增强代码编写、文档和审查。通过使用 ChatGPT，开发人员可以简化他们的工作流程，提高他们的生产力，减少开发成本和时间，并创建原本需要更多时间和精力来构建的应用程序。

不管将 ChatGPT 用于个人业务的撰写内容、创建客户服务聊天机器人、开发对话界面、内容翻译、日程管理，还是在企业应用于数据分析、文案和公关、客户关系、销售、财务、教学、人力资源等业务单元，都能在一定程度上精简及优化业务流程，起到降本增效的积极作用。

这是 ChatGPT 等生成式 AI 工具最具价值之处，也是生成式 AI 被很多机构重视的优势所在。

通过对前面一些场景案例的分析与总结，不难发现生成式 AI 对于业务流程的影响主要表现在两个方面：

一是生成式 AI 可以对原有流程进行精简与优化。原本需要多个步骤的业务流程，借助 AI 实现流程自动化，业务流程条线和流程复杂度大幅精简，不再需要更多的人力与资源的参与，进而实现解放人力，降低成本，提高效率。

二是基于生成式 AI 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，企业的做法一般是将这部分业务外包出去，或者用传统集成自动化技术去实现，在效率并未提升的情况下，成本也在逐步上升。有了可以胜任相应业务的生成式 AI，自然就可以用这些技术去替代原来的外包业务流程。

现在，一些海外专家甚至已将生成式 AI 技术，视作西方发达国家应对外包优势明显的亚洲等地区的一项竞争策略。

生成式 AI 对业务流程的影响主要是积极的。它可以帮助企业提升业务流程的效率和优化业务流程，缩短业务流程周期，提高业务流程效率;能够通过分析大量数据，识别常见模式和规则，生成自动化程序，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;还可以大大减少人工干预，提高业务流程的执行效率。

此外，生成式 AI 技术可以对业务流程进行模拟、优化和预测，从而实现业务流程的持续优化。

当然，生成式 AI 技术也会带来一些负面影响。比如技术应用后流程精简与优化所造成的人员失业问题，业务流程中集成新技术所带来的业务与数据的安全风险与隐私问题，以及引入技术成本短期大幅增长的问题等。

总体而言，生成式 AI 技术对业务流程的影响利大于弊。新技术的应用对于企业提升效率并保持竞争力至关重要，企业在引入新技术之前必然会经过相关考虑与周密部署，以保证企业的持续运营。因此，负面影响也不算太大问题。

生成式 AI 变革业务流程

事实上，生成式 AI 对组织业务流程的影响，远不止以上几点。

从应用角度而言，一般来说企业可以通过以下几种方式使用生成式 AI：

一是生成式 AI 与业务部门一起增强当前的创新工作流程，开发自动化以帮助人类更好地执行创造性任务。比如游戏设计师可以利用生成式 AI 来创建地下城，突出他们喜欢和不喜欢的内容;销售人员也可以用生成式 AI 生成营销自动化程序，以更高效的完成客户对接等业务。

二是生成式 AI 充当业务流程的主要部分，成为某项业务的主流程。生成式 AI 可以在几乎没有人为参与的情况下生产无数的创意作品，只需要设置上下文，结果独立生成。

三是将生成式 AI 工具与 BPM、BPA、ERP、RPA、BI 及低/无代码等工具进行集成，形成端到端解决方案，以更全面地优化业务流程。比如将生成式 AI 放到超自动化架构中打造更高效的端到端自动化，以及将 ChatGPT 用于低代码平台通过对话聊天开发程序等。

需要说明的是，在端到端解决方案中，生成式 AI 与其他企业管理系统不是并行关系，而是在整体业务流程中都会有所交互。生成式 AI 生成的高质量内容会被其他系统调用，流程自动化也会参与到生成式 AI 的工作流之中。

例如，我们可以将生成式 AI 与 SAP 集成。生成式 AI 能够读取 SAP 中的数据，并利用其进行数据分析，把数据转化为人类可读的形式，以此提供商业洞察力。同时生成式 AI 可以自动完成 SAP 系统中的重复性工作，比如数据录入、报告生成等，进而实现更好的业务流程自动化。

