2023年2月，ChatGPT的爆火将AIGC带入大众视野

。AIGC强大的生成能力，使其被广泛应用于算法编程、语言文字处理等环节。在研究中心针对“生成式人工智能”主题展开的访谈调研中我们发现，来自不同行业的企业都不同程度上表达了对AIGC在降本增效方面的积极看法。

那么，AIGC究竟如何帮助企业降本增效?本文将聚焦于目前应用AIGC较多的营销、研发、生产、客户服务等方面展开讨论。

一、营销方面

目前，营销领域成为AIGC赋能最重要的场景之一。根据亿欧TE智库调查报告显示，在人力资源管理、数字化办公等众多AIGC商用场景中，营销是目前服务商布局最成熟以及客户需求期望最高的场景，具体落地方向包括营销内容生成、创新运营(虚拟主播、虚拟场景等)、营销策略等。

图源：TE智库《2023AIGC+营销价值与应用研究报告》

营销内容生产被认为AIGC在营销中最易于落地的方向，可应用于企业创意广告、商品合成、辅助选题等环节。一方面，基于AIGC强大的文字生成能力，AIGC可以根据创作者的意图为创作者提供创意灵感，甚至可以直接快速生成创意，提供大量文案、标题等内容产出。在研究中心的调研中，某智慧零售服务商的CIO在访谈中表示，AIGC的出现降低了创意的门槛，AIGC直接生成的文案设计等内容的直接采纳率最高可以达到70%。

另一方面，AIGC可以帮助实现营销创意的工业化，简化营销创意落地流程。某广告传媒企业董事长在访谈中表示，AIGC的出现，很大程度上简化了海报、广告视频的拍摄流程。企业可以利用如Marketing Copilot等大模型，把产品图片上传至平台，然后给出对应的工作指令，就可以生成与产品匹配的宣传海报等内容，缩减广告制作周期。如果对背景、场景不满意，还可以一键完成背景切换，瞬间实现从“沙滩”到“街道”的转换，大大提高营销内容生产效率。

以虚拟主播、虚拟场景为代表的创新运营则主要针对线上营销环节。以虚拟主播为例，通过大量专有数据的训练，AIGC可以实现虚拟主播的定制化、规模化量产，缩短主播生产周期。并且，虚拟人主播可以7*24小时无间断工作，降低企业用人成本;虚拟人主播的人设也皆由品牌方掌握，帮助企业规避因主播人设崩塌而带来的风险;而在在企业出海业务中，虚拟人主播也可以有效解决音语言差异导致的交流障碍，降低企业的聘用及培育成本。

目前小冰科技、蓝标光标等多家企业已实现虚拟主播落地天猫、京东等传统电商平台，助力企业降本增效。营销策略方面，目前企业广告投放面临投放质量低下、目标用户锁定困难等问题。根据德勤研究报告显示，目前社交媒体广告的有效转化率不足3%。而AIGC可以通过对大量户用偏好及营销效果反馈等数据的学习，协助业务人员形成营销策略、投放策略等，为广告投放提供更精准的目标受众，实现个性化营销，提升触达消费者的广度和精准度;同时选择最佳的推广渠道及投放时段，提高广告曝光率和传播效果，提升企业营销效率。目前，筷子科技等多家企业已实现将AIGC落地于广告投放环节，使广告投放实现基于公域、私域数据的实时优化，力争打造千人千面的精准投放。

二、研发方面

研发环节，AIGC可以根据给定的研发需求，模拟人类研发流程，快速高效地创造全新的内容产品，并对其有效性进行模拟和测试，大幅提高研发效率，缩短产品研发周期，减少研发资源的浪费。例如在药物研发环节，目前一家初创公司Profluent，通过使用类似ChatGPT的蛋白质工程深度学习语言模型Progen，首次实现了AI预测蛋白质的合成。水木未来CEO郭春龙表示，进入生成式AI的时代，我们可以根据功能、结构需求在近乎无穷大、广阔的蛋白质序列和结构的空间里去创造之前并不存在的新蛋白或核酸生物大分子。对于创造新蛋白质结构的应用，业内专家认为新蛋白质结构的预测可以为基于结构的药物设计提供了许多新型蛋白质靶点的入口，打开了药物研发全新的可能性，提高新药研发的效率。同时，AIGC可以在已有研究的基础上，对现有技术及产品进行评估，并提出优化方案，协助企业突破研发瓶颈，推进研发进程，或加速商业化落地。目前自动驾驶对于图像信息收集主要依靠人工采集道路数据，并基于设计者给定的规则进行处理运算。随着道路数据不断增加，其系统的复杂程度也随之增加。但较高的系统复杂度也给发展带来限制，尤其是当系统面对没有被采集的道路或者困难度较大的场景时，由于规则限制增多，系统复杂度高，导致其难以精准完成驾驶动作，这也成为自动驾驶商业化瓶颈之一。然而AIGC的出现，让行业从业者们看到新希望，小鹏汽车创始人何小鹏在微博公开表示“下一个机会在AIGC和AUTO”。究其原因，某头部投资机构在访谈中提到，AIGC的这套思路是直接端到端的学习特征，只要中间通路、训练信号丰富，就有可能实现瓶颈突破。今年4月，毫末智行就发布了首个以GPT为底层架构，打造的全球首个自动驾驶认知大模型DriveGPT。毫末通过将人类反馈强化学习技术RLHF引入大模型算法训练，进一步提升算法驾驶决策的有效性和准确性。据悉，DriveGPT提高了毫末智行自动驾驶系统在汽车的掉头、环岛等公认困难场景中的通过率，通过率提升30%以上，这一技术上的突破，进一步加速自动驾驶技术的落地。

