得益于过去几年大型语言模型（LLM）的显著进步，生成式人工智能（GenAI）已成为主流。世界各地、各行各业的人们都在尝试使用GenAI来提高工作效率或改善个人生活。企业也在考虑是否以及如何将GenAI纳入其产品和工作流程。
由于语言服务提供商（LSP）和语言技术公司已经采用了神经机器翻译（NMT）等其他形式的人工智能，语言行业可能比其他行业更有优势。不过，由于GenAI尚处于起步阶段，语言公司肯定还处于未知领域。
为了了解该行业如何利用这一新兴技术，联系了该领域一些最著名、最有影响力的公司。其中有以下十家公司做出了回应：Acolad、Argos Multilingual、Bureau Works、 Gateway Translations、 Keylingo、 LILT、Lionbridge、Pangeanic、Phrase和Translated。
回应显示，GenAI最常见的用途之一是改进内部流程，多家公司为此提供了相关的员工培训。有些公司更进一步，已经通过量身定制的LLMs（大型语言模型）将GenAI整合到其产品和服务中。以下是一些顶级公司如何利用GenAI为其团队和客户服务的实例。
GenAI在贵组织中扮演什么角色？您的团队具体如何使用它来履行服务？
Acolad（全球解决方案负责人Pavel Soukenik）：GenAI不仅是Acolad的未来，也是我们的过去和现在。我们的人工智能之旅始于2016年，从那时起，我们专注于研发和技术解决方案的团队就利用我们在机器学习（ML）方面的丰富经验，为客户和内部团队挖掘GenAI的变革潜力。其中集成和自动化是我们方法的关键所在。
在内部，我们将人工智能作为一种强大的生产力工具，鼓励我们的团队探索其广泛的可能性。人工智能通过我们的自动化平台优化工作流程，该平台将传统技术与机器学习（ML）和GenAI模块集成在一起。我们的专有提示平台提供了一个安全、符合《通用数据保护条例》（GDPR）要求的、基于身份验证的环境。这使我们的团队能够更高效地工作，同时确保机密数据的安全处理。
对于我们的客户，我们将人工智能无缝集成到量身定制的创新解决方案中，使他们能够进行个性化和高效的沟通。 我们的服务组合利用人工智能贯穿内容生命周期的各个阶段，以提高成本效益、缩短周转时间并提高交付成果和现有翻译资产的质量。 Acolad的人工智能驱动服务包括自动后期编辑(PE)、产品描述、内容评级、单语和双语内容质量管理、MT Hub引擎评估、配音以及针对监管行业的解决方案。此外，我们还与客户合作开发或优化他们自己的模型，利用我们内部的人工智能专业知识实现卓越的产出。
Argos Multilingual（Growth副总裁Libor Safar）：GenAI扮演着一个才华横溢、前途无量的实习生角色。这位实习生已经做得非常出色——甚至其内在的缺点也深得大家喜欢。她就像一颗需要继续打磨的钻石，还需要更多的时间来发挥她的全部潜能。
我们专业的人工智能数据服务团队可帮助企业构建智能的多语言大型语言模型（LLM）。这意味着需对模型进行预训练、微调或测试。具体来说，我们的语言学家和领域专家会帮助确保模型能够捕捉到多样视角和语言上的细微差别。 我们的目标是提高提示和回复的质量和真实性，这包括使用定制的多维质量指标(MQM)进行多语言注释，以评估源文本和目标文本。
我们还将GenAI嵌入到我们的混合人工智能翻译工作流程中，该流程基本上使用人工智能进行翻译和质量控制（QC），而译员则完全负责质量验证和编辑。在我们看来，平衡的关键在于风险承受能力。一些企业可能会优先考虑人工智能的速度，尽量减少人工干预，而另一些企业则更倾向于对敏感内容采用人工干预的方式。我们不认为只有一种方法。因此，人工智能工作流程的设计可以兼顾这两个方面：快速且经过人工智能优化的翻译，并可在任何时候增加人工参与。这样可以完全控制质量和风险。
Bureau Works（首席执行官Gabriel Fairman）：GenAI使我们的用户能够从令人头疼的后编辑（PE）转变为深思熟虑的教学。在这个过程中，他们的翻译效率比现有最好的神经机器翻译（NMT）工具高出22%。我们的框架允许用户教授他们自己的私人引擎，除了确定他们的语言语料库外，无需任何设置。这些个性化引擎可以帮助用户以自己的方式翻译，而且速度更快、错误更少。
