数据智能产业创新服务媒体
——聚焦数智 · 改变商业
近日，在360智脑大模型应用发布会上，360集团创始人周鸿祎在现场创造了自己的数字分身，充当360公司的新闻发言人，其行为和思维方式可以仿真周鸿祎本人。
据悉，数字人将会成为大模型的重要应用入口，360AI数字人目前拥有200多个角色，分为数字名人和数字员工两类。其中，数字员工借助360智脑4.0的跨模态生成能力，可实现文字处理、图像处理、语音处理、视频处理等功能，并可将这些功能应用于营销、办公、运营、决策等企业服务场景，让数字员工成为企业员⼯的知识助⼿和办公助手。这将极大的提升员工的工作效率，进而解放生产力。
为了进一步弄清楚360数字员工的能力，数据猿专访了360集团副总裁、N世界负责人梁志辉，跟他探讨大模型对于数字员工的变革价值，以及大模型加持后的数字员工，将如何赋能各项业务场景。
数字员工+大模型，21世纪的“绝代双骄”
数字员工和大模型是企业服务领域的两个前沿课题，但是，他们各自都存在一些明显的问题，具体来看：
传统数字员工“智力”严重不足，生产力得不到真正释放。
梁志辉指出，尽管数字员工能够执行一系列任务，并在某些场景中提供高效且持续的服务，但其实际能力却受到严重限制，使其在现实应用中常常显得“空有其表”。其中，最突出的问题是其智能程度不足，让数据员工缺失“灵魂”。
在当前的技术环境中，数字员工主要依赖于预设的脚本进行工作。这种依赖性限制了它们的响应灵活性和适应能力。无论是在处理复杂任务，还是在进行深度学习和理解时，传统的数字员工都无法与真正的人类员工相媲美。尤其是当面对新的、未经预设的问题或场景时，这种智能程度的不足就会暴露无遗。此外，数字员工的互动性也较弱。梁志辉举了一个例子，现在一些视频平台也在用数字人进行直播，但这些所谓的直播很多都是录播，只是对了一个嘴型，并不能回答观众的问题，也不能跟观众实时互动。
在多数情况下，数字员工不能像人类那样理解和处理含糊不清、需要判断和理解语境的指令或者请求，导致其在人机交互中常常显得生硬和机械。这种局限性在很大程度上限制了数字员工的应用范围和“生产力”的释放，也是阻碍其在企业级业务场景中更广泛应用的主要难题。
数字员工是大模型在企业应用落地的绝佳载体。
大模型在AI技术领域的地位无疑是至关重要的，它们的出现极大地推动了机器学习和人工智能的发展，为解决复杂问题提供了全新的视角和可能性。然而，仅有大模型技术并不足以满足现实中的需求，我们必须找到实际的应用场景，让大模型发挥出其应有的价值。
尤其是在企业服务领域，大模型的应用落地更是成为了迫在眉睫的问题。大模型的输出结果也需要有适当的平台和工具来进行接收、处理和应用，这对企业的技术架构和业务流程也提出了挑战。
梁志辉指出，360致力于以SaaS产品的形式，为企业提供大模型能力，降低企业使用大模型的门槛。并且，他认为，数字员工作为大模型在企业应用领域落地的“载体”，既可以利用大模型的智能能力，也可以作为大模型的输出平台，将模型的输出结果以更人性化、更高效的方式提供给企业的员工和客户。正如梁志辉所说，“直接给企业开通几个GPT账号，往往不知道能拿来干什么。但是，如果是以数字员工的形象，去接入大模型的能力，往往能更好的被企业用户所接受。”
大模型魔力加持，360数字员工提升企业运营效能
将数字员工与大模型进行深度融合，是一个绝妙的想法，但要将这个想法落地成具体的产品和解决方案，却需要具备一系列的“硬实力”，并需要实现一系列的技术和应用创新。
那么，360是如何打造大模型驱动的智能数字员工呢？具体来看，核心包括以下几个关键环节：
首先，需要打造一个足够强大的通用大模型。360自研三大千亿参数规模的模型，并实现多个模型的混合训练，历经七次迭代。根据SuperCLUE的数据，360智脑多项能力位列国产大模型第一。目前360智脑已经具备摘要、翻译、写作、代码等数十种技能。值得指出的是，360智脑是多模态大模型，不仅能够单独处理文本、图像，还能实现文生图、文生表、图生文、语音生成等多模态内容生成能力。
在C端场景通用大模型已经足够，但在B端企业应用场景，通用大模型存在诸多短板。比如，不具备行业知识储备，回答专业问题的能力不足；公有大模型无法对企业内部数据进行分级管理，在使用过程中存在数据泄露风险；通用大模型往往无法满足企业应用场景对数据的时效性要求等。
为了解决这些问题，360在通用大模型基础上，加上行业数据库、公司数据库、个人数据库进行训练，打造专门服务企业应用场景的行业大模型。此外，针对数字员工特点，设计合适的模型结构和训练方法，使模型能够学习到数字员工需要的各种知识和技能。
经过上面两步，就基本准备好了数字员工的“魂”，接下来，需要打造一个数字员工的“形”。数字员工不仅仅是大模型的应用，也是一个完整的产品或服务，需要设计数字员工的形象、性格和行为，以满足用户的需求和期待。同时，也需要开发一套完整的数字员工系统，包括用户界面、后台管理、数据处理等各个部分。
360 AI数字员工产品界面
