99国产精品欲av蜜臀,可以直接免费观看的AV网站,gogogo高清免费完整版,啊灬啊灬啊灬免费毛片

網(wǎng)易首頁(yè) > 網(wǎng)易號(hào) > 正文 申請(qǐng)入駐

GenAI能完成您的下一個(gè)戰(zhàn)略任務(wù)嗎?暫時(shí)還不行

0
分享至



文章來源丨Christoph Lechner, Nikolaus Lang, Siegfried Handschuh, Olivier Bouffault, and Julian Cooper,慎思行采編翻譯

個(gè)人微信丨hello_SSX

GenAI真的能解決戰(zhàn)略管理任務(wù)嗎?

生成式人工智能(GenAI)是一種基于語(yǔ)言基礎(chǔ)模型的人工智能技術(shù),可以生成新的內(nèi)容和創(chuàng)意,包括對(duì)話、故事、圖像、視頻和音樂。但對(duì)于公司高管和投資者所需的戰(zhàn)略管理任務(wù),其應(yīng)用前景尚不明朗。本文重點(diǎn)探討這些模型獨(dú)立完成戰(zhàn)略管理任務(wù)的能力,以期在未來實(shí)現(xiàn)自動(dòng)化。

戰(zhàn)略管理難以自動(dòng)化的原因何在?

根據(jù) Müller-Stewens和Lechner的定義,戰(zhàn)略管理是實(shí)現(xiàn)公司戰(zhàn)略以達(dá)成關(guān)鍵利益相關(guān)者既定目標(biāo)的過程。它不同于設(shè)計(jì)、采購(gòu)、生產(chǎn)、物流、營(yíng)銷和銷售等單一職能。現(xiàn)代戰(zhàn)略管理典型任務(wù)包括市場(chǎng)研究、情景規(guī)劃、企業(yè)戰(zhàn)略制訂、并購(gòu)決策、商業(yè)模式設(shè)計(jì)及重組轉(zhuǎn)型等。

戰(zhàn)略管理任務(wù)的自動(dòng)化復(fù)雜性任務(wù),在不同程度上需要三個(gè)核心要素:(a) 多步驟和多層次推理;(b) 情境依賴性;(c) 人類行為因素。即使是面對(duì)OpenAI 的 GPT、Anthropic 的 Claude、Meta 的 Llama、Google 的 Gemini 或 Mistral 的 Mixtral of Experts等尖端 GenAI 模型,也仍然面臨這些挑戰(zhàn)。下文將解析實(shí)踐者應(yīng)對(duì)每個(gè)維度的技術(shù)方案。

1. 多步驟和多層次推理

多步驟和多層次推理通常采用分步提示策略。具體要求包括:要求 大語(yǔ)言模型(LLMs) "逐步展示推理邏輯",在提示中列出步驟清單,以及將各步驟拆分為獨(dú)立提示序列。雖然理論上可以通過自動(dòng)化實(shí)現(xiàn)多提示任務(wù)分解,但中間步驟如果出現(xiàn)計(jì)算錯(cuò)誤,仍需人工介入校正性能。分步提示策略存在天然局限:?jiǎn)蝹€(gè)提示方法受到上下文窗口和輸出窗口大小的限制,而過多提示分割則容易導(dǎo)致LLMs 遺忘先前步驟的上下文數(shù)據(jù)

2. 情境依賴性

戰(zhàn)略管理應(yīng)用需要GenAI 模型訪問額外的(通常是敏感的)情境數(shù)據(jù)。例如,在評(píng)估并購(gòu)交易是否具有吸引力時(shí),需要調(diào)用公司的內(nèi)部財(cái)務(wù)數(shù)據(jù)和戰(zhàn)略備忘錄。為此,業(yè)界通常采用檢索增強(qiáng)生成(RAG)架構(gòu)。該技術(shù)在生成過程中添加信息檢索組件,使 LLM 能夠查詢?nèi)我庖?guī)模的外部數(shù)據(jù)源,并將檢索結(jié)果整合至用戶提示的上下文窗口(見圖 1)。該方案對(duì)戰(zhàn)略管理非常重要,它允許GenAI 模型訪問敏感的公司數(shù)據(jù)庫(kù)(無(wú)需微調(diào)),降低 "幻覺 "概率,甚至支持溯源響應(yīng)數(shù)據(jù)來源。典型案例是博世與 Aleph Alpha 合作開發(fā)的 BoschGPT 。


