面向小型企业的 AI：联合创始人使用生成式 AI

不仅仅是大企业，拥有大量数据和计算能力的大型企业也在尝试人工智能 (AI)。小型企业，甚至是尚未启动的创业者，都在采用 AI 工具，并以全新的、令人兴奋的方式将 AI 融入其商业模式中。

今年，Gusto 发布了一份“新业务形成”报告，发现超过 20％ 的新业务正在使用生成式 AI 技术。¹ 生成式 AI 正在帮助企业家扩大上市前的覆盖范围，这一阶段的资源通常受限，对企业家可以完成的工作施加时间和成本约束

企业家 Sean Ammirati 对这些限制有切身体会。他除了是一名企业创始人，还是卡内基梅隆大学的创业学教授，教授 MBA 课程。每年，他的课程都会指导学生完成初创企业的发展过程。

今年与以往不同。他的学生掌握了新技术：生成式 AI。虽然一些教育工作者对学生通过这些应用程序寻求帮助表示担忧，但 Ammirati则支持此类行为，因为他意识到生成式 AI 对企业家有着广阔的应用前景。

Ammirati 说：“有趣的是，学生们能够通过一个学期的努力取得进展，并让一些客户用上相当完善的产品，与我过往 13 年上这些课的经历相比，这是十分迅速的。他们还在用自己的产品做一些以前根本无法做到的事情。”

其中一些初创公司涉足 AI 领域，但它们不仅仅是 AI 初创公司，它们是使用 AI 来启动业务的“AI 原生”初创公司。

2023 年，Ammirati 参加了卡内基梅隆大学的生成式 AI 研究员计划，这是学校智能商业中心的一项举措，旨在建立一个研究机构，以加强对生成式 AI 商业应用的理解。

Ammirati 撰写了一篇题为“生成式 AI 对创业者的应用”的论文，详细介绍了生成式工具如何实现日常任务自动化，并帮助创业者专注于更高层次的战略思考。他将生成式 AI 的出现比作云计算和移动设备的出现，认为这些科技重新定义了创业。

在论文中，Ammirati 认为这项科技不仅仅是一个 AI 助手，还是一个可以提供指导和信息的“联合创始人”。它永远不是最终的决策者，而是一个可以在构思、想法验证和扩展过程中提供帮助的有益合作伙伴。

过去十年中，小型企业主一直在集成低成本的 AI 工具，以简化工作流程，并执行原本可能无法企及的更高级别功能。ChatGPT 的发布引发的革命加速了这一趋势，即使是可能还没有员工的早期创业者，也能承担更广泛的业务职能，并加快完成这些业务职能的速度。

生成式 AI 的一个明显用例就在它的名字里：内容生成。这也许是创业者在雇佣员工执行此类任务之前扩大影响力的最简单方法。

这种价值在营销活动中最为明显。AI 可以使用自然语言处理来帮助起草引人入胜的社交媒体帖子、SEO 优化的博客文章和电子商务网站文案，从而帮助小型企业保持一致且专业的在线形象。在电子邮件营销活动中，AI 可以设计吸引人的主题行、吸引人的正文内容和有效的行动号召，以增加打开率和客户互动。

它可以帮助起草视频、播客或网络研讨会的脚本，使可能不具备此类专业知识的创始人更容易执行多媒体营销。Amazon 产品描述、广告文案和其他耗时任务的完成时间大大缩短。

也不仅仅是营销工作。商业计划书、投资者演示文稿、竞争分析、LinkedIn 职位描述、政策文件、培训和入职材料、客户关系 (CRM) 和常见问题解答都能受益于生成式 AI 解决方案。人工智能驱动的聊天机器人还能为初创企业带来客户体验优势，这在早期阶段可以节省大量成本。

简化前面的任务可以使更多时间投向更高级别的认知任务，例如研究和战略决策。

当然，生成式 AI 也可以帮助研究。

创业的主要困难之一是不清楚自己不知道什么。大型语言模型 (LLM) 可以成为提出困难的探索性问题的绝佳资源；人们甚至可能不好意思问这些问题。例如：

“即将出台的欧盟法规会影响我提供产品的可用性吗？”

