ServiceNow Inc.是一家庞大的公司，在浏览其网站了解其所有产品和服务后，你可能仍然想知道它到底是做什么的。这是有可能的，尽管这家总部位于加州的公司拥有约2.5万名员工，市值约为2200亿美元，除非你熟悉术语丰富的信息技术服务领域，特别是云支持、工作流管理，当然还有企业人工智能等概念。

　　去年11月，ServiceNow在多伦多市中心举办了一场大型会议，对生成式人工智能表示欢迎。安全人员首先检查与会者的凭据，以免有人试图在没有正确注册的情况下潜入关于配置管理数据库即服务的会话。当天上午，ServiceNow首席执行官比尔·麦克德莫特（Bill McDermott）在一个黑暗的会议中心大厅里播放了一段视频。“有了人工智能，就有了新的任务，”他在一丛白发下喊道。“多年来我们一直梦想的事情终于有可能实现了。”

　　这个视频之后是另一个由著名演员和ServiceNow品牌大使伊德里斯·厄尔巴主演的视频。“人工智能。它将改变游戏，”他在悸动的鼓和贝斯配乐中说道。“是时候发挥领导作用了。是时候让人工智能发挥作用了。是时候开始工作了。”他在这些台词中注入了如此钢铁般的强度，以至于人们几乎不得不从座位上跳起来，开始推动客户价值。

　　与此同时，在一个展览厅内，各种各样的摊位被设置来告诉你如何做到这一点。在房间里转来转去，感觉就像在体验领英（linkedIn）上的动态信息变成了现实。你可以用人工智能代理开启未来的工作，用人工智能增强IT体验，用人工智能构建无代码应用程序。你可以用人工智能进行采购，或者在一个单独的展台上，用人工智能进行采购。这是一个演讲人可以打趣的地方，“这里有人有工作流积压吗？”，引起了观众的笑声。

　　现在，事情是这样的：这是当今生成人工智能的平淡现实。忘掉超级智能、杀手机器人和英伟达公司（Nvidia Corp.）飙升的股价吧。生成式人工智能是深奥的，有点沉闷，一些现实世界的应用可能看起来很卑微。但如果你真的想了解这项技术的现状，弄清楚它是被夸大了还是变革性的，泡沫是否会破裂并给整个行业带来浪费，或者生成式人工智能是否不可或缺，你必须潜入并吸入业务流程自动化。

　　从2022年11月30日OpenAI的ChatGPT发布开始，我们已经进入了两年多的生成式人工智能炒作周期。支持者们承诺了许多辉煌的好处：提高效率，节约成本，提高个人、公司和整个经济的生产力。“我坚信人工智能是生产力的圣杯，”联邦创新部长弗朗索瓦-菲利普·香槟在11月的一次活动中说。

　　有很多反对者指出，生成式人工智能是不可靠的，容易出错。高盛（Goldman Sachs）全球股票研究主管吉姆?科韦洛（Jim Covello）在今年6月的一份通讯中澄清了许多疑虑。他在报告中说：“尽管价格昂贵，但这项技术远未达到哪怕是用于这些基本任务所需要的水平。”

　　实际情况并非如此黯淡。公司发现，生成式人工智能有很多很多小的用例：从编码、客户服务、人力资源、法律等领域的各种任务中节省几分钟甚至几小时的时间。

　　不过，这里有一个陷阱。这些任务通常是唾手可得的成果，当自动化或加速时并不总是转化为巨大的成本节约或增加底线，更不用说过滤到更广泛的经济领域了。IT服务公司Kyndryl今年秋天发布的一项研究发现，尽管近四分之三的加拿大高管表示，他们正在投资生成式人工智能，但只有41%的高管表示，他们看到了这些投资的积极回报。Kyndryl Holdings Inc.在加拿大的首席技术官斯图尔特·海曼（Stewart Hyman）说：“他们在加拿大很难找到一个正的投资回报率。”他把这归因于一些公司从技术和数据的角度来看还没有准备好。但可靠性问题也可能是一个因素。他说：“这限制了容易获得成功结果的用例数量。”

　　IBM全球战略主管罗杰?普雷莫（Roger Premo）在客户身上也看到了类似的现象。准确性并不是唯一值得关注的问题。“我们清楚听到的第二大障碍就是它的性价比，”他说。“这项技术非常强大，但对于这些用例来说，有时会自动化企业内部的机械工作，这也不是昂贵的劳动力。”换句话说，圣杯可能会出现，但它仍然遥不可及。