3. 人類行為因素

了解和預(yù)測(cè)可能的人類行為(團(tuán)隊(duì)內(nèi)部動(dòng)態(tài)、客戶期望、文化背景等)在許多戰(zhàn)略管理分支學(xué)科中都發(fā)揮著重要作用。例如,企業(yè)的定價(jià)策略可能基于對(duì)消費(fèi)者支付意愿的預(yù)期,但同時(shí)也要考慮市場(chǎng)上的競(jìng)爭(zhēng)對(duì)手將如何對(duì)自己的定價(jià)策略做出回應(yīng),最后還要考慮消費(fèi)者在做出二次決策時(shí)的權(quán)衡過程。雖然可以向模型提供預(yù)設(shè)假設(shè)作為指導(dǎo),但真正的自動(dòng)化需要 LLM 基于原始?xì)v史定價(jià)數(shù)據(jù),提供自主假設(shè)。當(dāng)前訓(xùn)練這些人類行為直覺的最佳方法是提供案例研究作為情境提示(即多樣本實(shí)驗(yàn)),或根據(jù)任務(wù)特定數(shù)據(jù)進(jìn)行微調(diào),并由人類專家標(biāo)注相關(guān)的缺失行為要素,但均非完美解決方案。

4. 以模型性能為基準(zhǔn)

作為簡(jiǎn)要補(bǔ)充,了解 GenAI 社區(qū)如何評(píng)估和衡量這些難以自動(dòng)化的能力表現(xiàn)非常有用。雖然映射關(guān)系不是一一對(duì)應(yīng),但也相差不遠(yuǎn)。

對(duì)于綜合知識(shí)和推理能力,每個(gè)領(lǐng)先的 LLM 都會(huì)定期公布其 ARC、HellaSwag 和 MMLU 分?jǐn)?shù)。ARC 指的是 AI2 推理挑戰(zhàn)賽,這是一個(gè)由小學(xué)選擇題組成的數(shù)據(jù)集。HellaSwag是一個(gè)常識(shí)推理和邏輯問題數(shù)據(jù)集。而MMLU指的是多任務(wù)語(yǔ)言理解(Multi-task Language Understanding)側(cè)重于研究生級(jí)別學(xué)術(shù)課題的數(shù)據(jù)集,更強(qiáng)調(diào)知識(shí)理解和檢索。為了評(píng)估模型通過 RAG 架構(gòu)整合語(yǔ)境的能力,我們的最佳實(shí)踐指標(biāo)與分類機(jī)器學(xué)習(xí)中的混淆矩陣類似,后者更依賴于具體語(yǔ)境,而不是一門精確的科學(xué)。我們既要評(píng)估 LLM 回答提示問題的質(zhì)量("生成"),也要考慮檢索到的內(nèi)容與該答案的相關(guān)程度("檢索")。

對(duì)于生成,我們衡量的是答案的事實(shí)準(zhǔn)確性及其與問題的相關(guān)性。而對(duì)于檢索,衡量的則是信噪比(上下文精確度)以及檢索到內(nèi)容是否足以回答問題(上下文召回率)

對(duì)于社會(huì)推理,當(dāng)前的基準(zhǔn)數(shù)據(jù)庫(kù)如SocialIQA被用來測(cè)試模型能否預(yù)測(cè)故事后續(xù)發(fā)展或解釋行為動(dòng)機(jī)。

三個(gè)實(shí)驗(yàn)的設(shè)計(jì)和研究發(fā)現(xiàn)

我們關(guān)注這些模型在實(shí)際戰(zhàn)略管理任務(wù)中的表現(xiàn),這些任務(wù)需要綜合多項(xiàng)能力。為了測(cè)試這一點(diǎn),我們?cè)O(shè)計(jì)了三個(gè)實(shí)驗(yàn)來反映復(fù)雜程度和價(jià)值遞增的戰(zhàn)略管理任務(wù):(1)編制市場(chǎng)調(diào)研檔案;(2)評(píng)估商業(yè)戰(zhàn)略;(3)執(zhí)行買方盡職調(diào)查所需的分析這些實(shí)驗(yàn)任務(wù)代表了戰(zhàn)略和投資團(tuán)隊(duì)日常工作的核心內(nèi)容。