Gateway Translations（总经理Markus Seebauer）：许多人认为像ChatGPT这样的GenAI工具是实验性的，不如DeepL 这样成熟的机器翻译引擎。在为美国一家大型科技公司使用自定义语言模型进行翻译的十年间，我们进行了各种实验来改进人工智能的输出。 通过创建客户特定的编辑指令和超越质量控制的项目管理（PM）指南，我们在提高和保持翻译质量方面取得了快速的成功。当我们使用人工智能协助翻译GitHub的技术文档时，人工智能加快了产品上市速度，为语言学家提供了多种选择，并让客户端本地化经理更好地了解编辑比例，以便在未来协商节约成本。
Keylingo（运营副总裁Virginia Careto）：GenAI在Keylingo内部发挥着重要作用，主要是加强我们的市场营销和战略工作。它仍然是一项处于技术前沿的工具，因此我们还没有将其用于向最终客户提供服务。不过，我们认为它是优化内部流程的重要工具，尤其是在构思、战略制定和文案写作方面。这就好比我们多了一个可以信赖的队友，他们可以为我们做出有价值的贡献，而我们通常会在完整的人工审核后再实施这些贡献。
在我们的市场营销工作中，GenAI每天都会为我们的营销活动、社交媒体帖子、内部倡议和博客文章集思广益，提出新的想法。这确保了我们的内容保持吸引力、相关性，并与我们的品牌形象保持一致。它有助于创作引人注目的标题、有说服力的广告文案以及搜索引擎优化（SEO）友好型内容，从而保持品牌声音的一致性并提高效率。
在我们的战略开发中，GenAI通过模拟各种市场情景为我们提供支持，以便我们能够更好地预见挑战和机遇，从而制定出更加稳健的战略计划。它使我们能够识别趋势和模式，通过全面准确的信息提升我们的决策能力。此外，人工智能还为业务挑战提供多样化的解决方案和创造性的方法，帮助我们创新和解决问题。
LILT（首席执行官Spence Green）：LILT是一个以人工智能驱动的内容翻译和生成的企业软件平台，GenAI在我们的业务模式中扮演着基础角色；它是我们平台的核心，涉及LILT翻译的每一个字。GenAI向人类语言学家提供提示（翻译建议），待人类语言学家逐字核实准确性后确认并最终完成翻译。
LILT平台为每位客户的每种语言（或每个领域）创建独一无二的定制LLM；这些LLM会根据客户的偏好、 语调和风格进行实时培训。然后，该客户特定的LLM将在该语言或领域内为该客户的所有翻译提供动力，无论是辅助人工翻译还是即时机器翻译内容。每个客户的定制模型可支持企业网站、产品手册、社交媒体、客户支持聊天、电子学习内容、法律文件和产品用户界面 (UIs) 等各种内容类型的翻译。
然后，每个客户的微调模型都可以与LILT Create配对，LILT Create是一种生成式工具，它以每个客户的数据作为提示，以目标语言为内容创作者生成高质量、与品牌一致的内容。该工具可为内容创作者节省90%的前期内容创作时间，使他们能够提前根据业务偏好完善和确定内容，然后在全球市场发布。
LILT还可与第三方LLMs（大型语言模型）兼容，通过微调所有语言的自定义模型来确保顶级性能。LLM集成包括谷歌翻译、亚马逊翻译、GPT、DeepL和Amazon Bedrock。
Lionbridge（首席产品官Will Rowlands-Rees）：Lionbridge一直是语言创新领域的领导者， GenAI也不例外。我们的目标是与这项创新技术合作，利用 LLMs增强我们的全球内容工作流程，以提高速度和个性化程度。这种整合缩短了项目周转时间，将适用性和客户满意度提升到了一个新的水平。
为了满足客户不断变化的需求，我们在传统本地化中战略性地使用GenAI。这项技术使我们能够以更快的速度和更高的准确性为客户提供对内容的更多控制。我们在上游利用它从源头创建高质量内容，并简化从创建到审核和交付的整个内容流程。这使我们能够开发新的产品和服务，加快对速度和成本至关重要的传统审核流程。
我们为所有员工提供有关GenAI工具的培训，并在2024年为所有员工设定了GenAI目标。他们并不只是偶尔尝试这项技术，而是经常使用GenAI来协助工作。我们利用GenAI的强大功能来加强前景探索和提高销售业绩、简化入职流程和自动化运营中的重复性任务以及揭示财务账单趋势。 随着人工智能成为日常活动的基石，我们也已经对其深入了解，这让我们的团队和客户都受益匪浅。
