從業(yè)者試圖為大模型找到更多使用場景，來給營收、融資增加籌碼
AI大模型一個更新的嘗試，是幫助藥企開拓市場。
在一位從事AI成果轉(zhuǎn)化的研究人員看來，大模型在醫(yī)藥的應(yīng)用，目前進(jìn)度較快、用得比較早的位于整個鏈條兩端，一端是輔助新藥研發(fā)，另一端則是藥品市場研究，這是一個從兩端逐漸往中間環(huán)節(jié)過渡的過程。
大模型能在何種程度上幫助藥企營銷創(chuàng)收，不同企業(yè)有各自的解法。
No.1 輔助藥企做市場營銷
在企業(yè)紛紛盯著降本增效的當(dāng)下，如果能使用合理的工具來讓企業(yè)增加收入，是一個頗為實際的方向。
數(shù)字員工“白小柒”，是中藥企業(yè)云南白藥的一次嘗試。至少在2020年引入IBM公司的人工智能及相關(guān)技術(shù)，到2023年10月，云南白藥基于人工智能模型打造的“白小柒”上線。
員工在工作中遇到業(yè)務(wù)問題，不用問他人，在辦公電腦上咨詢 “白小柒”，馬上可以得到幫助?！鞍仔∑狻?，定位于藥品銷售的助手、產(chǎn)品研發(fā)的助理、健康品營銷的寫手。
云南白藥2023年年報稱，毛利率26.51%，主要在于公司實施內(nèi)部精益運(yùn)營，實現(xiàn)降本增效。其中，2023 年10 月公司的第一位數(shù)字員工“白小柒”上線，提升了員工辦公效率。
這是AI大模型嘗試的一個更細(xì)的分支。云南白藥集團(tuán)首席信息官（CIO）李少春在一個會議中表示，所有企業(yè)都應(yīng)該建立自己的AI團(tuán)隊，但不是AI科學(xué)家團(tuán)隊。在大模型范式下，技術(shù)分工越來越細(xì)，企業(yè)的AI算法工程師重點(diǎn)需要了解基于大模型如何微調(diào)和構(gòu)建相關(guān)訓(xùn)練數(shù)據(jù)，以及提示工程和相關(guān)應(yīng)用，就已經(jīng)能解決許多過去小模型存在的問題。
在李少春看來，大模型底座工作交給大模型平臺公司來解決，這樣可以降低應(yīng)用門檻，擴(kuò)大應(yīng)用范圍，并更深入行業(yè)領(lǐng)域。
已有專門為企業(yè)營銷而設(shè)計的垂直大模型產(chǎn)品。8月8日，東信集團(tuán)發(fā)布了一款營銷大模型，主做創(chuàng)意營銷內(nèi)容生成、AI智能營銷咨詢、營銷方案智能生成，覆蓋社交媒體的文案生成、營銷短視頻的自動生成、策劃方案自動生成等。該公司董事長劉楊稱，營銷領(lǐng)域，將是AI大模型最早能大規(guī)模商業(yè)化的場景應(yīng)用之一。
一位醫(yī)療領(lǐng)域投資人分析，專業(yè)從事企業(yè)數(shù)字營銷的公司，是很需要大模型的，因為大模型可以基于各種標(biāo)簽維度做市場篩選，判斷并匹配潛在客戶。“最好的一點(diǎn)就是它是增收工具，相對來說會更好賣?！?/p>
No.2 做單一任務(wù)更擅長
幾乎沒有藥企只為了促進(jìn)市場營銷而去特意配置一款自己的AI大模型，功能多的更受歡迎。
在OpenAI的支持下，疫苗研發(fā)公司莫德納（Moderna）在內(nèi)部引入了生成式AI。在生成式AI幫助下，不僅莫德納的法規(guī)團(tuán)隊人員可以快速獲得清晰的合同摘要，還可幫助員工快速獲取內(nèi)部政策，無需像以往一樣在數(shù)百個文檔中搜尋，以提高工作效率。
此外，莫德納的公共關(guān)系團(tuán)隊用 ChatGPT Enterprise，構(gòu)建了一個生成式AI聊天機(jī)器人，可以輔助創(chuàng)建季度財報電話會議的PPT；另外一個聊天機(jī)器人則可以幫忙把生澀的生物技術(shù)術(shù)語，轉(zhuǎn)換為平易近人的語言，以方便和投資者進(jìn)行溝通。