　　作为雪花公司（Snowflake Inc.）的加拿大地区经理，香农·卡奇洛（Shannon Katschilo）有机会了解到企业正在利用生成式人工智能做些什么。这家美国公司帮助企业管理数据，包括人工智能数据。她说：“很多组织都采取了‘爬行、行走、奔跑’的方式。”

　　公司开始试点项目，比如帮助员工更快检索信息的聊天机器人，或者总结pdf和其他文档的工具。在某种程度上，这是小菜一碟。事实上，《麻省理工科技评论》（MIT Technology Review）和雪花科技（Snowflake）进行的一项调查发现，只有30%的高管将生成式人工智能主要视为一种收入驱动因素，将其视为降低成本的一种方式的高管就更少了。“在未来的世界里，用例会产生更多的收入，”卡奇洛说。“但绝大多数人工智能实际上是在内部进行效率和生产力方面的工作。”

　　也就是说，小的改变仍然可以带来不同。总部位于多伦多的电子邮件和内容管理公司Colligo Networks的首席执行官蒂姆?布雷迪（Tim Brady）将生成式人工智能软件用于一系列人力资源职能。这款软件是由另一家名为Borderless的加拿大公司开发的，它有用于入职、制作雇佣合同、管理假期的工具，以及可以回答有关跨国合同工（Colligo经常雇佣的这类员工）的跨境税收问题的聊天机器人。

　　在这方面，准确性是最重要的，但布雷迪说，这不是问题。“我从来没有想过这个问题，这是件好事，因为这意味着我没有问题，”他说。他继续说，这个软件最大的好处就是节省了时间。他说：“我可以把过去生活中所有复杂的事情都去掉，试着向世界各地的承包商付款。”

　　事实证明，人工智能工具总结大量信息的能力对多伦多的Odaia Intelligence Inc.来说是一个好处。一段时间以来，该公司一直在使用人工智能来帮助制药公司确定新药物治疗的患者群体，并找到可以开出这些药物的医生。最近，该公司开始使用生成式人工智能来总结这些信息，以帮助销售代表为与医生的会议做准备。

　　Odaia还设置了一个语音界面，这样销售代表就可以在开车去下一个销售电话的时候加快速度。“这在以前完全是浪费时间，”Odaia首席执行官菲利普?波利迪斯（Philip Poulidis）表示。“现在，你可以与台田AI进行对话，并向它提问，帮助它为下一次会议做好准备。”这使得一些销售代表每天可以多挤出一到两次会议。

　　蒙特利尔银行内斯比特·伯恩斯（BMO Nesbitt Burns）的副投资组合经理文森特·鲍恩-查兰（Vincent baune - charland）在渥太华的办公室里一直在使用多伦多初创公司boost的软件。大约一年了。该公司为金融专业人士制作生成式人工智能筛选工具，提取最近的新闻、趋势、收益报告摘要以及股票、行业和国家的其他数据。“它的吸引力在于，我们能够分析的数据或新闻文章比在正常环境下多100到1000倍，”鲍恩-查兰说。他在一个小团队工作。

　　给这样的福利设定确切的数字可能很棘手。很多办公室工作没有有形的、可衡量的结果。一个例外是计算机编程。很多公司都在使用GitHub Copilot这样的程序，它会在开发人员编写脚本时提供编码建议。在9月份发表的一项研究中，来自麻省理工学院（Massachusetts Institute of Technology）、普林斯顿大学（Princeton）和其他机构的研究人员调查了4800多名软件开发人员对该工具的使用情况。Copilot使程序员完成的任务数量增加了26%，而经验最少的程序员受益最大。

　　生成式人工智能的优点可能取决于公司愿意走多远。总部位于卡尔加里的金融科技公司Neo Financial Technologies Inc.利用多伦多Ada Support Inc.的技术，部署了一个生成式人工智能客户服务聊天机器人。聊天机器人已经能够处理50%至60%的客户问题，而无需升级到人工代理。Neo联合创始人兼首席执行官安德鲁·周（Andrew Chau）表示：“它实际上学习得非常非常快。

　　Neo雇佣了大约150名客户支持人员，他们可以处理人工智能无法解决的问题。Chau说，在某些情况下，这并不是因为技术太不可靠。以退款为例，信用卡持卡人对交易提出异议。人工智能机器人可以处理部分过程。但信用卡公司等第三方也参与其中，他们有自己的政策和程序，与Neo的人工智能方法还不兼容。“但你可以开始减少需要的东西，”Chau说。

