圖檔來源@視覺中國
編者按：
賈巋博士是弘玑Cyclone首席産品官，曾擔任UiPath全球研發中心進階研發總監、微軟Azure雲計算主任架構師。弘玑Cyclone 是一家專注于RPA的廠商，在2021年完成CMC資本、高盛資産管理領投的1.5億美元C輪融資。
大模型的出現，對很多行業都帶來非常大的沖擊和改變。賈巋認為，可以把GPT的出現了解為一種路線的颠覆，原來行業可能認為通用大模型走不通，一直在垂直小模型投入資源和精力，但是ChatGPT讓大家對AI的看法發生了180度的轉變。在這種路線的颠覆下，AIGA，即生成式自動化，才是RPA的通路。而當人的意圖很好地被大模型解讀之後，系統被迅速拆解成一系列業務Action執行，未來的企業軟體和新應用也即将發生天翻地覆的變化。
對于GPT，我有三點思考。
首先，之前AI領域一直是按照做垂直細分領域小模型的路線發展，很少有人花精力做通用的大模型，但是ChatGPT的成功證明通用預訓練大模型的開發方式是可行的，從技術上來講這對所有人都是一個非常大的震撼，很多AI研究人員的科研方向甚至一些職業技能都将被颠覆。
其次，抛開技術，ChatGPT的體驗跟上一代ChatBot的體驗有非常大的差别，這值得所有做産品的人思考，智能産品的體驗可以是什麼樣。弘玑已經開始做生成式自動化的技術研發。可以看到，微軟作為一家産品公司，它已經把Open AI非常有創意的技術在非常短的時間跟office365等所有産品線全部打通，這是非常漂亮的一招。這值得所有to B産品思考和借鑒。産品的人機互動會進入一個新階段，由AI做生産力助手和業務助手的AI Copilot模式會随處可見。
然後，未來通用人工智能到底能強大到什麼程度？未來企業軟體會不會發生一些根本上的架構上的變化？弘玑最近也在跟研究人工智能的院士專家們交流，能夠怎麼樣抓住這個機會，把産品體驗做得更好。人工智能肯定是在崛起，越來越強大，那未來的企業軟體最終局是什麼？人和機器到底是怎麼融合？企業的組織形式、管理模式會不會發生變化？
但今天主要是讨論GPT的優點以及其中到底哪些是泡沫性的東西，哪些是真有價值的東西，對于弘玑這樣做産品的公司，哪些可以Power下一代的使用者體驗，然後在數字化轉型方面，人工智能的崛起，自動化等技術的崛起合在一起會不會颠覆企業中人和系統之間的關系？
舉例一個實際的例子，在中國某500強企業用了弘玑超過3萬個機器人，某頭部咨詢公司Global用了12.5萬個機器人，它的員工總共才30萬。
是以可以看到一個驚人趨勢，未來人類員工正在向數字化助手傾斜，原來是人這麼多，助手這麼多，未來會不會變成另外一個樣子？對比于二三十年前的汽車裝備廠，多少人拿着扳手拿着焊槍在那弄，現在又有多少人？你喜歡不喜歡或者知道不知道這個事已經确實在發生了，那麼背後哪些行業的工作方式又會率先發生變革？
雖然現在從銷售角度，我們當然希望機器人賣的越多越好，但是背後意味着什麼？對甲方這意味着什麼？他的工作模式已經出現了所謂數字員工組織的問題，叢集化的管理，機器人協同未來會出現一個機器人組成的數字員工組織這個概念，對管理意味着什麼？對成本意味着什麼？這對legal意味着什麼？這些方方面面聽起來好像都是不起眼的事，但這個事在每天都在發生着，我認為這對未來的企業的數字化轉型都會有影響。
我們作為一個做RPA公司，發現一個很有趣的問題，就是我們在代表誰？
我們在代表企業數字化轉型裡面，人的勞動技能的數字化。其實每個人都有他的技能，最底層的這些技能要麼被AI取代了，要麼被機器人取代了，要麼被AI加上我們這樣的數字機器人取代了。
那麼問題來了，未來的企業也好，社會也好，不管你是主動還是被動去适應實體機器人或者虛拟機器人，或者背後是人工智能的機器人，這些東西怎麼共存。怎麼去管理？現在其實RPA也好，人工智能也好，背後值得思考的是人的這一側，人的這部分的勞動技能，哪些可以被重新定義。
未來軟體與AIGA
未來的軟體和應用到底是什麼？智能裡邊哪些是模型，哪些是資訊，哪些是行動？這些核心要素是耦合在一起還是分開的，是centralize還是decentralized部署？這些都是非常有意思的新課題。
現在的GPT有最大的诟病，它模型太大，我想回到剛才我那個觀點上就是說，未來就不僅僅是軟體要被重新定義，智能也好，模型也好，現在模型和資料其實沒厘清楚，未來私有化的算法能不能拆開，現在GPT已經在證明初步具備早期通用人工智能特征的技術能力可以跑通了，但這個是不是最終的通用人工智能的實作方式還有待驗證。
未來的企業會是什麼樣？還是回到一個fundamental的觀點，我們不重複做資訊化時代的各種平台，也不是傳統的應用開發，我們關心的還是如何加速人的勞動技能數字化，就是說就一線的業務人員到底能夠幫他解決哪些問題，RPA與人工智能是一個水乳交融的關系，我們認為GPT和RPA不是簡單做加法的內建模式，而是做乘法甚至做乘方的內建模式。
原來AI對我們來講隻是個技術能力的外挂，比如文檔識别，OCR提取，資料整合等簡單的事情，但在我們的新一代AIGA産品裡，業務邏輯和流程代碼都可以用AI來生成，我們已經證明了生成式自動化在大模型和超級自動化時代是完全可行的。
