98%财务顾问依赖AI，揭秘7家先锋企业如何解锁商业新格局

【导读】摩根士丹利的案例表明，企业应用AI离不开快速试错与优化。AI通过分析海量数据打造个性化体验，Indeed的职位推荐和Lowe’s搜索优化证明了数据与AI结合的巨大潜力。

AI正以前所未有的速度，重塑企业运营和竞争格局。

从金融服务到电商零售，从求职招聘到家装购物，AI带来了巨大的变革潜力。

OpenAI最新发布的报告，深入剖析了7家前沿公司应用AI的宝贵经验。

报告链接：https://cdn.openai.com/business-guides-and-resources/ai-in-the-enterprise.pdf

这在三个方面带来了显著且可衡量的提升：

• 员工表现：助力员工在更短的时间内，产出更高质量的成果。

• 常规操作自动化：将人们从重复性任务中解放出来，使他们能专注于更有价值的工作。

• 赋能产品：通过提供更贴合用户需求、响应更迅速的服务，提升用户体验。

利用AI和开发软件或部署云应用不太一样。那些运用AI最成功的公司，常常把它当作一种新的模式。

这种敢于尝试的实验精神，让他们用迭代的方法，更快实现价值，也更容易获得用户和利益相关者的认可。

接下来，结合客户案例，深入探讨每条经验。

经验一：从评估入手

摩根士丹利通过迭代确保质量与安全

作为全球金融服务领域的领军企业，摩根士丹利的业务高度依赖客户关系。

因此，AI如何在注重个性化和隐私性的工作中发挥价值，成了公司内部关注的重点。

他们的解决办法是，对每一个打算应用AI的项目进行全面评估。

评估是一个严谨、结构化的过程，用来衡量AI模型在特定应用场景中的实际表现，是否达到标准。

同时，评估也是借助专家反馈，不断优化AI驱动的业务流程。

摩根士丹利的首次评估聚焦在提升财务顾问的工作效率和效果。

思路很简单：要是财务顾问能更快获取信息，少花时间在重复性任务上，就能为客户提供更多优质见解。

他们开展了三项评估：

• 语言翻译：衡量模型翻译的准确性和质量。

• 内容总结：依据准确性、相关性和连贯性等指标，评估模型提炼信息的能力。

• 人工训练对比：将AI结果和专家顾问的回复对比，从准确性和相关性方面打分。

这些评估及后续其他评估，让摩根士丹利有信心将这些案例逐步投入实际运营。

现在，98%的摩根士丹利财务顾问每天都用OpenAI。文件查阅率从20%上升到80%，搜索时间大幅缩短。

借助任务自动化和更快速的洞察，财务顾问能把更多时间花在维护客户关系上。

财务顾问们反馈很好，他们和客户互动更密切，过去要几天才能完成的跟进工作，现在几小时就能搞定。

经验二：将AI融入产品

Indeed职位匹配更人性化

当AI用于自动化和加速繁琐、重复的工作时，员工就能专注于只有人能做的事。

AI能处理多个渠道的海量数据，打造出更贴合用户需求、更个性化的体验，让人感觉更有人情味。

全球领先的求职网站Indeed，用 GPT-4o mini以新的方式为求职者匹配职位。

给求职者提供优质的职位推荐只是Indeed服务的第一步，他们还要向求职者解释为什么推荐某个特定职位。

Indeed用GPT-4o mini的数据分析和自然语言处理能力，在给求职者的邮件和消息里写这些「推荐理由」。

广受欢迎的「邀请申请」还能说明求职者的背景或过往工作经验为何与该职位相匹配。

Indeed团队把之前的职位匹配引擎和基于GPT的新版本对比测试，新版本加了定制化的背景信息。

结果显示，新版本的性能提升很明显：

• 职位申请量增加了20%。

• 后续成功率提高了13%——不仅更多求职者愿意申请，雇主也更倾向于录用他们。

Indeed每月给求职者发超2000万条消息，网站每月有3.5亿访问量，这些增长带来了很大的商业影响。

不过，规模扩大也意味着要消耗更多token。

为提高效率，OpenAI和Indeed合作，微调了一个较小的GPT模型，减少60% token消耗的同时，仍能达到类似的效果。

帮求职者找到合适工作，并让他们明白某个机会为什么适合自己，是一项很人性化的成果。

Indeed团队借助AI，让更多求职者更快找到工作，实现了双赢。

经验三：即刻行动，尽早投资

Klarna如何从AI知识积累中获益

AI很少能直接拿来就用，实际的应用案例需要不断迭代，才能变得更成熟，发挥更大的作用。

越早开始，企业从持续改进中获得的收益就越多。

Klarna是全球支付网络和购物平台，推出了一款新的AI客服助手，来优化客户服务。

才几个月，这个助手就处理了三分之二的客服咨询，相当于数百名客服人员的工作量，平均解决问题时间从11分钟缩减到2分钟。

预计这一举措能带来4000万美元的利润增长，而且客户满意度和人工客服差不多。

这些成果不是一下子就有的，Klarna通过不断测试和优化客服助手，才有这样的成果。

现在Klarna 90%的员工日常工作都会用AI。

公司内部对AI熟悉程度越来越高，这让Klarna节奏更快，更高效地开展内部项目，还能持续优化客户体验。

通过尽早投资并鼓励广泛应用，Klarna见证了AI带来的复合效益，推动了整个业务发展。

AI在客户互动方面的突破，为客户带来了更优质、更实惠的体验，给员工提供了更有挑战的工作，也为投资者创造了更丰厚的回报。

经验四：定制并微调模型

Lowe’s如何优化产品搜索

那些在应用AI方面成果显著的企业，往往愿意花时间、投入资源来定制和训练AI模型。