　　大公司通常对生成式人工智能更为谨慎。多伦多道明银行（Toronto-Dominion Bank）正逐步为其1200名呼叫中心员工配备聊天机器人，帮助他们更快地检索答案。早期的结果很有希望，等待时间减少了15%，客户服务代表为了得到答案而与经理交谈的次数又减少了15%。为了防止聊天机器人胡编乱造并提供不正确的信息，助手提供了一个原始材料的链接，呼叫中心的代表应该对这些链接进行验证。道明的人工智能和分析主管Luke Gee表示：“我们正努力让人工作为我们的检查机制，让客户得到真正高质量的答案。”

　　像Neo Financial那样，把机器人直接放在客户面前，理论上可能会带来更多好处。但吉先生对此不太确定。他说：“我们是否能达到足够精确的程度，这将是一个有趣的问题。”“在这一点上，我还是更愿意让人参与其中。”

　　与此同时，约有700家公司正在其网站和其他数字平台上使用来自魁北克Coveo Solutions Inc.的技术。Coveo成立于2012年，利用生成式人工智能为戴尔科技公司（Dell Technologies Inc.）、美国联合航空公司（United Airlines）等公司的网站帮助部分提供支持，最近还宣布与Shopify Inc.达成协议，将其搜索和问答技术引入商家。

　　由于采用了Coveo，差旅和报销公司SAP Concur的客户服务工作量减少了31%，而会计软件公司Xero Ltd.的客户在前六周内自行解决问题的数量增加了20%。首席执行官Louis Tetu表示：“客户现在已经认识到，像我们这样的公司，在真正有能力大规模交付生成式人工智能方面，能做的事情并不多。”

　　我在由coveo驱动的美国联合航空公司（United Airlines）的帮助页面上进行了一些查询，发现它是生成式人工智能状态的一个缩影。它恰当地回答了关于无麸质饮食、安全带加长器和带宠物旅行的问题，同时避开了关于和我的情感支持马一起飞行的无意义问题。

　　然后我遇到了气流。我被告知可以携带剑、刀和其他尖锐物品旅行，只要它们被安全包装好。我又问了一遍，但我被告知，不，我不能带剑。当我问我可以带多少剑时，我被告知我可以带一把竹剑。其他时候，根据我的提问方式，网站根本没有回答。

　　Coveo说，它无法完全复制我的经历。该公司联合创始人兼首席技术官劳伦特·西蒙瑙（Laurent simonau）在一封电子邮件中表示，类似的问题可能会产生略有不同的答案，这取决于人工智能应用程序检索的材料，以及任何特定主题的相关性。但他补充说，随着技术的进步，法学硕士完全不提供答案的次数应该会下降，“反映出回答更广泛问题的能力在不断增强。”

　　最大的问题是，所有这些试探性的实现何时才能扩大规模，并产生一些有意义的东西。关于生成式人工智能的经济影响的估计五花八门。微软公司（Microsoft Corp.）表示，如果我们迅速采取行动，到2030年，生成式人工智能每年可以为加拿大经济增加1870亿美元，将生产率增长率从0.6%推高到“惊人的”8%。与此同时，加拿大政府表示，它可以为经济增加2300亿美元，并为加拿大工人平均每年节省175个小时以上的时间。

　　麻省理工学院的经济学家Daron Acemoglu则更为保守。他估计，在未来十年里，人工智能技术将使美国的生产率累计提高0.5%，主要是因为它不能处理复杂的问题，而且仅限于机械的、卑微的劳动。

　　多伦多大学教授、人工智能和医疗保健罗特曼主席阿维?戈德法布表示：“我对任何声称能提供数字的人持怀疑态度。”他自己对这个问题的思考要广泛得多，回答这个问题的关键是人工智能是否被证明是一种通用技术。想想电力、蒸汽机或互联网——随着时间的推移，这些发展产生了新的产品、服务、公司和商业模式，对我们的工作和生活方式产生了巨大的影响。他说：“问题是，在一切都结束之前，你无法真正知道它们是否是通用技术。”

　　有迹象表明，人工智能——或者像戈德法布教授所认为的那样，利用数据支持决策的技术——符合这一要求，部分原因是它正在被各行业采用，并具有刺激进一步创新的潜力。“它是否会大到足以对生产率产生如此巨大的影响，仍是一个悬而未决的问题，”他说。“我确实认为，就我们现有的技术而言，这是迄今为止最有可能的。”