實(shí)驗(yàn) 1:編制市場(chǎng)調(diào)研檔案

設(shè)計(jì):要求 ChatGPT-4 執(zhí)行波士頓咨詢公司(BCG)內(nèi)部團(tuán)隊(duì)就印度農(nóng)用化學(xué)品市場(chǎng)編寫的實(shí)際卷宗中提供的三項(xiàng)具體分析:(1)按地區(qū)總結(jié)全球農(nóng)用化學(xué)品的定性洞察;(2)將 2018-2023 年的全球農(nóng)用化學(xué)品市場(chǎng)規(guī)模繪制成按地區(qū)劃分的堆疊條形圖;(3)深入研究印度市場(chǎng),并分享一些關(guān)于市場(chǎng)吸引力和競(jìng)爭(zhēng)格局的分析。我們?cè)谳斎肷舷挛闹懈郊恿?BCG 團(tuán)隊(duì)使用的核心資料《全球農(nóng)用化學(xué)品市場(chǎng)報(bào)告》。

研究發(fā)現(xiàn):首先,僅憑ChatGPT-4 輸出即可合理推導(dǎo)出BCG 編寫的執(zhí)行摘要關(guān)鍵復(fù)合年增長(zhǎng)率(CAGR)數(shù)值完全一致。其次,該模型能夠解析和檢索 200 頁(yè)行業(yè)報(bào)告中的文本、圖表和數(shù)據(jù)表。第三,單次提示即可生成多個(gè)細(xì)節(jié)層面的分析結(jié)果。

結(jié)論:實(shí)驗(yàn) 1 表明,LLM 已經(jīng)能夠在戰(zhàn)略管理的背景下,通過有限的數(shù)據(jù)收集和推理,自動(dòng)完成大規(guī)模的綜合任務(wù)。未來的研究可探索結(jié)合RAG 架構(gòu)的性能擴(kuò)展,例如,賦予模型訪問行業(yè)報(bào)告數(shù)據(jù)庫(kù)的權(quán)限。如果檢索器設(shè)計(jì)精良,是否可以有效地移除人工干預(yù)(即無(wú)需提供相關(guān)源材料)。

實(shí)驗(yàn) 2:通過咨詢案例訪談解決決策問題

設(shè)計(jì):咨詢案例訪談通常分為四個(gè)部分:(1)向候選人提供案例背景,并詢問解題思路;(2)反復(fù)交談,定位核心問題;(3)分享數(shù)據(jù)資料,要求候選人計(jì)算并提供定量洞察;(4)準(zhǔn)備向客戶高管匯報(bào)的結(jié)論。我們要求 ChatGPT-4 扮演候選人,參與BCG已存檔的某超市冷凍食品面試案例,并根據(jù)人類申請(qǐng)者的評(píng)分標(biāo)準(zhǔn)(如邏輯性、假設(shè)驅(qū)動(dòng)性)逐項(xiàng)評(píng)估回答。

研究結(jié)果:第(1)部分,ChatGPT-4 能夠構(gòu)建近似于 MECE(互斥窮盡)的框架,但假設(shè)驅(qū)動(dòng)性不足(未聚焦案例要求的盈利能力,未討論收入與成本關(guān)系),因此未達(dá)到及格分?jǐn)?shù)。第(2)部分,面試官建議對(duì)定價(jià)進(jìn)行調(diào)查。該模型迅速提供了一份簡(jiǎn)明扼要的驅(qū)動(dòng)因素清單,但缺乏與案例本身的直觀聯(lián)系,也未像優(yōu)秀應(yīng)聘者那樣提出下一步建議以得出結(jié)論。第(3)、第(4)部分,模型的表現(xiàn)一般處于及格水平。我們提供了兩組數(shù)據(jù),每組數(shù)據(jù)都能得出正確的數(shù)學(xué)結(jié)果和基本的”結(jié)論(例如,冷凍披薩下降了 50%,這是價(jià)格問題,而不是成本或數(shù)量問題),很可能與優(yōu)秀候選人的表現(xiàn)相當(dāng)。此結(jié)果超出預(yù)期,因?yàn)樵撃P痛饲皩?duì)定性問題的回答未能展現(xiàn)相關(guān)能力。

