在由数据驱动的时代，人工智能（AI）已经成为企业获取竞争优势的重要工具。但如何让AI更好地服务于企业目标，是目前许多管理者面临的挑战。华沙大学人工智能与数据科学教授Colin Lewis和毕马威波兰及中欧和东欧地区的首席人才与文化官Agnieszka Dziewulska提出了通过结构化提示来提升AI在企业中的新思路，并给出了实用的框架，帮助企业更精准地训练AI，让AI发挥更大的作用。简单来说，这个框架指导人工智能系统按照特定的方式执行任务或回答问题，包含明确的指令和足够的上下文信息，以确保AI能够理解任务的具体要求并给出精确的结果。同时，两位学者也提到，在追求技术进步的同时，不应忽视人的参与和监督。
人工智能已经从一项令人惊叹的创新转变为商业领域的关键力量。如今，像GPT-4、Bard以及其他大型语言模型，正引领着这一变革的浪潮。它们的智能水平远远超出了传统的计算机程序，能够理解我们的指令，并生成像人类创作的图像和文本，这使得AI成为内容创作、设计、编程和数据分析等多种应用场景中的助手。
尽管这些AI工具功能强大，操作起来也相当直观，但要想让它们发挥出最大效能，对于新手来说并非易事。要想充分利用这些AI工具，用户需要掌握一些技巧和方法来指导和优化。
提升AI效能：精准提示与灵活微调
这些智能程序经过大量信息的“培训”，使得AI变得非常强大。现在，它们能从各种文件中抓取信息，自动化处理商业多个领域中的许多任务。但是，要让它们发挥出最好的效果，就需要我们给出明确的提示。
“提示”在此时就显得至关重要，它就像我们给AI的书面命令，告诉它我们想要什么。一个好的提示能引导AI给出我们想要的答案。提示应该是具体和明确的，以便AI可以理解相关的背景和目标。同时，我们还需要充分利用AI的数据分析能力，让它从历史数据、趋势和模式中提取有价值的见解。但是，仅仅给出提示还不够。我们还需要“微调”AI，就是让AI更精准地满足我们的特定需求。这样做可以让AI成为完全符合我们需求的得力助手。
具体来说，微调的好处包括：
任务专精化：微调能让AI专注于特定的任务或领域，比如医疗诊断、法律研究或财务分析。
精准质控：它帮助我们确保结果的准确性，这在医疗和金融这些对准确性要求极高的行业中至关重要。
个性定制化：微调让AI的回答更符合品牌的语调、风格和价值观，让客户有一致的体验。
效率提升：微调后的AI工作效率更高，需要迭代的次数更少，从而节省时间和资源。
对AI系统进行微调，可以让我们更容易得到期望的结果。企业应该在提示和微调这两方面下功夫，充分挖掘AI的潜力。这并不是说我们要分开来做这两件事，相反，整合的方法可能会更好。
构建结构化AI：PQAM框架与实践
为了充分发挥AI的潜力，我们建议企业领导建立PQAM框架的内部库。PQAM框架（Prompt-Query Alignment Model）是一个用于优化AI应用的结构化方法。这个框架通过创建和管理一个内部的提示库，来提升AI在特定任务和行业中的表现。PQAM包含三个核心要素：
提示库：这是PQAM的核心，收集了一系列针对特定任务和行业的定制化示例提示。这些模板不仅让提示更有效、更准确，还让管理变得更规范、更合规。
提示定制：虽然提示库为构建有效的提示提供了基础，但进一步的个性化定制同样重要。员工可以根据具体目标，对提示进行精确的调整，比如增加背景信息、提供更多的解释或者优化语言。
反馈循环：持续改进是PQAM的核心。在部署了定制提示的AI模型后，管理层应该建立一个反馈机制，包括评估AI的输出，收集用户反馈，并根据需要调整提示和微调，以形成一个能够自我完善的系统。
建立内部PQAM需要从根本上思考，进行有条理的问题解决和推理。精心设计的语言对于构建有效的内部PQAM库非常关键。
同时，我们建议企业高管在给AI下指令时，可以采用查询、阐释、比较和预测等类型的提示：
查询：获取信息或者提炼深度洞见。
阐释：深入挖掘话题的复杂细节，实现深度分析。
比较：分析对立观点，明确各自的优势和不足。
预测：基于当前状况，推测未来可能的情景。
在构建这些提示时，要考虑叙述结构和提问技巧。用引人入胜的情境来激发AI的互动，以得到一些意想不到的见解。
内部PQAM构建：具体策略与应用
我们建议高管从深入了解部门或用户的基本目标和流程开始。然后使用阐释、比较和预测等提示类型。如下述案例所示：
把微调看作是AI思考过程的一部分，这样能让AI的回答更有深度、更准确，也更容易理解。当AI按照全面或分步骤的指令去“思考”时，它的表现会更好，这就像我们人类解决难题时逐步分析的方法一样。只要在给AI的提示中用好以下准则，它就能给出更有价值的意见和反馈。
通过创建内部PQAM，并使用针对性的微调提示时，企业可以提升AI的准确性并减少错误。定制提示可以确保企业遵守行业法规并保持数据准确性。通过这种方式，企业不仅能够简化工作流程，还能提高产出内容的质量和工作效率。
用户也能够借助PQAM巧妙地构建问题，引导AI逐步进行分析并给出更加可靠的预测结果。
人机合作：监督与道德指导
尽管AI技术和PQAM模型能显著提升我们的工作效率和生产力，但人类在其中扮演的监督角色至关重要。公司的高层领导和专业人士需要积极参与到AI的应用过程中，确保其运作的透明性、正确性，并提供必要的道德指导。
由大型语言模型（LLMs）和功能模型（FMs）所驱动的人工智能技术，有潜力彻底改变各行各业，并重新定义我们的工作方式。AI并不是来取代人类的，但那些能够高效利用AI的个体将会在竞争中占据优势。不过，要充分发挥AI的潜力，关键在于精心设计出有效的提示，并根据具体需求调整AI模型。内部的PQAM框架提供了一种结构化的方法，为企业高管们提供了必要的工具，以借助AI提升生产力、质量和员工能力。在大步迈进AI时代的过程中，人类智慧和机器能力的结合，将成为推动重大进步的关键因素。
Colin W.P. Lewis 是华沙大学人工智能与数据科学教授。他曾在Palantir Technology担任职务，成功创立并出售了两家软件及审计系统公司。
Agnieszka Dziewulska 是华沙大学管理系的博士生。同时，她担任毕马威波兰及中欧和东欧地区的首席人才与文化官，在人力资源领域拥有超过二十年的领导经验，曾在通用电气、惠普和IBM等全球知名企业担任要职。
AI，会用才有用｜文末互动
你是怎么驯服AI的？
