关键字: [Amazon Bedrock, Generative Ai, Content Creation, Marketing Campaigns, Sales Enablement, Productivity Boost]

本文字数: 3000, 阅读完需: 15 分钟

导读

演讲者们阐释了如何利用生成式AI 增强创造性思维并提高生产力。他们探讨了生成式人工智能如何能够增强内容创作, 提高营销和销售团队的工作效率。具体而言, 生成式人工智能可以产生更多创意、个性化内容和洞见, 同时减少重复性工作所耗费的时间。演讲重点阐释了亚马逊云科技服务( 如 Amazon Bedrock) 如何实现更快速的内容生成、个性化和合规性, 从而带来诸如提高生产力、改善客户体验和优化卖家绩效等益处。

演讲精华

以下是小编为您整理的本次演讲的精华，共2700 字，阅读时间大约是14 分钟。

在人工智能领域, 一种被称为生成式人工智能(GenAI) 的革命性分支已经崭露头角, 它能够根据自然语言提示创建图像、声音、音乐和其他各种内容。这项突破性技术由大型预训练模型( 通常称为基础模型或FM) 提供支持。这些模型经过了大量数据的训练, 使它们能够根据诸如” 一只穿着连帽衫的狐猴” 或” 一只穿着紫色西装的狐狸” 等提示生成图像, 甚至可以根据特定年份( 如2023 年) 的品牌指南, 可视化产品在活动中的外观。

GenAI 对专业人士的影响是深远的, 正如今年麻省理工学院(MIT) 的一项研究所证实的那样。该研究调查了正在使用或计划使用GenAI 的专业人士, 结果显示绝大多数人报告了对他们工作的积极影响。GenAI 不仅帮助他们完成更多工作, 还能产出更高质量的工作, 从而让他们对自己的工作成果感到自豪。此外,GenAI 还有可能减少单调乏味的任务, 从而直接有助于提高职业成就感和个人满足感。

GenAI 的市场发生了巨大变化, 彭博社预测, 从2022 年1 月估计的400 亿美元到未来10 年内将达到惊人的1.3 万亿美元。值得注意的是, 预计这1.3 万亿美元市场中至少有2500 亿美元将来自于尚未被构思出的新软件和应用程序。领先的研究和咨询公司Gartner 估计, 到2026 年, 至少将有1 亿人与他们所称的” 机器人同事” 互动, 这一现象已经在亚马逊云科技(AWS) 通过使用AmazonBedrock 等模型开始出现。

当审视能够为组织带来最大价值的使用案例时, 麦肯锡的研究发现, 五个特定的使用案例占AI 为组织创造的总价值的75% 。值得注意的是, 营销和销售单独就占了这75% 总价值的一部分。这凸显了为营销和销售专业人士启用AI 对组织的深远影响, 为AI 在制造、新产品设计、业务发展等各个职能领域的采用铺平了道路。

在营销领域, 生成式人工智能(GenAI) 有望增强内容创作的方式, 使得比以往能够产生更多的创意。例如, 在构思上市活动时, 营销人员过去一周内只能提出三到五种方案, 然后与各利益相关方分享和审查。然而, 有了GenAI 的出现, 营销人员现在只需按下按钮, 就可以生成多种工作流程和资产创意, 从而促进创造力和创新的迭代过程。

此外,GenAI 可以改变营销人员与客户互动的方式。生成的内容不仅可以通过利用内部数据和Salesforce 等平台的历史信息实现高度个性化, 而且营销人员还可以挑战模型生成上市策略的新颖和创新方法。例如, 营销人员可以向模型提供一种传统的上市方法, 并要求生成几种传统方法和几种高度创新的替代方案, 从而激发灵感和新的视角。

GenAI 有望显著提高营销团队的生产力。对于某些团队, 它可以创造速度, 只需输入一些关于新产品的想法, 就能在几秒钟内生成新闻稿或其他文档的草稿。对于其他团队, 它可以减少修订内容所需的周期次数。此外,GenAI 可以促进保密性和合规性, 允许营销人员在内部创建自己的营销解决方案, 从而无需在外部共享机密数据或提示。合规性也可以得到增强, 因为GenAI 可以以更低的成本更频繁地检查更多内容, 有助于实现跨地理区域的内容审核。