局限性:盡管從情境的角度來看,該模型的整體表現(xiàn)相當(dāng)不錯(cuò),但它完全忽略了頂尖候選人所應(yīng)具備的一些行為特質(zhì)。例如,主動(dòng)提出假設(shè)驅(qū)動(dòng)的后續(xù)步驟以主導(dǎo)面試進(jìn)程,展現(xiàn)求知欲與探索性思維、,即使通過預(yù)熱提示提供引導(dǎo),,此類行為仍無(wú)法實(shí)現(xiàn)。

結(jié)論:實(shí)驗(yàn) 2 的結(jié)果表明, LLMs 在有人類參與的情況下執(zhí)行情景規(guī)劃任務(wù)的潛力。雖然在提出解決抽象戰(zhàn)略問題的方法方面還不夠完善,但如果在人類的指導(dǎo)下完成第一步,這些模型可以高效支持后續(xù)分析,從而快速驗(yàn)證假設(shè)并找到解決方案。這些結(jié)果與過往問題解決任務(wù)研究的結(jié)論一致。

實(shí)驗(yàn)3:買方盡職調(diào)查的財(cái)務(wù)建模實(shí)驗(yàn)

設(shè)計(jì):為測(cè)試當(dāng)前GenAI 模型能夠在多大程度上處理并購(gòu)盡職調(diào)查的復(fù)雜性和量化嚴(yán)謹(jǐn)性,我們使用了斯坦福大學(xué)商學(xué)院金融建模課程的案例研究——關(guān)于Stride Rite 于 2005 年收購(gòu) Saucony 的交易。我們要求 ChatGPT-4執(zhí)行課程作業(yè)要求的一系列分析:(1)建立股權(quán)結(jié)構(gòu)表;(2)合并利潤(rùn)表和資產(chǎn)負(fù)債表;(3)計(jì)算貼現(xiàn)現(xiàn)金流(DCF);(4)推薦 Stride Rite 公司應(yīng)提供的每股收購(gòu)價(jià)。

研究結(jié)果:與之前的測(cè)試不同,本次實(shí)驗(yàn)突出了 ChatGPT-4 的局限性,而非優(yōu)勢(shì)。盡管如此,還是有一些值得一提的亮點(diǎn)。首先,該模型能高效解析案例研究文件(一份 pdf 文件,一份 excel 文件)并組織信息以回答特定問題,例如 "提取買賣雙方普通股和完全稀釋股數(shù)"或甚至 "構(gòu)建雙方股權(quán)結(jié)構(gòu)表"。其次,模型具有一定的自我診斷能力。例如,當(dāng)模型計(jì)算出合并協(xié)同效應(yīng)收益為負(fù)值時(shí),它在輸出中主動(dòng)警告“該結(jié)果需合理性驗(yàn)證”。

局限性:我們的發(fā)現(xiàn)可分為兩類:一是多步驟量化推理缺陷。我們要求模型完成兩項(xiàng)需要多步驟量化推理的任務(wù):合并利潤(rùn)表和計(jì)算貼現(xiàn)現(xiàn)金流。在這兩種情況下,即便拆解步驟粒度(單次提示 vs 多次提示)或人工引導(dǎo),仍無(wú)法得出正確財(cái)務(wù)模型結(jié)果。

二是結(jié)果穩(wěn)定性問題,盡管我們知道這些模型是隨機(jī)的,預(yù)計(jì)到不同環(huán)節(jié)的結(jié)果會(huì)有一些差異,但在提示和上下文數(shù)據(jù)完全相同的情況下,輸出結(jié)果差異顯著。例如,在實(shí)驗(yàn)接近尾聲時(shí),我們要求模型提供 Stride Rite 應(yīng)向 Saucony 提供的每股建議價(jià)格。最初的回答是 28 美元/股,這不正確但與正確答案 35 美元/股比較接近。然而,當(dāng)提示 "你能再試一次嗎?"時(shí),模型計(jì)算出的價(jià)格為 96 美元/股。

在本實(shí)驗(yàn)中,我們發(fā)現(xiàn)多步驟推理的一個(gè)主要限制因素是遺忘。雖然當(dāng)我們將指令分解成各個(gè)步驟時(shí),這些多步驟任務(wù)的成績(jī)普遍有所提高,但很快達(dá)到極限,即模型進(jìn)行正確的中間計(jì)算所需的粒度水平依賴大量的提示。