Pangeanic（机器学习部门主管José Miguel Herrera Maldonado）：GenAI对Pangeanic起着至关重要的作用， 它将我们的一些解决方案， 如机器翻译（MT）， 提升到了一个新的水平。 虽然译员、 本地化部门和语言服务提供商（LSPs）的既定目标是帮助人类理解不同文化和语言，但过去 30 年来，语言行业一直在语段层面开展工作–这是毫无意义的， 因为人类不是在语段层面进行交流的。
GenAI的明显用例是生成报告、项目文档、新闻、标题和摘要。但在机器翻译（MT）领域，我们利用GenAI在章节、页面和段落层面提高翻译的质量和流畅性，这就好比有了一个人工审稿人或后期编辑。GenAI的大型上下文窗口有助于识别语言和上下文模式，从而实现更准确、更自然的翻译。不仅是ChatGPT，您还可以运行其他模型来更好地控制输出和隐私。 如果将它与优秀的自定义神经机器翻译（NMT）、检索增强生成（RAG）系统和术语管理相结合，作为后期编辑器使用，效果惊人。
Phrase（首席产品官Simone Bohnenberger-Rich）：GenAI是Phrase不可或缺的一部分，它推动了我们本地化流程的重大进步。它增强并自动化了以前人工智能技术难以完成的复杂任务。在Phrase的技术栈中， 我们在关键点部署GenAI，以实现人工流程的超级自动化，最大限度地提高成本效益。例如，通过使用LLMs生成高质量、针对特定受众的翻译，提升了机器翻译（MT）的质量，大大减少了对人工编辑的需求。它还能自动执行成本高昂的质量保证（QA）步骤，如语言质量评估，而有些机构因成本原因会省略这些步骤。这使我们能够在确保质量的同时节省高达90%的开支。此外，GenAI还能帮助调整语音语调和其他风格元素，使其与品牌声音相一致，这可确保内容创作更具适应性和响应性。通过以这些方式整合GenAI，我们利用技术提升了服务质量和运营效率，促进了本地化的可扩展和有效创新。
Translated（人工智能解决方案副总裁John Tinsley）：人工智能–无论是生成式、预测式还是其他形式–在Translated发挥着不可或缺的作用，并且在过去20年来一直如此。早在2017年，随着NMT的出现，我们的机器翻译解决方案ModernMT成为变压器技术的首个商业应用。 此后，变压器技术在当今的GenAI领域得到了更广泛的普及，成为支撑LLMs的技术（请注意GPT中的T代表变压器）。
随着我们从第一波基础模型转向更具体的GenAI应用实现，机器翻译（MT）本身也在不断发展，在本质上变得更具生成性。这极大地扩展了它的功能范围，可以使用越来越多的上下文，并像译员使用风格指南一样接受精确的指令。这使它异常强大，也让我们越来越接近语言本身。
考虑到机器翻译（MT）是人工智能，因此它在整个Translated无处不在。所有人工翻译都在不同程度上使用了人工智能的建议，而数以千计的客户则通过ModernMT将人工智能直接用作产品本身。在这些工作流程中，我们还使用人工智能驱动的质量评估来帮助确定我们应该将人力集中在哪些方面，从而使我们能够更高效地提供服务。
人工智能也是我们视听服务的基础，在过去两年中，人工智能已成为业务增长最快的领域。这包括我们的自动语音识别、语音合成和日益流行的语音克隆技术。在我们的企业客户群中，已经有许多有效和大规模应用的实例。
我们还以不太明显的方式在整个业务中使用人工智能，例如帮助我们的社区和项目管理团队为客户的给定项目选择最合适的人力资源。再次强调，尽管其应用和有效性正在不断扩大，但这些不一定是最新的发展。
人类在这些过程中扮演什么角色？
Acolad：在Acolad，我们倡导“专家参与”的方法–强调透明度和责任感。我们的专业开发团队专注于创建和部署创新解决方案，而我们的人工智能大使计划则在客户和员工中推广人工智能知识和应用。这体现了我们“一个都不能少”的政策，旨在让每个人都能利用这项技术，并将人工智能定位为提高生产力、释放增长和创新机会的工具。我们还致力于提高员工的技能，使他们能够胜任人工智能驱动的新职位，并聘用具有人工智能背景的工程师、产品经理和解决方案架构师，为他们带来更多的专业知识和全新的视角。