在销售领域,GenAI 可以发挥关键作用, 使销售人员能够花更多时间与客户互动和完成交易, 而不是被束缚在键盘上生成电子邮件、合同和建议书的内容。有了GenAI, 销售人员可以快速生成草稿与团队分享以获得批准和反馈, 从而简化流程并腾出宝贵的时间。

此外, 生成式人工智能(GenAI) 能够协助销售人员重新构想与客户的关系。在亚马逊云科技( 亚马逊云科技) 内部, 一些富有创意的销售人员利用原型根据特定行业细分市场和关于客户的轶事信息( 如提及前一晚的足球比赛) 来定制电子邮件。这种程度的个性化可以增强销售人员的能力, 让他们专注于提供吸引人的推销, 同时GenAI 实时反馈诸如节奏、术语和针对特定受众的考虑因素等方面。例如, 如果销售人员向某个特定地区的受众进行演示, 该模型可以建议他们至少放慢25% 的语速。

GenAI 还可以利用组织的信息和数据, 以更大的速度和准确性解锁模式和见解。例如, 销售人员可以获得有关账户阶段、未决工单以及成交交易的潜在影响的见解, 以及根据类似场景或行业的历史成功率, 推荐最有效的电子邮件或建议书。如果某个建议书在某些地区或行业( 如汽车行业) 产生了积极影响, 该模型可以推荐使用在这些背景下已被证明有效的电子邮件模板。

为了说明GenAI 在实践中的潜力, 可以考虑一个工作流程, 其中一位产品营销经理在早上醒来时, 想到为西雅图市场推出一款新的反光且舒适的鞋类系列。使用由GenAI 驱动的营销解决方案, 该经理可以输入产品描述, 而该解决方案在参考品牌指南和公司信息的基础上, 可以生成各种营销资产, 包括图像、描述, 甚至新闻稿草案。如果需要调整初始概念, 例如将重点从反光改为耐用, 整个营销工作流程都可以通过简单的提示修改而重新生成。

当需要销售该产品时, 销售人员可以利用生成的新闻稿, 将其简明扼要地总结, 甚至生成展示该产品将如何出现在客户货架上的图像, 并遵守品牌指南。通过利用历史成功数据,GenAI 解决方案可以起草合同, 并为销售人员提供对潜在客户异议最有经济价值的回应, 从而提高成交的可能性。

亚马逊云科技已经开始让不同的团队利用生成式人工智能(GenAI), 并开发了一个名为PottyRock 的AmazonBedrock 游乐场原型, 以展示其可能性。该原型允许用户通过提供基本输入( 如产品名称和发布日期) 来生成各种营销文档。在幕后, 该工具包含了提示, 以确保遵守亚马逊的10 项写作原则, 根据亚马逊云科技社交媒体团队的指导方针,LinkedIn 帖子的字符限制为400 个字符, 以及来自亚马逊云科技活动团队的指导方针, 为网络研讨会量身定制生成的内容。

基础模型的核心能力之一是代码生成, 使优秀的程序员能够利用模型重构或增强现有代码, 成为出色的程序员。此外, 这些模型可以支持问答小工具, 根据组织的数据提供相关和上下文响应, 而不仅仅依赖于模型的训练数据。例如, 如果用户提出一个模型训练数据有限的问题, 它可以提供一个7 岁孩子的更相关答案, 而对于其他问题, 它可以提供更全面和细微的回应。

此外, 基础模型可以通过嵌入将信息转换为数学解释, 发现以前可能被忽视的见解。亚马逊云科技的客户Annalect(Omnicom 集团旗下) 正在利用这一能力, 在亚马逊云科技上创建由GenAI 支持的端到端广告解决方案, 实现自动细分和生成广告素材, 供人工审查后上市。

另一位客户Coda 正在通过将超过600 个工具与GenAI 集成的平台, 赋予全球数百个团队权力。比利时公司Showpad 为50 个国家的1,400 多个客户提供服务, 拥有约500 名员工, 年经常性收入接近1 亿美元, 是GenAI 如何增强销售过程并帮助销售人员更有效地完成交易的一个典型例子。Showpad 在它们完全建立在亚马逊云科技上的平台中利用了大约90 项亚马逊云科技服务。