另一家與OpenAI合作的醫(yī)療企業(yè)——Oscar Health，做了一個AI助手，可以跟蹤報銷流程，自動回答有關(guān)患者報銷的問題，將處理報銷所需時間縮短一半。
這實際上還是在使用大模型的文本生成、問答能力，只不過將工作場景放進(jìn)了醫(yī)療領(lǐng)域中。
然而，僅做助手還不夠，人們期待大模型能給市場分析和營銷帶來更多創(chuàng)意，突破固有的經(jīng)驗。
云南白藥還在持續(xù)訓(xùn)練“白小柒”內(nèi)部知識，不僅讓它成為熟練掌握白藥集團(tuán)內(nèi)部知識的上崗員工，還希望它能成為藥品銷售的小助手、產(chǎn)品研發(fā)的小助理、健康品營銷的小寫手等。
市場人員一直在苦苦追尋最佳的售賣方案，想知道一款藥為什么能夠賣得好，哪些路徑是真正行之有效的。然而，即便是經(jīng)驗豐富的銷售員，也只能基于過往經(jīng)驗或?qū)π袠I(yè)的理解去做分析，很難跨出已形成的知識架構(gòu)再去思考問題，所以難有創(chuàng)新點(diǎn)。
而通過大模型分析市場數(shù)據(jù)會產(chǎn)生新的可能性，給市場分析人員以更多啟發(fā)。零售數(shù)據(jù)分析公司Intelligence Node，就推出一個零售競爭情報平臺——In competitor，能夠分析競爭對手的定價數(shù)據(jù)，幫助零售商和品牌商監(jiān)控競爭對手。
是的，當(dāng)具體到每項功能，越是單一、明確，越容易讓大模型去實現(xiàn)。這是當(dāng)下從業(yè)者們在實際應(yīng)用上的一個共識。
在營銷領(lǐng)域使用AI大模型的過程中，衛(wèi)瓴科技創(chuàng)始人兼CEO楊炯緯意識到，直接將AI應(yīng)用于復(fù)雜業(yè)務(wù)場景中，往往效果不佳，需要企業(yè)首先梳理業(yè)務(wù)流程，然后再在具體環(huán)節(jié)內(nèi)引入AI，這樣可以通過AI總結(jié)聊天記錄、生成個性化營銷內(nèi)容等方式，去逐步提升營銷效果。
也就是說，某位銷售人員發(fā)來一條信息，或者某次條理清晰的拜訪，其內(nèi)容大綱，或者說“話術(shù)”，很有可能就是AI寫出來的。而對方的反饋，無論是接受了還是拒絕了，這些行為也成了數(shù)據(jù)，以幫助AI更懂人。
“AI沒法形成全鏈條的應(yīng)用，它目前只能在單點(diǎn)上用一下?！痹谏鲜鲅芯咳藛T看來，人們不敢嘗試讓AI去觸碰業(yè)務(wù)的核心地帶，不放心，但一直不讓它碰就能力不夠，像小學(xué)生升不了學(xué)，始終卡在小學(xué)階段上。
No.3 不明確的收益
盡管還沒有一家醫(yī)藥企能公布出具體從人工智能工具中得到實惠的數(shù)據(jù)，但多數(shù)業(yè)內(nèi)人士還是認(rèn)為其未來價值的確可期。
咨詢機(jī)構(gòu)麥肯錫在2024年一季度詢問了100名美國的醫(yī)療保健行業(yè)核心人士，包括支付方、服務(wù)提供者和醫(yī)療保健服務(wù)技術(shù)集團(tuán)在內(nèi)。結(jié)果顯示，超過70%的醫(yī)療保健組織受訪者表示，其所在的組織要么已經(jīng)在使用生成式人工智能工具，要么正在對其進(jìn)行測試。