結(jié)論:實(shí)驗(yàn) 3 的結(jié)果表明,當(dāng)今的 LLM 在處理涉及多個(gè)推理步驟的真正復(fù)雜任務(wù)方面存在明顯的局限性——若一次性輸入過多步驟,模型將無(wú)法處理;若如果過于分解步驟,模型會(huì)遺忘前期上下文。可通過工程化方案(如上下文編碼與動(dòng)態(tài)回傳)部分緩解,但本質(zhì)能力仍需模型迭代提升風(fēng)險(xiǎn)和挑戰(zhàn)。戰(zhàn)略管理決策往往會(huì)對(duì)公司發(fā)展產(chǎn)生重大影響。因此需深入理解當(dāng)前 GenAI 應(yīng)用的潛力和缺陷。

Gen AI應(yīng)用的潛力和缺陷

戰(zhàn)略管理決策往往會(huì)對(duì)公司發(fā)展產(chǎn)生重大影響。因此需深入理解當(dāng)前 GenAI 應(yīng)用的潛力和缺陷。

1. 固有偏見實(shí)驗(yàn)

GenAI 模型帶有與預(yù)訓(xùn)練期間使用的數(shù)據(jù)集和自然語(yǔ)言任務(wù)相關(guān)的固有偏見。這些偏見可能因上下文窗口、檢索增強(qiáng)和微調(diào)的選擇而加劇或部分緩解。雖然這仍然屬于研究前沿,但已有基準(zhǔn)數(shù)據(jù)集可以幫助從業(yè)人員(和 LLM 核心平臺(tái)開發(fā)人員)評(píng)估性能進(jìn)展,例如詞嵌入關(guān)聯(lián)測(cè)試(WEAT)、刻板印象測(cè)試集(StereoSet) 和 公平人臉識(shí)別基準(zhǔn)(FairFace)(Schroder,2022 年)。這僅僅是個(gè)開始,建議優(yōu)先選擇在偏差基準(zhǔn)以及推理、上下文檢索等更成熟指標(biāo)上表現(xiàn)出色的 GenAI 技術(shù)來提供幫助。

2. 人機(jī)協(xié)同的必要性

雖然當(dāng)今的 GenAI 模型在人機(jī)協(xié)同下表現(xiàn)驚艷,但反事實(shí)是:案例訪談和盡職調(diào)查實(shí)驗(yàn)都不可能通過純粹的自動(dòng)化實(shí)現(xiàn),這具有兩面性。積極面是,該技術(shù)將增強(qiáng)而非替代戰(zhàn)略管理細(xì)分領(lǐng)域;但從規(guī)模的角度來看,這又是一種限制:在特定任務(wù)中,人機(jī)協(xié)同大幅限制了這些技術(shù)的潛在效益。例如,如果盡調(diào)分析能夠真正實(shí)現(xiàn)自動(dòng)化,企業(yè)將能持續(xù)評(píng)估所有并購(gòu)機(jī)會(huì),而不是依賴人工篩選目標(biāo)清單。

3. 結(jié)論與展望

本研究得出兩大核心結(jié)論。

首先,當(dāng)今的 LLM 已經(jīng)能夠自動(dòng)完成大規(guī)模的綜合任務(wù)(如市場(chǎng)調(diào)研),并能進(jìn)行一些有限的數(shù)據(jù)匯總和推理,但需人機(jī)協(xié)同處理多步驟任務(wù)或人類行為理解(如戰(zhàn)略情景規(guī)劃)

其次,假設(shè)驅(qū)動(dòng)性復(fù)雜多步驟推理仍無(wú)法實(shí)現(xiàn)(如買方盡職調(diào)查),即使有人工參與,也不足以引導(dǎo)現(xiàn)成的 LLM 得出正確的結(jié)果

對(duì)于今天的領(lǐng)導(dǎo)團(tuán)隊(duì)而言,問題仍然聚焦兩個(gè)方面:(a) 通過設(shè)計(jì)專用系統(tǒng)(例如獨(dú)立微調(diào)量化模塊、定制數(shù)據(jù)庫(kù)的RAG檢索)能否提升性能,(b) 這些 LLM 的下一版本(例如,OpenAI 的 GPT-5、Meta 的 Llama-3)將如何自然提升多步推理與穩(wěn)定性。

