從QuickBooks到ChatGPT：如何將你的軟件堆疊轉變為智能AI助手
你經營著一家小企業，而宇宙中的每位技術專家都在告訴你要「擁抱AI」，並警告如果不這樣做，你將會失敗。
他們有點戲劇化，但他們並不錯。因此，你有兩個選擇：要麼等待你的軟件供應商在他們的應用程序上開發AI功能，要麼自己動手建造一個。
除非你是一家擁有豐富資源的大公司，否則即使在一年前，建立自己的AI系統也不是一個好的選擇。但最近可用的工具已經發生了顯著變化。
假設你正在使用一個像Epicor、Dynamics、Sage或QuickBooks Enterprise的會計系統來處理報價、訂單、發票、庫存和應付賬款管理。同時，你也在使用像Zoho、Salesforce、Insightly或HubSpot的CRM軟件來進行銷售和市場營銷。那麼，你能否將這些系統轉變為基於AI的系統，讓你能像使用ChatGPT一樣查詢所有數據？
答案是肯定的。但對於許多小企業來說，這仍然是複雜且昂貴的。然而，如果你想考慮這個選項，那麼以下是你需要採取的六個不太簡單的步驟。
步驟1：聘請開發人員。
你不會自己做到這一點，接下來的所有步驟都需要有人來將應用程序、工具和數據整合在一起。一位優秀的開發人員年薪大約在15萬至20萬美元之間。好消息是，由於AI的興起，許多科技公司（如Meta）和政府機構（如DOGE）正在裁員。因此，市場上有可用的人才。
步驟2：定義你的交付內容。
你希望如何像ChatGPT一樣使用你的數據？你需要考慮所有的提示，例如「給我客戶訂單的狀態」或「根據之前的項目，我應該如何定價這個項目？」或「我們可以替代哪些材料來生產這個產品？」或「我應該考慮為這個工作安排多少機器時間？」這將幫助你專注於結果。
步驟3：授權一個LLM平台。
就像你會授權一個數據庫（例如SQL Server）來編寫應用程序一樣，你需要授權一個LLM（大型語言模型）作為你的ChatGPT。市場上有很多選擇，這是一個我可以寫出來的完全不同的文章。但你應該知道一些主要的參與者：OpenAI、Llama、Anthropic、Google、Microsoft。這些公司都能提供一個可以使用你的數據進行訓練的現成LLM模型。
步驟4：創建你的數據集成和索引。
現在真正的難點來了。
你需要使用會計和CRM供應商提供的API（應用程序編程接口）將數據從這些系統轉移到你的LLM中。或者你可以考慮使用像Zapier、Fivetran、Airbyte、Talend或Make這樣的即用型數據集成工具。或者讓你的開發人員編寫自定義腳本。
LLM與數據庫是不同的。數據庫有行和列的表格數據，而LLM中的數據是非結構化的。因此，LLM中的信息需要以「在2024年6月12日，Acme Corporation因干貨被開具354.60美元的發票」這種格式存儲。這些信息需要被索引，以便後續查詢。像LlamaIndex或LangChain這樣的工具可以將這些數據轉換為可以查詢的非結構化塊。
有關這些數據的關鍵信息需要使用Pinecone、Weaviate或Chroma等工具存儲在「向量」數據庫中。向量數據庫與LLM不同，LLM被認為是理解和生成語言的「大腦」，而向量數據庫則像一個檔案櫃，幫助計算機快速找到相似的事物。它通過將文本、圖像或聲音轉換為數字集合（稱為向量）並比較這些數字來找到最接近的匹配。LLM和向量數據庫是相輔相成的。
然後需要創建元數據過濾器來實現這一點。你還需要安排工作流，將數據從你的會計和CRM系統更新到向量數據庫和LLM中，以確保你的查詢使用的是最新的信息。
我在簡化這整個過程。實際上還有更多工作需要做，並且根據你的數據需求和使用情況，授權成本可能會相當高。所有這些都應該提前調查清楚，然後再開始。
你現在明白為何需要開發人員了吧？
步驟5：構建用戶界面。
ChatGPT擁有一個非常簡單的用戶界面，但在幕後有很多工作正在進行，以便將我們提交的提示轉換為LLM能理解的格式。你不必從零開始構建這個界面。你可以使用像Streamlit、Gradio或ChatGPT的自定義界面這樣的儀表板。或者你可以將界面開發並嵌入到Microsoft Teams或Google Gemini中。你的自定義界面需要安全性，以限制用戶根據其登錄和角色訪問數據。需要創建和維護身份驗證、加密和審計日志。
步驟6：訓練、訓練、再訓練。
你注意到ChatGPT和其他聊天機器人如何在回答問題方面變得更好嗎？這是因為自2022年推出以來，已經有無數的查詢提交給它們的LLM，每次查詢系統都會變得更聰明。你的系統也是如此。你的用戶需要測試、訓練、審查，並幫助你的AI系統變得更聰明。
我最近向一位客戶展示了這些步驟，他們被其複雜性所壓倒。他們並沒有錯：這確實是複雜的。
但只要有合適的開發人員和合適的工具，包括我上面提到的那些，這是可以實現的。對於不想等待其軟件供應商跟上的小公司，或者那些在多個地方存儲數據並需要整合以真正建立一個有意義的生成AI系統的公司，現在有了一條（在某種程度上）可負擔的路徑。
所有這一切都需要時間，可能需要一年。你會選擇這樣做嗎？還是等著？至少現在你有了選擇。
這篇文章的內容給了我們一個清晰的方向，如何在小型企業中引入AI技術，這不僅僅是跟隨潮流，而是尋求提升業務效率和競爭力的可行方案。隨著技術的進步，未來我們可能會看到更多小企業成功轉型為智慧型企業，這對於整體經濟的發展也是一個積極的信號。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