自動化本質上是個根據需求目标（Objective）采取正确行動（Action）的問題，網際網路公司可能更多的是content的問題，但内容不是人生活的本質，toC可能更多的關心内容，但toB更多是Action，比如怎麼去輸入一個訂單，怎麼去引導一個物流等等，而且企業Action非常複雜，是chains of Actions（行動鍊），甚至是一個graph of Actions（行動圖）, forest of Actions（行動森林）。
現在SAP不是這麼做的，ERP都不是這麼做。這些“傳統”軟體還是以寫入各種各樣的table，SAP有幾十萬張table，未來再做一次SAP，如果從零開始再做，沒有人會這麼做，nobody。
未來企業業務搭建，一定是基于一個個原子級的業務元件封裝，基于之間的語義化關聯，通過AI進行快速自動編排，我們稱之為生成式自動化。生成式自動化最大的優勢是可以快速應對市場變化，因為未來的企業它的市場變化不是越來越慢，而是越來越快，甚至很難預測。這就是中台架構在企業數字化轉型中很難落地。
就像馬雲說過的“未來考驗數字化能力的，不是一天之内能夠做出幾百萬件一樣的東西，是能不能很快做出幾百萬件完全不一樣的東西”，數字化時代應該是高度個性化的，要适應企業快速應變的需求，這也是為什麼純靠資訊化時代搭建的各種業務資訊系統及其組合，已經解決不了數字化智能化時代的企業架構問題。
站在人的視角，能不能讓幾個機器人之間互聯，把幾個Action重新組裝，這事就辦了。機器人背後可能是一些遙控系統的操作，從RPA這個小賽道講，未來系統會發生這樣的變化。大一統的系統也好，煙囪式的系統也好不會被消失，但會被推到非常靠後的地方。
AIGA改變企業生産力
最難的是人的數字化、組織數字化，但人和人的數字化體驗邊界到底在哪？
一個核心在于互動方式，GPT起來之後，互動方式會變得特别簡單了，RPA機器人會最終演化成為圍繞業務系統各種業務行動（Action）的智能代理（Agent），最後可能就是被這種互動界面重新封裝，現在的RPA隻是點頁面，調借口API，但是很快RPA可以自動組裝API，自動生成API，将來API會呈現指數級的增長。
RPA現在遠遠沒有達它的真正應該達到的技術能力天花闆和市場覆寫率，GPT大模型時代的到來，對RPA和超級自動化賽道是個重大利好。數字機器人自動化技術在大模型和領域化知識模型的加持下，所具備的能力正在成倍翻升。想象一下未來，可能一個人對着一個自然語言終端 講一下說我要幹這件事，終端背後的語言大模型和領域模型，就自動生成為RPA機器人可執行的任務，不管是調接口也好，作業系統頁面也好，最後Action Agent将執行結果以語言或者圖像/聲音的方式呈現到使用者面前。
未來一定會有行動矩陣或者行動網絡的形态，Web Of Actions，就在這張網裡邊，它有各種各樣生成式的東西，它能夠很精準地了解你到底想幹啥，隻要有一個念頭，事就被幹了，就是說對數字機器人或者機器人群組而言，Tell me what you want to do , and things will be done for you automaticaly。
現在知識好像沒有孤島了，是個好事，但反過來會擔心失控。預訓練模型是用海量網際網路資料訓練出來的，有可能模型未來當晶片賣。有人專門訓練，有人專門用。資料一定要從官方購買，或者說一定要簽協定。
最早幾年,跟Gartner國際分析師有幾次交流，他們說未來企業應該是軟體可以定義的，各種各樣的業務系統會呈現高度的液态化特色（liquidized business)。現在業務系統更像是剛性的，有個一個很硬的殼和核心，SAP ERP非常強悍，但非常靜态。前面系統一變，規則一變，結構要改，就造成大量的二次開發，這就是傳統資訊化困境。
數字化時代的企業裡面這種東西還會在，但是會推到非常靠後，前中台會逐漸被大模型+衆多領域模型組成的模型層，和以智能RPA，智能BPA，iPAAS等超級自動化技術為代表的行動層所取代。
AIGA給我最大的啟發，就是當人的意圖很好地被AI被大模型解讀之後，大家可以把系統迅速拆解成一系列業務Action執行，最後這個業務目标就達成和實作了。未來的企業軟體和新應用即将發生天翻地覆的變化。
當下一代的軟體變成highly composable之後，企業與企業之間、或者整個的行業都變成這樣的時候，會發生什麼？怎麼管理和監管，未來都會遇到巨大的挑戰。
未來演變成： 生成式的内容，生成式的行動，生成式的自動化、 生成式的業務，甚至生成式的企業，not the regulation應該怎麼搞，真正去中心化的時候，企業已經變得很模糊了，to B和to C之間的體驗差别可能再過20年再過30年就沒有那麼明顯了。
現在有一個機會拉平這種失衡，生成式AI崛起了，數字機器人崛起了。智能化與自動化結合，讓生成式自動化應運而生，也讓所有的公司重新站到了同一條起跑線。又到了重新定義産品，重新定義業務能力和生态版圖的時候了， 對我們這樣的創新型數字軟體技術公司而言，這絕對是一個最好的時代。（本文首發钛媒體App）