7月25日，麥肯錫發(fā)布了上述報告。在生成式人工智能在醫(yī)療領(lǐng)域投資回報率上，大多數(shù)受訪者表示仍處于概念驗證階段，已經(jīng)在實施的數(shù)量不多，但約60%已實施AI的人，要么已經(jīng)看到了積極的投資回報，要么抱有這樣的期待。
而國內(nèi)大多數(shù)藥企，仍在觀望中。
一位AI營銷從業(yè)者表示，當(dāng)下有意向嘗試AI的企業(yè)，要么是預(yù)算少了、業(yè)績考核多了，要么是預(yù)算增加，但要用錢的地方更多。很多預(yù)算是要一分錢掰成幾瓣去花。
大模型落地企業(yè)的方式主要有兩種。一種是企業(yè)私有化部署大模型，它可以保證企業(yè)的數(shù)據(jù)安全，但部署成本高達(dá)數(shù)百萬元。另一種是調(diào)用廠商的大模型API（應(yīng)用程序編程接口），部署方式相對簡單，成本也低。
花出的錢，企業(yè)希望換到的是銷售效率和成交率提升，這也是企業(yè)生存下去的關(guān)鍵，更重要的是能給營收、融資增加籌碼。
然而，在工業(yè)領(lǐng)域，包括制藥業(yè)在內(nèi)，由于內(nèi)部數(shù)字化程度不足，大模型拿來就能用上的比較少，一般需要參與合作的大模型團(tuán)隊從頭干起，甚至先去給企業(yè)整理內(nèi)部數(shù)據(jù)，打基礎(chǔ)，然后再上大模型。
這一來成本就不可能低。“大模型產(chǎn)品和作為埋單方的企業(yè)，雙方的需求不是一回事，這是一個現(xiàn)實的矛盾?！鄙鲜鯝I營銷從業(yè)者認(rèn)為，數(shù)字化轉(zhuǎn)型的服務(wù)商，目前必須調(diào)整自己的預(yù)期，在有限的預(yù)算下，一定得幫埋單方實現(xiàn)開源節(jié)流，要么有效擴(kuò)大市場，要么節(jié)省成本。以往那種捕捉時下熱點(diǎn)推薦給企業(yè)，流行什么就建設(shè)什么的方式，到今天已經(jīng)越來越難實現(xiàn)了。
另外，訓(xùn)練AI大模型，數(shù)據(jù)的數(shù)量和質(zhì)量都很重要。一位AI輔助營銷行業(yè)的從業(yè)者也表示，去一些企業(yè)里問了就發(fā)現(xiàn)，其實企業(yè)的數(shù)據(jù)沒有收集好，尚不具備數(shù)字化的基礎(chǔ)。
數(shù)據(jù)量湊不上，無法對大模型進(jìn)行專業(yè)化的訓(xùn)練；數(shù)據(jù)量夠，但質(zhì)量低下，會讓大模型“智力”倒退。上述研究人員遇到過，有機(jī)構(gòu)提供數(shù)據(jù)讓他去訓(xùn)練大模型，但數(shù)據(jù)質(zhì)量不夠好，訓(xùn)練完了性能反而下降了。
需求難以匹配，企業(yè)對此有許多抱怨，一是花了很多時間，太慢，二是價格因此更貴了。這又讓企業(yè)對使用AI的成本更為在意。
對人工智能的大額投入，真能帶來與之相匹配的收入增長嗎？在全球市場也有不少反對意見。6月底，巴克萊銀行分析師羅斯·桑德勒（Ross Sandler）就公開表示，在大模型領(lǐng)域的投入與創(chuàng)收在數(shù)字上似乎并不平衡，華爾街的預(yù)期是到2026年，人工智能將比計劃多花費(fèi)約600億美元，但可能只帶來額外的200億美元的收入。
高盛公司資深股票分析師吉姆·考夫洛（Jim Covello） 也表示，盡管AI大模型公司的股價一路走高，但這項技術(shù)還遠(yuǎn)未達(dá)到實用所需要的水平。他提醒，“過度建設(shè)尚無實際用途或者尚未就緒的成果，往往會招致糟糕的結(jié)果”。
本文來源：36氪
文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