Argos Multilingual：企业正在向人工智能生成内容的流程过渡，优势显而易见，但风险也同样存在。在这种情况下，人类在验证和编辑各种内容类型时不可或缺，这包括抄袭检查、事实核实以及定期对使用的提示语进行反馈。
Bureau Works：人类是这一切的中心。迭代这一概念的工程师与译员的体验紧密相连，而译员则与工程师构建的技术紧密相连。我们将GenAI视为一个门户网站，允许用户与他们的引擎以流畅地对话交流信息。与僵化的、以语法为导向的传统方法相比， 语言模型的语义能力更加流畅、 反应更快。 人类不仅参与其中，还能完全控制整个过程。他们可以选择启用或禁用哪些GenAI功能，遵循或忽略哪些功能，等等。引擎的存在是为了解锁更高的创造力和批判性潜能，而不仅仅是让他们运行更快。这是一个不断微调技术的过程，以最小化编辑距离，同时最大化译员的创作体验。
Gateway Translations：人类的专业知识对于优化提示、解决源错误和增加文化背景仍然至关重要。 有效的提示可以让用户界面设计师标记出今后需要审查的非包容性语言。 我们对修订过程进行监督，并通过比较原始输出和修订后的最终文本，对已实施的人工智能系统（如特定的LLMs）的效率进行审查。事实证明，将技术与作为主题专家的母语人士相结合最为有效。
Keylingo：在我们的人工智能强化营销和战略流程中，人类的专业知识仍然至关重要，我们的团队在多个领域发挥着不可或缺的作用。专家们监督并完善人工智能生成的内容， 确保其符合我们的品牌价值和战略目标，保持质量和相关性。战略家们解读人工智能生成的数据和见解，以制定可行的计划，并将其有效地融入我们更广泛的战略框架中。 我们的技术团队在创新周期的各个阶段使用人工智能驱动的工具， 特别是在理解问题和创建原型或最小可行产品（MVPs）时。 这种方法符合我们的敏捷思维，使我们的专家能够专注于决策和验证等任务。
LILT：在LILT的商业模式中，人类扮演着基础角色。LILT平台中的人类语言学家担任验证者的角色，逐字确认准确的翻译。当人类与模型提示互动时，平台将捕获这种互动作为训练数据。 然后，这些数据被用来针对客户的偏好、语调、术语和风格来微调该客户的模型。
在根据客户偏好对模型进行微调后，对语言学家的需求取决于源内容和新的差异化内容的数量（例如，客户经常发送新的内容类型、进行品牌更新和引入新的术语）。LILT通过单词预测准确率 (WPA) 来衡量模型微调的影响，WPA是衡量微调模型像人类语言学家一样翻译源内容的能力的分数。 我们的客户在其定制模型上获得了90%以上的WPA分数，这意味着人类语言学家翻译或纠正的单词不到提交给他们的单词的10%。但是，如果没有人类语言学家验证翻译的准确性并创建用于模型微调的训练数据，这种微调是不可能实现的。我们将此称之为人类“掌控方向盘”，即由人类指导和监督模型，并最终决定手头内容使用案例的最佳输出。
LILT Create将第三方内容生成模型与客户在LILT中微调的定制LILT模型和精选数据集配对使用，生成高度定制化的内容，并与公司的声音、语调和术语保持一致。不过，如果过高期望准确性和质量，在发布内容之前，人工创作者仍需对内容进行审核、调整和定稿。
Lionbridge：人类的专业知识推动着翻译行业的发展，这一点即使该领域在技术上不断进步也依然成立。 客户依赖于我们对本地化和文化细微差别的深入理解， 以确保准确和适当的沟通，尤其是在处理高度敏感或关键内容的复杂性时，人工专家可以确保翻译的信息传达正确的语气，并避免误解。
我们还必须记住，翻译行业涉及的不仅仅是文字转换，客户更看重的是人文关怀。项目经理负责后勤工作，语言专家提供特定行业的知识，工程师确保技术顺利运行。这些角色通力合作，提供语言和行业知识，开发和管理技术，指导工作流程，从而成功交付翻译项目，确保客户满意。
Pangeanic：对于我们的营销团队来说，GenAI是必备的，用于撰写标题和摘要不可或缺的工具。它消除了“对空白页的恐惧”，更不用说创建图片甚至基本代码的能力了！