再看一个 ChatGPT 与 Salesforce 的集成案例。某公司通过将 ChatGPT 嵌入到 Salesforce 中，让其对潜在客户的活动和行为实时评分和评级，识别销售线索中最有可能转化为购买客户的模式，以提升客户转化率。还可以让 ChatGPT 接任繁琐和重复的管理任务，使得销售专注于更有价值的任务，以此提升销售团队生产力。

还有 RPA 与生成式 AI 的集成应用，已经集成了聊天机器人、语音机器人、智能文档识别(IDP)以及图像生成等多种生成式 AI 工具。现在与 ChatGPT 的集成，则是在探索 RPA 与基于大模型的生成式 AI 的集成应用。

这些应用不只是单向助力 RPA 运作，彼此之间会在数据交换、内容生成、自动化执行等方面进行多元化合作，进而优化流程以及提升效率。并且基于超自动化架构，未来将会有更多生成式 AI 技术集成到架构之中，将会持续提升基于 RPA 的流程自动化运行效率。

王吉伟频道认为，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运营架构与运作模式，对于整体业务流程效率提升有着极大的推动作用。

现在已有很多软件厂商，都在探索其产品与生成式 AI 的集成与融合应用。包括本身就为降低开发难度的低代码与 RPA 平台，比如 Comidor 等低代码平台，早就在教客户如何通过 API 集成 ChatGPT。

尤其是 ChatGPT 与低代码、RPA 等技术的集成与融合，直接让全民开发进入了一个更加简易的阶段。我们知道，国外所推动的公民开发(Citizen Development)正在轰轰烈烈的进行，并且逐渐成为企业在 IT 开发方面的主流模式。

扩展阅读：关注底层流程与业务执行，简单易用的 RPA 也是全民开发的重要部分

低代码开发工具本身就是为了降低开发难度，以让业务人员能够替代程序员开发出其所需的相对简单的应用程序。

通过更多人的测试，我们知道 ChatGPT 能够通过对话生成很多应用场景的程序代码。将 ChatGPT 与低代码平台集成，意味着业务人员能够通过低代码开发更加复杂有效的应用程序，这将会极大地提升开发效率，对于多有组织都是极大的利好。

同时在程序开发之外比如创意、设计、营销等诸多领域，也可以用公民开发的形式将一些业务外包出去，借助生成式 AI 让更多人低门槛贡献创意以提升效率，这对于企业的流程优化以及增效降本有着重要意义。

因此，对于生成式 AI 的集成与融合应用，将会极大的变革组织的业务流程。未来，能够更好的应用好对话式 AI 技术持续优化业务流程的组织，将会在变化万千的市场持续保持足够的竞争力。

后记：生成式 AI 开启更高效的业务流程时代

在国外，已有很多低代码、智能自动化以及企业管理软件正在或者已经集成 ChatGPT。一些走国际化道路的国内厂商，在海外的解决方案上集成 ChatGPT 问题也不大。

在国内，也有一些厂商正在探索与 ChatGPT 集成的可能性。微软“帮助其他公司使用 ChatGPT 开发聊天机器人”的策略，也让更多厂商看到了应用 ChatGPT 的可能性。

同时微软已正式将 ChatGPT 引入必应，其 RPA 产品 Powe Automate 也已经借助 GPT-3 等 AI 模型，实现了通过自然语言生成流程的新功能。未来，相信会有更多厂商会推出更多政策，以让其生成式 AI 技术方案能够落地更多企业。

可以预见，在微软的带动下，将会有更多厂商研发以及引入基于同源技术的类 ChatGPT 生成式 AI。随着基于生成式 AI 技术的解决方案走入更多组织，生成式 AI 也将带领更多企业迈入更高效的业务流程时代。

【王吉伟频道，关注 TMT 与 IoT，专注数字化转型、业务流程自动化与 RPA。】