「人工智慧(AI)的確非常重要，但這些主題有很多炒作，AI不能治癒癌症或做我們想做的一切事情…，我認為這是對人工智慧的憂喜參半」

by Charlie Munger, vice chairman of Berkshire Hathaway, 2023

大型語言模型(Large Language Model，LLM)是，以運用巨量數據的深度學習訓練，提供對話互動、語言翻譯、文字撰寫、虛擬助理等仿人類的自然語言文本。ChatGPT、Bing, Bard的易訪問與實用性讓生成式AI (Gen AI) 如今蔚為風潮。當然Gen AI價值絕對不僅止於此，還有人機協作如何產生高效益，也被大家視為Gen AI另外一個價值。但不置可否的是企業過度關注Gen AI演算法或AI定位的思路，卻忽略應用Gen AI 前需要的基礎認知及Gen AI技術前緣是人機協作成效的重要環節。而企業主在導入Gen AI前應該要審慎思考Gen AI運作機制、Gen AI技術前緣線、工作任務難易程度的三個環節。適度指派GenAI能夠承擔的工作範圍，人機協作可以提高員工的生產力及工作品質。一旦委派超出GenAI能力負擔之外的任務，則可能有生產力下降和工作品質降低的情況。但關鍵還是企業如何配置工作任務在具有潛在最大生產力的Gen AI技術前緣上，仍是企業需要非常努力的功課。
 

Gen AI發展沿革與運作機制

如果這個時點，拋出「人工智慧(AI)無所不在」的看法，應該沒有人有任何異議。AI是除了網際網路推出以來，人類創造的另一種通用技術。如今每一個人人都可以隨心所欲訪問AI(這裡不討論網域限制)，AI涉及人類所做的一切事物，改變生活及工作模式，甚至教導人類學習。然而每一個時期AI帶給人類的印象有所不同。有一些人可能認為人工智慧像2001年史蒂芬史匹柏經典之作《A.I.人工智慧》具有形體的機器人，也許是《鋼鐵人》的無形體的助理Jarvis，或是特斯拉的自駕汽車系統，但這些都跟我們現在提到的GenAI涵義有所不同。

雖然人工智慧以機器學習和預測為亮點，但這些人工智慧應用在人類語言、人類創造力上表現差強人意。直到2017年創建人工智慧新模式，《Attention is All you Need》一篇跨時代論文發布，基於Transformers過程和注意力機制使用人類語言，又稱作大型語言模型(large language model, LLM)。LLM根據網際網路上全部資訊以及超過10億份以上的文檔，預測文句要出現的詞彙。雖然LLM是增強型自動完成機制，但它寫作水準不高且無法進行考試及任務測試。但GPT4.0可以在GRE口語考試取得99百分排名或SAT取得90百分排名優秀能力。整體上，Gen AI與高薪資、高學歷、高創造性的工作任務有密切關聯。

ChatGPT、Bing、Bard是我們常聽到的LLM。ChatGPT串接API方式進一步擴大Gen AI能力的最大邊界(又稱技術前緣(Technological frontier))。另外兩個成功的基礎模型，Bing也是OPEN AI，提供有平衡、創意、精確三個Gen AI模式(創意、精確直接使用GPT4.0)，Bing的優勢在於可以連結網際網路與圖像創建，大幅提升任務的原創能力；Bard使用自家PaLM 2，雖然允許連接多個AI模型並連結網際網路，但目前帶給使用者的體驗仍落後ChatGPT與Bing。

掌握指派工作與Gen AI技術前緣的尺度來提高人機協作成效

其實導入Gen AI於營運模式上，我們將對人機協作成效投以新一波關注的眼神。有幾個疑問需要我們思考，包括Gen AI技術前緣為何? Gen AI技術前緣型態為何?指派Gen AI能夠承擔工作類型?人機協作成效為何?一般來說，企業導入新技術後期望生產力提高，所以想知道它技術前緣的生產力最大邊界，有助正確掌握新技術的成效。不同於其他技術，近期BCG與哈佛商學院、麻省理工學院、華頓商學院、華威大學共同研究，758位BCG人員中發現，GPT4.0是鋸齒型狀的技術前緣(詳見圖1)。某些部分有最大生產力的邊界，但某些部分卻不是最大生產力邊界。他們推測雖然Gen AI是擁有千億參數的一套複雜系統，在安全保護與糾正錯誤、敏感主題上有所顧慮，無意間調整參數而削減Gen AI某些部分的技術前緣。這添增指派工作任務在技術前緣上的困難度，容易讓人機協作成效大打折扣。因此，企業內部需要監控Gen AI生產力，即時監控Gen AI的變化。

圖1、Gen AI技術前緣與指派工作任務關聯性

雖然指派工作在Gen AI技術前緣上才能取的最大生產力，但企業難以掌握AI的鋸齒型狀的技術前緣邊界。如果適度指派GenAI能夠承擔的工作範圍(即指派工作任務位於Gen AI技術前緣內)，人機協作提高員工的生產力。相較於不使用GPT4.0的工作績效，人機協作的工作品質提高42.5%、工作結案數量提高12.5%、工作速度加快22.5%。雖然這些都是複雜程度不高與生產力較低的工作，但人機協作還是讓員工思維開始依賴Gen AI 建議(員工看法的多樣性大幅下降41%)。人機協作創造較高的生產力的同時，也抑制發散性的思維與潛在創新的構思。一旦委派超出GenAI能力負擔之外的任務，GPT4.0仍會讓結案速度加快30%，但是Gen AI提供貌似真理的建議，也導致處理工作的正確性下降23%。其歸因於也是員工不加思索信任Gen AI產生的後遺症。以上，我們還沒有考慮Valmeekam et al., (2023)提出Gen AI自我糾正成功率僅1%證據，徹底推翻GPT-4的規劃能力。總而言之，即便企業指派技術前緣內的工作，仍有部分證據質疑Gen AI提高工作品質的說法。

其實坊間許多人士根據自己立場，事事而非大力宣Gen AI偉大的效益，卻陷入Gen AI的高深莫測的漩渦中。但如果我們正視Gen AI問題點，才有可能讓這個偉大科技提供企業更多的便利性、效率性、競爭力。若Gen AI人機協作善於加快工作處理速度和提高工作品質，但需要員工保持多樣性的思考邏輯。有幾個建議事項如下，掌握Gen AI技術前緣規模與邊界範圍，評估擴大Gen AI技術前緣的因素與機會；建構跨部數位資源整合數據庫，執行資料系統化管理與分類，取得指派工作與技術前緣的最佳化配置；培訓員工Gen AI專業，保持員工創意水準，設計創新激勵機制，善用人機協作賦能。