　　一些证据表明，加拿大公司最近对人工智能的采用有点失势。多伦多城市大学（Toronto Metropolitan University）的Dais智库最近研究了2020年初至2021年底实施人工智能的公司，发现对短期生产率没有明显影响——无论是积极的还是消极的。根据去年12月的一份报告，采用人工智能的公司已经比同行更有生产力。这是有局限性的——这段时间并没有捕捉到生成人工智能的最新进展——但结果是值得注意的。作者写道：“研究结果确实要求我们谨慎地假设，企业采用人工智能可以成为解决加拿大短期内生产力增长挑战的灵丹妙药。”

　　与此同时，生成式人工智能的成本正在上升，这可能会进一步削弱其影响。由于需要大量的图形处理单元，所涉及的时间以及所需的训练后修补，训练高级大型语言模型（LLM）（生成人工智能应用程序的模型类型）已经非常昂贵。自2016年以来，价格每年上涨约2.5倍。据研究机构Epoch AI称，到2027年，最大的模型的训练成本将超过10亿美元。

　　从长期来看，客户使用llm的成本可能会更高，这一过程被称为推理。通常，公司通过为模型生成的每个单词或一个单词的一部分付费来访问法学硕士。如今，这只需要一美分的零头，虽然价格一直在下跌，但这种下跌可能是暂时的。

　　直到几年前，推理的经济学还没有那么重要，因为几乎没有人在使用生成式人工智能。最近的兴趣激增迫使公司想办法提高推理效率并降低成本。人工智能研究实验室Transluce的联合创始人雅各布·斯坦哈特（Jacob Steinhardt）说：“这种情况还会持续一段时间，但在某个时候，你会触底，成本将更多地取决于模型的大小。”

　　公司仍在努力构建更大、更强大的人工智能模型，希望释放新的功能。这些车型不可避免地会带来更高的成本，而成本可能会转嫁给消费者。斯坦哈特估计，到2030年，推理成本将从目前的每小时20美分左右上升到2.5美元。

　　惊人的开发成本自然引发了人们对OpenAI、Anthropic等LLM开发商如何盈利的担忧。“这绝对是一个资源密集型行业，”多伦多Cohere Inc.的联合创始人尼克·弗罗斯特（Nick Frosst）说，该公司为企业提供法学硕士课程。“我们可以从法学硕士课程中获得更多的价值，而无需改变它们。”

　　他继续说，通过正确的调整和定制，并指出正确的问题，生成式人工智能将对企业越来越有用。“我们可以通过不断迭代技术，取得突破，创造出大量的价值，大量有用的东西，而不仅仅是为了解决问题而砸钱，”弗罗斯特说。“我们的资本效率比该领域的其他一些公司高得多。”

　　巨大的模型也不能代表一切。LLM开发人员还推出了更小的模型，这些模型可以在某些特定任务中与更大的模型一样出色。此外，它们的建造和使用成本更低。“这非常深刻。这就像是大型专有模型的性能，但每次推理成本降低95%，”IBM的罗杰?普雷莫（Roger Premo）表示。“将更小的型号与更先进的调谐技术配对，将开始打破这种价格性能上的妥协。”

　　例如，ServiceNow正在将这一前提付诸实践。该公司于2020年以2.3亿美元收购了总部位于蒙特利尔的Element AI，使用自己的专有模型和开源模型（即免费），为特定应用量身定制。“我们在自己的模型和数据中心上运行大多数用例。我们可以非常、非常严格地控制成本结构，”Element AI联合创始人、该公司研究副总裁尼古拉斯?查帕多斯（Nicolas Chapados）表示。

　　该公司在人工智能领域的重大业务是一个名为Now Assist的平台，该平台允许企业访问编码、总结、制作内容的工具，并帮助IT、人力资源和客户服务代表更快地解决问题。在ServiceNow内部，该平台在大约50个用例中节省了成本和提高了生产力，每年带来了1000万美元的经济效益。（作为参考，ServiceNow在2024年前9个月的收入超过80亿美元，运营费用接近54亿美元。）

　　该公司加拿大总经理克里斯·埃里森（Chris Ellison）无法评论ServiceNow在其人工智能平台上投入了多少资金，以及该平台是否盈利，但他表示，这是该公司历史上增长最快的产品。“消费者正在用他们的钱包投票。他们充满信心地投票。”该公司有44个客户在Now Assist上花费了超过100万美元。

　　我们在ServiceNow大会的一个会议室里进行了这次对话，在大厅的另一个地方，正在进行关于人工智能生成的客户服务案例总结、人工智能驱动的工作流解决方案和人才战略的会议。它提醒我们，如果生产力肆无忌惮的辉煌日子到来，它将建立在一些可以想象到的最不令人兴奋的事情上。