通過深化此類實(shí)驗(yàn),可以初步驗(yàn)證專用系統(tǒng)的價(jià)值。在市場(chǎng)調(diào)研方面,通過 RAG 架構(gòu)賦予模型訪問行業(yè)報(bào)告數(shù)據(jù)庫(kù)的權(quán)限,并嘗試移除人工提供原始材料的環(huán)節(jié)。對(duì)于案例面試(以及一般的商業(yè)情景規(guī)劃用例),我們可以重新實(shí)驗(yàn),并對(duì)模型進(jìn)行深度微調(diào),以幫助其 "習(xí)得"頂尖候選人的行為模式。最后,在盡職調(diào)查方面,探索針對(duì)不同環(huán)節(jié)的定制 GPT(如合并利潤(rùn)表),并采用基于嵌入向量的搜索算法降低上下文數(shù)據(jù)的內(nèi)存負(fù)擔(dān)。

LLM 和生成式人工智能在商業(yè)領(lǐng)域有著巨大的價(jià)值,當(dāng)前應(yīng)用只是冰山一角,這些技術(shù)將成為更多商業(yè)轉(zhuǎn)型的基礎(chǔ)。在未來數(shù)月和數(shù)年內(nèi)轉(zhuǎn)型將聚焦于基礎(chǔ)智能任務(wù)和流程的自動(dòng)化上,即涉及信息檢索、數(shù)據(jù)綜合以及有限的規(guī)劃推理的任務(wù),此類流程耗時(shí)有望減少 90% 以上,數(shù)以千計(jì)的流程將實(shí)現(xiàn)效率躍升。在我們的實(shí)驗(yàn)中,市場(chǎng)調(diào)研檔案就是一個(gè)典型的例子。

高級(jí)智力任務(wù)(需多步驟量化推理、長(zhǎng)短期記憶以及對(duì)人類行為的深刻理解)也將在 GenAI 中發(fā)揮作用。但正如實(shí)驗(yàn)(2)、(3)所示,要在這些領(lǐng)域取得成效,仍需要在 LLM 技術(shù)突破與系統(tǒng)工程化部署。商業(yè)問題的核心問題將變成:應(yīng)該在什么時(shí)候開始認(rèn)真投資?一個(gè)簡(jiǎn)單的比喻是:應(yīng)該等待更聰明的學(xué)生(新一代LLM)出現(xiàn),還是投資構(gòu)建現(xiàn)有模型上的復(fù)雜系統(tǒng)?后者短期風(fēng)險(xiǎn)小,但靈活性差,前者適配未來戰(zhàn)略但需技術(shù)成熟周期 。

對(duì)我們來說,這又回到了一個(gè)關(guān)于人工智能應(yīng)用優(yōu)先級(jí)的總體框架,它可以歸結(jié)為對(duì)兩個(gè)核心問題的權(quán)衡。首先,應(yīng)用人工智能的流程能創(chuàng)造多少商業(yè)價(jià)值?其次,在獲取相關(guān)數(shù)據(jù)方面,是否擁有可防御性的優(yōu)勢(shì)?隨著LLM的成熟和性能的提高,專用系統(tǒng)或微調(diào)投資的需求將越來越少,使得必要投資遞減。與此同時(shí),若當(dāng)前已經(jīng)擁有大量任意格式的文本化相關(guān)數(shù)據(jù),那么 LLM 可成為挖掘此類數(shù)據(jù)價(jià)值的工具,從而放大投資回報(bào)。因此,擁有數(shù)百筆交易數(shù)據(jù)(擁有可防御性獲取渠道)的大型投資基金或?qū)⒑芸焱顿Y這種先進(jìn)系統(tǒng),而普通企業(yè)并購(gòu)部門則會(huì)理性地等待底層人工智能技術(shù)的進(jìn)一步成熟。

編輯 | Jiaru

進(jìn)一步交流

進(jìn)入專業(yè)社群展開深度討論

慎思行通過微信等平臺(tái)覆蓋超過10萬(wàn)戰(zhàn)略人、咨詢?nèi)说雀黝悓I(yè)人士。我們也構(gòu)建了專業(yè)社群,推動(dòng)戰(zhàn)略與咨詢領(lǐng)域的問題討論、信息交流和機(jī)會(huì)分享,社群已有超過5年歷史,并成為了頂尖專業(yè)人士感知市場(chǎng)前沿,獲得實(shí)踐經(jīng)驗(yàn)的首要選擇。入群請(qǐng)?zhí)砑由魉季⑿牛⑻峁┟?/p>

現(xiàn)在微信公眾號(hào)更改規(guī)則,如果你不特地點(diǎn)進(jìn)來,很可能看不到我們的推送了。希望喜歡【慎思行】的讀者朋友們將本號(hào)【設(shè)為星標(biāo)★】,方便找到我們;也歡迎點(diǎn)擊右下角的【在看】。

為什么說智能體是生成式AI的下一個(gè)前沿領(lǐng)域?