三、生产方面

在生产环节中的产品制造方面，AIGC的生成和推理能力可以优化产品制造的执行和管理流程。2023年4月，西门子与微软达成合作，旨在利用AIGC改进其工业控制工作流程，达到持续提效的作用。目前双方将西门子的产品生命管理周期软件(PLM)与微软的Azure OpenAI服务中的语言模型等进行集成，为无法使用PLM工具的工作人员提供支持，简化制造流程，并实现生产操作人员用过移动设备记录报告生产问题。

质量检测方面，AIGC可以优化传统工业的质检算法，借助视觉大模型，捕捉产品差异，并更快地进行实时调整，提升产品质量检测的效率及准确率。例如TCL与百度文心展开合作，构建了电子制造行业大模型，旨在解决电子制造行业产线繁多、质检工艺复杂且精度要求高的痛点。具体到半导体显示面板缺陷检测任务上，由于面板的高精属性，良品率极为关键，几微米的瑕疵就足以宣告产品残次。而AIGC在训练样本降低30-40%、开发周期降低30%的基础上，将 mAP(全类平均正确率，即所有类别检测的平均正确率)指标提升了10%，为产品品质保驾护航，实现质检环节的降本增效。生产计划方面，AIGC可以通过分析历史订单、库存等数据，为企业制定生产计划，并实时监控、分析生产数据，进一步优化生产计划以及资源配置，提升生产效率;安全监控方面，AIGC可以检测生产环节的安全指标，对潜在问题发出预警，甚至自动解决问题，降低生产过程中的事故风险。

四、客户服务方面

目前大模型在客服环节的应用主要分为两类，一类是提供偏后端的知识库优化、商机挖掘等服务，一类则是直接面对客户的咨询类客服。

后端客服方面，相较于过去依靠人工编写的客户对话流程，AIGC可以基于会话洞察，高效优化补充知识库，为商家提供精准的话术服务，提高前端咨询客户的业务契合度。甚至可以基于前端对话数据，挖掘潜在商机。咨询客服方面，AI智能客服除了可以提供全时段全场景咨询服务，避免客户流失外;相比于传统机器客服仅能回答常规问题，AI智能客服能够基于大模型的感知能力，更加准确的捕捉消费者的对话意图，在给定的知识库范围内，根据回复优先级精准能匹配回复话术，提高客服响应准确率和效率。例如百度旗下的智能客服服务商基木鱼，在AIGC的加持下，通过自主学习人工客服的海量优质话术，根据行业及业务的特殊性生成定制化对话流，帮助客户将原先花费几小时至近2天的话术编写环节提效至5-30分钟完成，节约近百倍时间。并在实际应用中，达到99%的秒级回复准确率，为某教育企业提升36%的有效转换率，有效线索成本下降23%。除此之外，AIGC还被广泛的应用于IT开发、日常办公等多个场景。AIGC强大的编程能力，不仅可以为算法开发等提供帮助，大幅提升开发效率，还可以实现自动生产代码文档，便于后期维护。根据GitHub预测，未来五年内，将有多达80%的代码出自AI系统。在日常办公场景方面，金山软件、科大讯飞等已经实现将AIGC嵌入现有产品，辅助完成会议纪要总结，文本信息提炼等日常工作，大大提高日常工作效率。除了我们本文所提到的降本增效外，部分专家也表示，长期来看，AIGC等人工智能技术可以增加企业收入，但实现时间尚不确定。根据高盛分析师估计，在人工智能得到广泛应用时，罗素1000指数股票的中位数收益可能比基线高出19%。也就是说，AIGC等人工智能技术的广泛应用或可为企业提高19%的营业收入，这一发展前景值得我们期待。

小结

AIGC浪潮之下，随着大模型在营销、研发、生产、客户服务等方面的应用不断开拓，AIGC在帮助企业降本增效方面的作用获得越来越多的认可。随着大模型技术的日益完善，AIGC有望进一步为企业带来营收增长。企业应考虑积极拥抱AIGC技术，将其应用到企业的各个业务环节，以提高企业的竞争力，实现可持续发展。