AI大家说 | 前沿企业如何成功应用AI？

摩根士丹利引入AI工具的关键步骤在于对每个AI应用进行严格评估。具体包括：评估语言翻译的准确性和质量；评估内容摘要的准确性、相关性和连贯性；以及将AI 输出与人类专家对比，评判准确性和相关性。

最终在采用内部AI工具后，企业反馈有98%的顾问每天使用工具；文档信息获取率从20%跃升至80%，搜索时间大幅缩短；顾问有更多时间维护客户关系。

企业使用了GPT-4o mini模型，不仅向求职者推荐职位，同时还向其解释“为什么这个职位适合TA”。而另一方面，AI工具能分析候选人背景和经验，为公司生成个性化的“邀请申请”。

对比旧引擎，接入AI模型后的新版引擎职位申请发起率提升20%，下游成功率（雇主更倾向于雇佣）提升13%，这个提升的商业影响巨大。

公司基于GPT-4o和GPT-4o mini构建了一个开发平台层。该平台整合了语言模型、Python节点和API，以自然语言为核心交互方式，帮助其1.7万名开发者更快、更一致地构建高质量AI应用，而无需深入源代码。安全、护栏和路由逻辑都内置其中。

最终，AI应用开发显著加速，赋能多项业务，例如提升库存能力100倍；将欺诈检测准确率提高到近99%；定制化产品描述以适应不同方言；通过自动化评论摘要增加订单；并个性化通知以提高参与度。

OpenAI已经在内部验证“AI如何增强人类”。在这里，产品经理不再是传统意义上需要开无数会议、写无数文档的角色，而是用AI工具把自己变成“超级产品经理”。

OpenAI商业产品负责人、ChatGPT企业版负责人Nate，每周只需要直接与4-5位客户交流，剩下的客户调研、市场分析、竞品研究全部交给AI。“我无需参加无休止的会议，占用其他团队的时间，就能非常迅速地掌握信息。”AI释放了他最宝贵的创造力和判断力。

Nate自己在工作时，经常会采用以下几个完整AI工作流：

“我经常让它批判我写的东西，或者我要演讲的内容：‘这是我的初稿，我遗漏了什么？这个论点的薄弱环节在哪里？”不是让AI代替思考，而是让AI成为最严格的思维教练。

从组织整体来讲，公司构建了一个内部自动化平台，叠加在现有工作流和系统之上，自动化重复工作，加速洞察和行动。首个用例是在Gmail之上工作，自动起草客户回复并触发后续动作（如访问客户数据、知识库，更新账户，创建工单）。

总之，不要只问“AI能帮我做什么”，要问“AI能帮我做得更好吗”。Nate说：“不要只让AI写邮件，要让它批判你的逻辑漏洞——建立质量提升闭环，而不仅是效率闭环。”

这些案例的共同点是：开放、实验的心态，严谨的评估以及安全护栏。成功的企业并非一蹴而就地将AI注入所有流程，而是先聚焦高回报、低门槛的场景，通过迭代学习，再将经验推广到新领域。

OpenAI商业产品负责人Nate总结了一套“双轨制”部署方法论：

找到几个你认为能为现有工作流带来巨大价值的用例，然后集中精力攻克它们。例如，摩根士丹利选择财富管理这个核心业务，而不是什么都想用AI改造。

关键在于找到内部的“AI倡导者”。他们不仅仅是说“让我们把AI给每个人用”，而是思考“我该如何利用AI来帮助我的业务实现转型”。这些倡导者可能是CEO，也可能是某个部门的普通员工，但都有一个特点：主动推动变革。

最重要的是质量标准——AI不仅要有用，更要可靠。如果要让AI在公司内部驱动工作流，首先必须确保它是可靠和准确的。

在斯坦福大学《2025年人工智能指数报告》中就曾指出：AI在商业领域的应用正在加速。2024年，78%的组织表示在使用AI，高于上一年的55%。

但同时，客观地说，企业尚未看到能带来显著成本节约或新增利润的实质改变。源于麦肯锡调研的图表显示：在报告降本的企业中，多数都只省下不足10%的钱；而在实现增收的企业中，大部分的增幅都低于5%。