人工智能將如何改變企業(yè)戰(zhàn)略?


特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相關(guān)推薦
熱點(diǎn)推薦
今夜起!臺(tái)風(fēng)“丹娜絲”影響福州!最新路徑公布!福建暴雨警報(bào)

今夜起!臺(tái)風(fēng)“丹娜絲”影響福州!最新路徑公布!福建暴雨警報(bào)

福州晚報(bào)
2025-07-06 15:31:48
主持人陳超參加第十四屆全國(guó)青聯(lián)大會(huì),和陳夢(mèng),惠若琪等合影好美

主持人陳超參加第十四屆全國(guó)青聯(lián)大會(huì),和陳夢(mèng),惠若琪等合影好美

喜歡歷史的阿繁
2025-07-04 11:53:56
比房?jī)r(jià)下跌更讓人操心的事情,2025年退休人員,可能要過苦日子了

比房?jī)r(jià)下跌更讓人操心的事情,2025年退休人員,可能要過苦日子了

小談食刻美食
2025-06-16 16:32:23
霍福德妻子更新社媒:5個(gè)孩子同框太美滿 生娃后仍美若天仙

霍福德妻子更新社媒:5個(gè)孩子同框太美滿 生娃后仍美若天仙

Emily說個(gè)球
2025-07-06 13:35:29
中國(guó)女籃完敗澳大利亞,張子宇輪休宮魯鳴更加想念李月汝

中國(guó)女籃完敗澳大利亞,張子宇輪休宮魯鳴更加想念李月汝

李廣專業(yè)體育評(píng)論
2025-07-06 21:15:11
重磅消息!寧波富邦體育場(chǎng)或?qū)⒏脑鞛?.5萬(wàn)人專業(yè)足球場(chǎng)?

重磅消息!寧波富邦體育場(chǎng)或?qū)⒏脑鞛?.5萬(wàn)人專業(yè)足球場(chǎng)?

林子說事
2025-07-06 15:17:36
取消試訓(xùn)、拒見全聯(lián)盟,貝利夏聯(lián)首秀大跌眼鏡,安吉老謀深算啊!

取消試訓(xùn)、拒見全聯(lián)盟,貝利夏聯(lián)首秀大跌眼鏡,安吉老謀深算啊!

冷桂零落
2025-07-07 00:47:48
阿根廷主場(chǎng)球衣諜照:經(jīng)典藍(lán)白條紋+漸變?cè)O(shè)計(jì),金色三星閃耀

阿根廷主場(chǎng)球衣諜照:經(jīng)典藍(lán)白條紋+漸變?cè)O(shè)計(jì),金色三星閃耀

直播吧
2025-07-06 09:26:06
臺(tái)海的問題不是敢不敢打,而是一旦打起來,百姓的好日子就到頭了

臺(tái)海的問題不是敢不敢打,而是一旦打起來,百姓的好日子就到頭了

銳器
2025-06-18 16:12:14
罕見!25年來第一次,中國(guó)跌至世界第三,釋放不尋常信號(hào)

罕見!25年來第一次,中國(guó)跌至世界第三,釋放不尋常信號(hào)

張嘴說財(cái)經(jīng)
2025-06-03 14:02:16
“治港敗類”曾蔭權(quán):治理香港7年,為何卻在卸任后,獲刑20個(gè)月

“治港敗類”曾蔭權(quán):治理香港7年,為何卻在卸任后,獲刑20個(gè)月

星光看娛樂
2025-03-31 17:52:22
福建女子陪好友看豪車,因隨口說出7個(gè)字,生命定格在49歲

福建女子陪好友看豪車,因隨口說出7個(gè)字,生命定格在49歲

莉雅細(xì)細(xì)談
2024-04-12 21:55:52
俄阿關(guān)系急劇惡化,大戰(zhàn)一觸即發(fā),聯(lián)合國(guó)罕見強(qiáng)硬表態(tài)

俄阿關(guān)系急劇惡化,大戰(zhàn)一觸即發(fā),聯(lián)合國(guó)罕見強(qiáng)硬表態(tài)