Showpad 建立了一个数据网格平台, 并实施了强大的治理措施, 确保数据访问的单一真实来源。该公司在亚马逊云科技上构建了数据平台, 实现了完全无服务器和成本优化的解决方案。同时,Showpad 通过提升工程师的技能, 并与亚马逊云科技和外部合作伙伴合作, 确保拥有专业知识, 为 AI 友好的环境、松散耦合的架构和一系列指导原则奠定了基础。

在架构方面,Showpad 采用了松散耦合的组件, 使不同用例之间能够重用功能。这包括一个健壮的机器学习基础设施, 用于无缝部署模型; 上下文检索, 用于为基础模型增加额外知识; 监控和反馈机制; 以及一个将所有内容连接到面向用户的应用程序的编排层。

在选择基础模型解决方案时,Showpad 根据其企业需求、合规性约束以及跨 1,400 个客户实现可扩展性的需求, 缩小了选择范围。亚马逊云科技提供了灵活性, 涵盖了从托管解决方案 Amazon Bedrock 到自托管和自训练定制模型的整个范围, 满足了 Showpad 的需求。

人类主导权( 确保人类控制和监督) 、问责制、透明度( 向客户解释AI 的使用和数据) 、稳健性( 遵守生产就绪应用的最佳实践) 、包容性( 公平和非歧视) 以及诚信( 尊重法律、社会和合规环境) 是AI 应用需要遵循的重要原则。

为了体现包容性原则,Showpad 的Pitch AI 功能可检测所使用的语言, 并应用特定语言的基准来评估语速和表达, 从而确保无论使用何种语言, 反馈都是公平和合乎情境的。例如, 如果销售人员使用波兰语交谈( 通常较慢), 反馈将基于波兰语的基准, 而不是将所有语言等同对待。

在Showpad 的成功案例之后, 亚马逊云科技的AI/ML 专家Silvia Prieto 登台, 对Amazon Bedrock 进行了更深入的技术探讨。Bedrock 是一项全面托管的服务, 允许开发人员通过单一API 进行交互和构建应用程序, 提供对诸如Anthropic( 采用宪政AI 原则进行训练) 、Stability AI( 用于文本到图像和图像到图像生成) 、AI21 Labs( 用于文本生成和电子邮件) 、亚马逊云科技自己的文本和嵌入模型Amazon Titan 、支持100 多种语言的企业级模型Cohere 和Cohere Command, 以及第一个可通过API 访问的开源模型Meta LaMa 2 等先进模型的访问权限。

在选择模型时,Silvia 建议考虑速度、准确性和成本等因素, 因为较小的模型可能更快、更便宜, 但不太准确, 而较大的模型则更准确, 但成本更高且速度较慢。然而, 针对特定任务对模型进行微调可以实现平衡, 提供速度、准确性和经济效益。

除了基础模型之外,Bedrock 还提供了其他功能, 如微调( 利用组织自身的数据定制模型) 、代理( 通过配置与其他API 和服务交互的代理来自动化任务) 、预配置吞吐量( 用于可扩展的高容量使用) 以及与无服务器矢量数据库OpenSearch 和Pinecone 的集成, 用于文档嵌入。

Silvia 强调, 尽管基础模型至关重要, 但它们只是更广泛集成的一部分, 优化它们的性能和准确性需要采用多种策略。第一种策略是提示工程, 即在提示中提供模型上下文和期望行为的示例, 从而通过引导模型朝着预期输出来提高准确性。

第二种策略是检索增强生成(RAG), 模型根据组织自己的文档总结并回答问题, 而不是完全依赖于其训练数据。这减少了幻觉( 不正确或虚构的信息), 并增强了信任, 因为用户可以验证模型引用的源文档。例如, 如果用户提示模型为新的零食建议一个标语, 而没有任何其他上下文, 模型可能会生成一个通用的响应, 如” 受大自然启发” 。然而, 通过提供品牌指南和以前标语的示例作为提示的一部分, 模型可以生成更相关和更符合品牌的响应, 例如” 自然健康的零食”, 并参考品牌文档第20 页的具体指南。