OpenAI在API上投入了很多精力，不管是自助操作，还是借助工具和支持，都能更轻松地定制和微调模型。

OpenAI和财富50强企业、家装零售商Lowe's紧密合作，致力于提高电商搜索功能的准确性和相关性。

Lowe's有数千家供应商，产品数据经常不完整或者不一致。

关键在于精确的产品描述和标签，同时还得了解消费者的搜索习惯，而这个习惯会因产品类别不同而变化。这时候微调就发挥作用了。

通过微调OpenAI模型，Lowe's把产品标签标注的准确率提高了20%，错误检测率提升了60%。

如果把GPT模型比作成衣，微调就像是量身定制，根据企业的特定数据和需求，对模型进行个性化调整。

经验五：让专家掌握AI

西班牙对外银行（BBVA）以专家为主导

员工最清楚公司的业务流程和问题，往往也最有能力找到用AI解决问题的办法。

让这些专家掌握AI，比构建通用的解决方案更有效。

全球银行业领军企业西班牙对外银行有超12.5万名员工，他们决定让员工掌握AI，还和法务、合规、信息技术安全团队紧密合作，确保合理使用AI。

他们在全球推出ChatGPT企业版，让员工自己探索适用场景。

西班牙对外银行全球人工智能应用主管Elena Alfaro说：「一般来说，在我们这样的企业，哪怕做个原型，都需要投入技术资源、花不少时间。但有了定制GPT，任何人都能创建应用程序解决特定问题，上手特别容易。」

才五个月，西班牙对外银行的员工就创建了超2900个定制GPT，有些应用把项目和流程的时间从几周缩到几小时。

这一举措在很多专业领域和部门产生了明显影响：

• 信用风险团队：用ChatGPT更快、更准确地评估信用风险。

• 法务团队：每年借助它回答4万个关于政策、合规等方面的问题。

• 客户服务团队：实现净推荐值（NPS）调查的情感分析自动化。

这些成果还在市场营销、风险管理、运营等部门不断扩展。

「我们把对ChatGPT的投入看作是对员工的投资。AI能放大我们的潜力，帮我们提高效率、激发创造力。」

经验六：为开发者扫除障碍

Mercado Libre如何更快、更稳定地构建AI项目

在许多企业中，开发者资源是主要的瓶颈，限制了业务增长。

工程团队任务太多时，创新速度就会变慢，大量应用程序和创意只能积压着，难以推进。

拉丁美洲最大的电商和金融科技公司Mercado Libre和OpenAI合作，构建了一个开发平台层来解决这个问题。

这个平台叫Verdi，由GPT-4o和GPT-4o mini提供支持。

现在，它能帮公司的1.7 万名开发人员统一并加速AI应用程序的开发。

Verdi集成了语言模型、Python节点和API，打造出一个可扩展、稳定的平台，并以自然语言作为核心交互界面。

开发者现在能更快地构建高质量应用程序，还不用深入源代码。平台里还内置了安全机制、规则限制和路由逻辑。

因此，AI应用程序的开发速度大幅提升，Mercado Libre的员工用它实现了很多突破：

• 提升库存容量：GPT-4o mini的视觉标签功能给产品打标签、完成商品上架，让公司的商品目录数量增长了100 倍。

• 检测欺诈行为：每天评估数百万条商品列表数据，把标记商品的欺诈检测准确率提高到近99%。

• 翻译产品标题和描述：适应西班牙语和葡萄牙语的细微方言差异。

• 定制产品描述：满足不同用户的需求。

• 增加订单量：自动生成评论摘要，帮助用户快速了解产品反馈。

• 个性化通知：定制推送通知，提高用户参与度，优化产品推荐。

接下来，Mercado Libre还打算用 Verdi 优化物流、减少延迟交付，在公司内部承担更多有影响力的任务。

经验七：设定大胆的自动化目标

OpenAI如何实现工作自动化

在OpenAI，我们每天都接触AI，所以经常能发现新的自动化工作方法。

比如，客服团队以前工作很繁琐，要花大量时间访问系统、了解情况、写回复，还要为客户采取正确行动。

于是，我们搭建了一个内部自动化平台。它基于现有的工作流程和系统运行，能自动处理重复性工作，加快分析和行动速度。

首个应用场景是基于Gmail写客户回复，并触发相关操作。

借助这个自动化平台，团队能马上获取客户数据和相关知识文章，并把这些信息融入回复邮件或具体操作，像更新账户信息、创建客服工单。

把AI融入现有工作流程后，团队工作效率更高、响应更快，也更以客户为中心。

这个平台每月处理几十万项任务，让员工能专注于更有影响力的工作。

不出所料，这个系统现在已经在其他部门推广开了。

这一切能实现，是因为我们从一开始就设定了大胆的自动化目标，没把低效流程当成业务运营的必须承受的成本。

从前面的案例能看出，每家企业都有利用AI提升业务成果的机会。

不同公司和行业的应用场景可能不同，但这些经验适用于所有市场。

它们的共同特点是：部署人工智能需要开放、勇于尝试的思维，还要有严格的评估和安全保障。

那些成功的企业不会盲目地把AI模型应用到所有工作流程，而是围绕高回报、低投入的应用场景开展，在迭代中学习，再把经验用到新领域。

成果很明显，也能衡量：流程更快速准确，客户体验更个性化，员工能专注于擅长的工作，工作也更有价值。

现在，企业在整合AI工作流程，实现越来越复杂的流程自动化，还经常借助工具、资源和其他智能体来完成任务。

参考资料：

https://cdn.openai.com/business-guides-and-resources/ai-in-the-enterprise.pdf

https://openai.com/business/guides-and-resources/