智觀科技
2025-07-06 10:42:07
嚴(yán)打“數(shù)字傭兵”,美國(guó)刑事起訴8名中國(guó)公民

嚴(yán)打“數(shù)字傭兵”,美國(guó)刑事起訴8名中國(guó)公民

法經(jīng)網(wǎng)
2025-07-06 10:31:05
唏噓!佛山一家22年的港資企業(yè)發(fā)結(jié)業(yè)通知,承諾會(huì)結(jié)清員工工資…

唏噓!佛山一家22年的港資企業(yè)發(fā)結(jié)業(yè)通知,承諾會(huì)結(jié)清員工工資…

小人物看盡人間百態(tài)
2025-07-06 09:36:15
確認(rèn)了!今晚抵達(dá)湖北,這波太猛

確認(rèn)了!今晚抵達(dá)湖北,這波太猛

魯中晨報(bào)
2025-07-06 18:51:54
比鄭裕彤更慘?香港兩大家族債務(wù)暴雷,地產(chǎn)黃金時(shí)代徹底終結(jié)

比鄭裕彤更慘?香港兩大家族債務(wù)暴雷,地產(chǎn)黃金時(shí)代徹底終結(jié)

李砍柴
2025-07-06 20:55:44
《以法之名》第27、28集劇情解析!江旭東禹天成之間,水竟這么深

《以法之名》第27、28集劇情解析!江旭東禹天成之間,水竟這么深

墨印齋
2025-07-06 22:42:34
吳千語(yǔ)曬出自我最新寫真照——這是我眼中的巴黎

吳千語(yǔ)曬出自我最新寫真照——這是我眼中的巴黎

情感大頭說說
2025-07-07 02:19:22
歡迎球哥??騎士官方宣布:朗佐-鮑爾正式加盟球隊(duì)

歡迎球哥??騎士官方宣布:朗佐-鮑爾正式加盟球隊(duì)

直播吧
2025-07-07 01:23:10
2025-07-07 03:24:49
慎思行 incentive-icons
慎思行
定位于管理咨詢與企業(yè)戰(zhàn)略管理
1228文章數(shù) 964關(guān)注度
往期回顧 全部

科技要聞

小米YU7首批交付,雷軍現(xiàn)身為車主開車門

頭條要聞

業(yè)內(nèi)分析師:美國(guó)全面禁止中國(guó)無(wú)人機(jī)只是"時(shí)間問題"

頭條要聞

業(yè)內(nèi)分析師:美國(guó)全面禁止中國(guó)無(wú)人機(jī)只是"時(shí)間問題"

體育要聞

陳登星法國(guó)扣籃大賽奪冠!高舉國(guó)旗慶祝

娛樂要聞

35歲鹿晗暴瘦到認(rèn)不出 傳和關(guān)曉彤分手

財(cái)經(jīng)要聞

馬斯克宣布:美國(guó)黨成立了!

汽車要聞

阿斯頓·馬丁跑車陣容將齊聚2025古德伍德速度節(jié)

態(tài)度原創(chuàng)

親子
游戲
旅游
公開課
軍事航空

親子要聞

科普|女性為何會(huì)出現(xiàn)盆腔器官脫垂?

PS6或?qū)ⅰ斑t到”?外媒稱這說不定是PS5的好機(jī)會(huì)

旅游要聞

熱聞|清明假期將至,熱門目的地有哪些?

公開課

李玫瑾:為什么性格比能力更重要?

軍事要聞

以伊沖突后 哈梅內(nèi)伊首次公開露面

無(wú)障礙瀏覽 進(jìn)入關(guān)懷版 主站蜘蛛池模板: 都匀市| 永平县| 余干县| 广水市| 土默特左旗| 阜阳市| 英德市| 贵阳市| 兴海县| 龙江县| 安陆市| 湘潭县| 静宁县| 皋兰县| 阿合奇县| 崇义县| 黄石市| 博罗县| 九龙坡区| 海南省| 辰溪县| 鲁甸县| 玉林市| 郴州市| 云霄县| 嵊州市| 额济纳旗| 岳西县| 瓦房店市| 中阳县| 乌鲁木齐市| 宜城市| 丹阳市| 宽甸| 九龙县| 临沂市| 莫力| 永兴县| 哈巴河县| 苍山县| 威信县|