LLM 和 AI 是流行词，但在过去几个月中，我们看到 LLM 驱动的聊天机器人的例子确实偏离了轨道。因此，高管们对 AI 的未来变得谨慎起来。我认为，对于想要踏上 AI 之旅的公司来说，聊天机器人并不是一个好的第一步。相反，我建议专注于数据清理任务。作为一名供应链分析从业者，我对企业面临的日常挑战有着第一手的了解，我描述了三个具体用例，其中 LLM 可以对公司的业务流程产生重大影响，同时风险非常低。
即使你去年划船横渡大西洋，你也无法逃避有关新技术轰动的讨论——聊天 GPT。它似乎征服了世界，有望让数千个工作岗位消失，并迫使领导者重新评估业务流程。许多公司都在积极实施它，主要是作为 LLM 支持的聊天机器人。这个想法很明确：他们希望通过让一些人类助手变得多余并提高其他助手的效率来削减成本。
在商业领域（尤其是供应链领域）采用法学硕士学位是否为时过早？我相信现 匈牙利邮件列表 在正是时候，但我们不应该首先考虑聊天机器人。
然而，在首次发布约 1.5 年后，这项技术已经出现了很多完全失控的例子，给出了危险的建议并产生了“幻觉”（提供彻头彻尾的虚假信息）。一些疯狂的例子包括玩弄汽车经销中心的聊天机器人，让它做出违背经销商利益的行为。换句话说，LLM 是一种风险，现在高管们都谨慎行事，采取“观望”策略。
在商业领域（尤其是供应链领域）采用 LLM 是否为时过早？我认为时机已到，但我们不应该首先考虑聊天机器人。以下是三个即时数据清理用例的具体示例，任何供应链专业人员都可以开始以极低的风险利用 LLM 的高级功能。
示例 1：订单备注清理
如果我们把全世界供应链专业人员花在重新输入电子表格中自动删除的前导零上的时间加起来，我们可能会将全球 GDP 提高至少一个百分点。玩笑归玩笑——数据清理是大多数公司大多数流程不可或缺的一部分。
让我们看一个经典的供应链示例，其中我们有一个带有注释的订单列表，手头的任务是提取城市名称。由于订单注释显然是手动输入的，因此会出现错误和奇怪的字符。每个订单的文本字段的样式可能不同。如果有数千个这样的字段怎么办？对于配备传统电子表格的人来说，这意味着数周的工作，对于精通 ETL 工具或编程语言的人来说，只需几个小时，而对于拥有基本法学硕士学位的人来说，只需几分钟。