第三种策略是微调, 即利用组织自己的数据和写作风格定制基础模型, 使模型能够使用公司的语音和行话, 而无需不断参考品牌指南。微调还可以提高特定任务的性能。例如, 如果一个模型使用公司以前的新闻稿、CEO 演讲、入职材料和营销内容进行微调, 它就可以生成与公司的语气和语言相一致的响应, 如为新的谷物棒产品生成” 水果和谷物, 简单美味” 。

第四种策略是预训练, 这需要数据科学技能, 并利用亚马逊SageMaker 等服务。在预训练中, 像LaMa 2 这样的基础模型会在特定于某个组织的数千个示例上进一步训练, 从而产生一个定制化的模型, 能够生成高度相关且符合品牌风格的内容。例如, 一个预训练模型可以生成这样一条社交媒体帖子:“ 全新蓝莓爆浆麦片棒, 充满多汁的蓝莓和脆爽的燕麦。这些麦片棒酥脆美味, 由优质食材制成”, 融入了该公司在可持续采购、道德农业实践和对优质原料的承诺等细节。

演讲者强调, 这些策略并非互相排斥, 可以结合使用以实现最佳性能和准确性。虽然微调和预训练可能需要更多的数据科学技能, 但提示工程和RAG 可以解决90% 的常见用例。

为了指导组织在GenAI 的旅程中前进, 演讲者建议首先尝试不同的模型, 了解它们的长处和局限性。接下来, 确定一个高影响力的用例, 解决实际问题并创造商业价值, 然后构建一个原型, 专注于端到端的用户体验。Amazon Bedrock 通过简单的API 访问多个模型, 以及PottyRock 游乐场等资源, 可以促进这一过程。此外, 组织还应考虑像Showpad 这样的现成解决方案是否更适合其特定需求。

总之, 本次会议全面概述了生成式人工智能、其市场影响、在营销和销售领域的用例、Showpad 等成功案例, 以及利用亚马逊云科技服务( 如Amazon Bedrock) 进行GenAI 应用的技术细节。演讲者强调了解不同模型的能力和局限性、采用提示工程和微调等策略, 以及遵循人类主导权、问责制和包容性等指导原则的重要性。有了正确的方法和工具, 组织就可以利用GenAI 的力量增强创造性思维、提高生产力, 并在各个领域开启新的可能性。

总结

这场演讲围绕着生成式人工智能(GenAI) 的变革潜力及其在营销、销售和内容创作领域的应用展开。演讲者强调了GenAI 市场的巨大变革, 预计在未来十年将达到1.3 万亿美元, 其中营销和销售占据了相当大的份额。他们阐述了GenAI 如何能够增强创造性思维、提高生产力并个性化客户体验。

演讲者展示了真实的案例, 例如Chopin 的成功故事,GenAI 增强了销售对话、生成个性化内容并为销售人员提供指导。他们还介绍了Amazon Bedrock, 这是一项全面管理的服务, 提供对先进模型的访问, 使开发人员能够无缝构建GenAI 应用程序。

演讲概述了优化GenAI 性能的四种策略: 提示工程、检索增强生成(RAG) 、微调和重新训练。这些技术使模型能够理解上下文、利用自定义数据并与品牌语音和风格保持一致。演讲者鼓励与会者探索GenAI 、确定有影响力的用例、构建原型并利用Amazon Bedrock 等服务来释放这项技术的变革潜力。

最终, 这场演讲旨在启发与会者拥抱GenAI 、在组织内推动人工智能发展, 并利用可以彻底改革营销、销售和内容创作流程的解决方案, 促进创造力、生产力和个性化客户体验。

亚马逊云科技（Amazon Web Services ）是全球云计算的开创者和引领者。提供200 多类广泛而深入的云服务，服务全球245 个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI 的首选，通过生成式AI 技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI 应用的大模型等工具、以及开箱即用的生成式AI 应用。深耕本地、链接全球 – 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。