然而，创建优秀的营销材料、为特定应用编写代码以及撰写有见地的文章，这些都超出了该技术的能力范围。GenAI擅长我们称之为“肤浅”的人类任务。我们在LinkedIn和媒体上看到过很多肤浅的新闻简报，人类在这些过程中的重要性不容低估。 无论是自动翻译、 PE还是内容创作， GenAI都能缩短生产时间。根据任务的不同，“人在环中”的方法正在向“人在端中”的方法转变，这使我们能够评估生成的质量，确保其符合准确性、术语一致性和风格的标准。
Phrase：尽管GenAI功能强大，但要确保其带来真正的投资回报(ROI)，人工监督仍然至关重要。人类对于管理整个流程、定义业务逻辑和限制（如GenAI运行的速度、数量和质量）至关重要。我们正在实施的GenAI功能具有非常清晰透明的质量控制系统，例如Phrase质量性能评分，以确保达到这些标准。此外，人类还为GenAI的运行设定总体参数，并管理或监督GenAI模型，以确保输出结果准确无误，这种先进技术与人工监督的结合对于最大化我们流程的有效性和可靠性至关重要。
Translated：我们翻译公司的座右铭是“我们相信人类”，因此可以说人类是我们几乎所有工作的基石。人类创造、转换、修改、评估和批准内容。有时，他们从零开始，但大多时候，他们是在人工智能的辅助下完成这些工作的。这是一种共生关系，因为人们与人工智能合作得越多，人工智能就越能更好地帮助人们完成翻译、审校、质量保证、字幕或配音等工作。
但这并不是说人工智能正在取代人类本应完成的工作–远非如此。 企业的翻译工作比以往任何时候都多！过去，翻译或本地化取决于基于时间和预算方面的可能性。现在，这些限制都已消除，他们开始全力以赴。是的，有些工作是完全自动化的，但这使得人类——主题专家——能够将他们的技能应用到影响最大、最关键的地方。
当然，随着技术的发展，人类在内容创作和本地化过程中的作用也在不断发展和变化，这也是我们自工业革命以来多次看到的趋势！人类专家的工作重点将不再是一系列广泛的任务，包括那些单调重复的任务，而是更小范围的高价值活动。
还有什么补充的吗？
Acolad：我们在GenAI方面的专业知识最终促成了我们开发自己的人工智能平台，该平台目前正在客户中试用，不久将在市场上推出。这对我们来说是一个激动人心的里程碑，我们很高兴能继续推进人工智能技术的发展。
Argos Multilingual: 归根结底，无论过程如何，人类仍然是决定质量标准、何为正确、何为错误的最终裁决者。
Bureau Works：科技对一些人来说是机遇，对另一些人来说则是威胁。特别是对于那些受到影响的人来说，这种变化并不受欢迎。不受欢迎的变革就像是必须消灭的敌人。 这导致在破坏者和被破坏者之间形成了一种以冲突为基础的关系，这种关系负面影响了双方共同成功的可能性。我们需要常识、深思熟虑的意见和开放的对话，以最大化我们在未来更好发展的可能性。
Gateway Translations：虽然人工智能缺乏特定领域的专业知识和文化知识，但它仍能极大地帮助我们的工作。 最新的LLMs（大型语言模型）， 如ChatGPT-4o，在速度和文本质量方面都有显著提高。 本地化专家对于确保工程师了解应用程序编程接口（API）驱动的未经编辑的人工智能翻译的局限性（这对他们很有诱惑力），以及不断学习国际化最佳实践仍然至关重要。在我们达到自动化PE（预编辑）的下一个前沿领域之前，我们将继续在涉及终端客户和我们的全球团队的跨职能团队中进行实验，其中经验丰富的语言学家仍然是成功的关键因素。
Keylingo：虽然GenAI基本上人人都能使用，但对Keylingo来说，产品市场显然并不适合我们的理想客户。尽管如此，Keylingo正在将GenAI用于多个内部流程，因此我们正在学习和提高使用这一重要工具的能力。随着GenAI的成熟，我们肯定会遵循详细和全面的人工审核流程，在其交付给客户的过程中予以测试。最后，对Keylingo来说，显而易见的是，GenAI将对语言服务行业产生巨大影响，对其他行业也是如此。我们认为，在现阶段，我们的职责是尽可能地学习和发展专业知识，以便在适当的时候准备好更全面地实施这一工具。
在Keylingo，我们坚信GenAI是优化流程的强大工具，但人的因素对于我们业务的成功仍然不可或缺。我们团队的专业知识、创造力和监督确保我们有效利用GenAI，同时保持我们工作和商标的质量和完整性，以确保直观、真实和以客户为中心的体验。