“我的产品的替代品目前的全球市场占有量是多少？”

一个重要的注意事项是：企业家应该记住，法律硕士在很多方面都有局限性，产生幻觉是很常见的。更糟糕的是，法律硕士历来无法解释他们是如何得出结论的。

幸运的是，由于最新的机器学习 (ML) 算法进展，通过检索增强生成 (RAG) 增强的 LLM 可以从互联网实时获取信息，用户可以检查来源以验证它。

或许，将人工智能驱动工具视为启发思考和初步探索性信息的重要来源，而不是确定性的答案或合法的建议，会有所帮助。即使这些工具并非 100% 准确，它们也可以帮助创始人以新的方式思考问题，或引导他们走上一条没有设想过的关键研究道路。

创始人可以提出类似前面提到的复杂问题，而 LLM 可以提供背景信息，并帮助创始人向律师、合规专家或供应链工程师等人类专家提出更好的问题。

Ammirati 说：“你不会只想让 LLM 给你提供法律建议，然后不假思索地继续前进。但是，如果 AI 能把一个耗时 10 小时的项目变为耗时 1 小时，这对创业者来说就是有意义的价值。”

对 Ammirati 来说，目前最令人兴奋的机会不一定是基础模型本身，而是在 LLM 基础上构建的应用程序。有些人可能会不屑一顾地把这类应用称为“LLM 包装纸”，认为它们是对 LLM 创新的重新包装，并没有增加实质性的新功能。

但是，应用程序可以专门用于特定的企业任务，提供预构建的提示或模板，来指导模型为特定需求生成更相关的输出。它们通常涉及领域知识的应用。

这些工具可以提供简化的应用编程接口 (API) 和直观的界面。这样，开发人员就可以更简单地将 LLM 功能集成到现有应用程序中，而无需管理复杂的设置，如处理 API 调用、管理词元或配置设置。

只要看看风险投资公司 Sequoia Capital 于 2024 年 10 月发布的报告，就能确认基于 LLM 的应用程序的价值：

“两年前，许多应用层公司被嘲笑为'只是GPT-3 外的包装纸'。如今，这些包装纸已成为创造持久价值的仅有合理方法之一。最初的‘包装纸’已经演变为‘认知架构’。”²

Ammirati 与他人共同创立了一家早期初创公司，旨在成为企业家和其他创新者的此类工具。

“作为我曾经在 CMU 经营的企业初创实验室的一部分，我与企业开展了大量合作，我意识到，这些研发小组也在努力将他们的发明转化为具有商业价值的东西。”

Growth Signals 是为希望确定如何最好地应用研发 (R&D) 资源的高管和研究人员提供的工具。它使用 AI 来分析竞争环境，撰写技术摘要，指导头脑风暴会议，甚至可以使用代理来抓取突发新闻和新发表的研究。

“它可以帮助您将市场和科技信号转化为值得深入了解的概念，并帮助您管理和完善这些概念并进行早期验证。”

创新不是仅仅提出新想法，而是首先提出新想法。如果有一种工具可以帮助创新者更快地实现创新，那么在所谓的“LLM 包装纸”上投入资金也许是值得的。

Ammirati 列举了另外两家初创公司：Cove 和 Glean 也在玩这个沙盒。这两家公司的目标都是让用户体验超越我们与 LLM 交互时习惯使用的聊天机器人。它们不使用机器人，而是利用 AI 提供多维度的可视化工作空间，为常见的企业功能量身定制。

对于小型企业经营者来说，现在是一个激动人心的时刻，随着企业家和创新者寻求最佳的 AI 工具来优化工作流程、自动化重复任务、协助研究以及处理项目管理和其他业务运营，我们可以预见，会有大量新的“镐子和铲子”产品涌入。这些工具将为企业家提供动力，使其更快进入市场并更快地实现盈利。