LILT：随着GenAI技术的发展，问题将不再是人类是否应该参与，而是何时何地参与。在可预见的未来，人类仍有必要验证GenAI输出的准确性和用途的适合性。战略性地将GenAI应用于工作流程的公司将尽可能地把重复性的、琐碎的任务分配给人工智能，同时确保在需要人类推理和验证时由人类来执行任务和功能，以产生最佳输出。我们看到，利用这一优势的客户正在按内容类型对终端用例进行战略性思考，确定所需的准确度水平，并以此为依据制定该内容类型的生产工作流程（仅人工智能、仅人工或人工智能加人工审核）。
Lionbridge：问题已不再是谁控制人工智能，而是人类如何利用人工智能更有效地协同工作。在Lionbridge，我们认为这首先要让我们的员工了解人工智能并利用其能力。 因此，我们在内部开始了GenAI之旅，制定了定制的培训计划，建立了名为AI Lab的集中知识和创新中心，并创建了定制的技术基础设施。Lionbridge的人工智能沙盒是一个供员工实验的安全的人工智能环境，每天有超过1000名用户使用。迄今为止，约有4200人完成了我们的GenAI培训，约占员工总数的70%。
在我们的全球组织中建立这种人工智能素养和卓越文化，导致Lionbridge的运营方式发生了真正的范式转变。 通过鼓励每个团队成员每天使用GenAI进行实验，我们已经取得了胜利、开展了案例研究、制作了实践用例，并在整个企业和客户中予以推广。
Pangeanic：别忘了GenAI中的“Gen”部分。这些系统只是解码器，经过训练后可以生成内容。它们并不是像NMT那样在平行语料库中进行训练（如果有TMX文件，NMT的训练效果会非常好）。它们不被认为是生产引擎，而是在语境中工作。我们看到混合系统取得了令人惊叹的成果，在混合系统中，我们提供上下文，而它们则充当审稿人或后期编辑的角色。要确保最终输出的质量和一致性，人性化是不可或缺的。在Pangeanic，我们重视人类与机器之间的合作，以提供高质量的语言服务，满足客户的特定需求。
Phrase：虽然GenAI带来了非凡的进步，但认识到实现最佳性能所需的大量基础设施也至关重要。GenAI并非一个独立的解决方案；要在翻译等自动化流程中达到最高质量，必须有一个全面的基础设施。这包括访问额外的数据源以进行微调和最大限度地提高质量，以及一个强大的LLMOps框架来检测和管理变化，确保可信度。
此外，有必要区分GenAI的炒作和实际的投资回报率。虽然GenAI可以大大加强某些流程，但它并不是解决本地化所有挑战的灵丹妙药。认识到它的局限性并设定切合实际的期望，对于充分发挥其潜力而不过度承诺结果至关重要。
随着GenAI和用户贡献产生的内容呈指数级增长，不可避免且自然地转向技术解决方案，以管理超出人类能力范围的事务。通过战略性地将GenAI集成到Phrase技术栈中，并辅以其他人工智能工具，我们将自己定位为本地化行业中可靠且可扩展创新的领导者。通过保持人类与人工智能之间的平衡协作，该方法得到了进一步加强，也使我们能够高效、有效地大规模提供具有文化细微差别的高质量内容。
Translated：这是一个非常激动人心的时刻，但我们同时也处于期望膨胀的高峰期。现在有很多炒作，但实际上，至少在我们这个行业，还没有大量的实际应用。主要原因在于，第一代基础模型的设计并非针对特定任务。因此，它们的界面并不能提供良好的用户体验——因此需要及时工程等变通方法。此外，企业规模的性能和可靠性也面临挑战，更不用说成本问题了。
这些障碍暂时阻碍了事情的发展，但随着各个参与者推出针对特定任务的模型，这些障碍将逐渐被克服。这些模型本质上将变得更小、更易于管理。届时，我们将看到更多大规模的更具成本效益的实际应用，这才是真正的乐趣所在！
（机器翻译，轻度译后编辑，仅供参考）
编辑：杜曼曼
资讯总结：鉴于生成式人工智能（GenAI）已成为主流，世界各地、各行各业的人们都在尝试使用GenAI来提高工作效率或改善个人生活，企业也在考虑是否以及如何将GenAI纳入其产品和工作流程。为了解该行业如何利用这一新兴技术，MultiLingual联系了该领域一些最著名、最有影响力的公司，并提供了它们如何利用GenAI为其团队和客户服务的实例。