最后，通过将大模型能力接入数字员工平台，进而打造出“形神兼备”的AI数字员工。充满智慧、注入灵魂的数字员工，将在企业的生产经营、营销决策、内容创作、数据分析等方面发挥重要作用，成为企业员工的知识助手和办公助手，提升企业运营效能。
AI数字员工，为企业带来一场工作效率革命
相比于以往的数字员工，360智脑大模型驱动的AI数字员工具备多方面的优势。
一方面，数字员工的理解能力得到很大提升。它们能够理解复杂的语境和逻辑，对用户给出的需求进行深度理解，甚至理解用户的情感和意图。这样一来，人机交互的自然度和效率会大大提升。人们可以用更接近日常对话的方式，而不是机械的命令，与AI数字员工进行沟通，从而提升人机协作的效率和效果。
另一方面，以大模型为基础的AI数字员工，其解决问题的“智力”水平和工作能力显著提升。梁志辉认为，在文字、图片等领域，现在AI系统已经可以生成高质量的内容，并可进行复杂的推理和判断，这意味着AI数字员工可以胜任更多种类、更高难度的工作，从而为企业提供更大的价值。而且，由于数字员工具备持续学习和自我优化的能力，这些优势将随着时间推移而不断增强。
正是因为有上面的优势，360以智脑大模型驱动的AI数字员工，可以在大量的工作场景中赋能人。360智脑平台构建了一个数字人广场，其中在营销方面，有创意帮手、营销总监、品牌营销专家、市场营销经理等；在文案策划方面，有小红书文案专家、微博文案专家、公众号文章作家等；在视频方面，有直播脚本专家、视频拍摄大纲专家等。此外，还有AI小助理、金融分析师、中英翻译官、法务专员等众多AI数字员工角色，可供用户选择。
360智脑数字人广场
用户可以依据自己的业务诉求，选取对应的AI数字员工，来帮助其完成相关工作。可以说，AI数字员工在各个领域的应用场景无处不在，他们可以协助人类研究决策、创作与策划，并可以生成大量高质量内容，以下是几个具体的应用场景：
1、研究决策——提供决策建议，分解执行任务。
对于管理层来说，最重要的任务之一就是进行研究决策。他们需要基于海量的信息进行分析，提出策略，并进行决策。在这个过程中，AI数字员工可以提供很大的帮助。首先，AI数字人可以根据提供的信息，生成分析报告，提供决策建议。这样，管理层可以更加专注于决策，而不是沉浸在信息的海洋中。然后，当管理层作出决策之后，AI数字人可以帮助进行任务分解，跟进执行进程。
例如，一个新能源汽车公司要上市一款新车，就可以选用“营销总监”这个数字员工角色，为我们提供一份新产品推广的营销框架。
2、营销创意与策划——基于创意快速生成营销内容，人人都可成营销专家。
AI数字员工在营销策划等创作领域展现出了巨大的潜力，他们可以协助创作出吸引人的文案，设计出让人眼前一亮的海报，甚至剪辑出富有感染力的视频。这些工作原本需要投入大量的时间和精力，而且需要相应的专业技能。但是，AI数字员工凭借强大的生成能力和理解能力，可以快速地生成高质量的内容，大大减轻了人们的工作负担。此外，AI数字员工也可以协助进行创意策划和活动策划。他们可以根据活动的目标和要求，提供创新的策划方案，为活动的成功提供有力的支持。
接下来，我们来看一个实际案例。我们选取“小红书文案专家”这个AI数字员工，来帮助生成相关文案，以下是对话过程：
需要说明的是，以上案例只是用360数字员工得到的初步答案。用户完全可以在此基础上，不断细化自己的要求，并投喂一些相关的材料，来让这个数字员工给出的回答越来越准确、越来越深入。此外，不同的用户，可以通过不断的资料投喂，跟360数字员工不断的交互，来让数字员工更好了解用户，生成的内容也越来越符合该用户的“风格”。
尤其值得提出的是，360的AI数字员工具备跨模态能力，打破了不同内容形式的“模态墙”，这是ChatGPT都不具备的能力。360的AI数字员工不仅可以生成文字内容，还能生成相关的宣传海报图片。而且，AI数字员工还可以直接跳转到360专门用于图片生成的产品“360鸿图”，用于生成更精细的图片内容。
再举一个抖音视频拍摄营销策划的例子。假设一个新能源汽车品牌，要拍摄一个短视频在抖音上投放，那可以选择“拍摄剧本专家”这个AI数字员工来帮助创作拍摄剧本。以下是这个业务场景的对话：
3、多AI数字员工协同——搭建流畅的业务流程，构建业务闭环。
企业当中的各个业务流程并不是割裂的，而是环环相扣，构成一个业务流。因此，人们可以通过上述各个环节的协同，选取多个AI数字员工配合使用，共同构成AI数字员工驱动的工作流。
此外，无论是一般员工还是管理层，都需要处理大量的文档。这些文档包括长篇的报告、政策文件、研究资料等。阅读和理解这些文档需要花费大量的时间。AI数字员工在这方面可以提供很大的帮助，据悉，360AI数字员工，可以一分钟读十万字内容，并可提炼出人类需要的关键信息，生成简洁的总结。此外，他们还可以进行数据解读，帮助人们理解复杂的数据。这些能力对于员工来说，无疑是一个极大的提升。
需要指出的是，虽然AI数字员工的能力更加强大，但这并不意味着他们可以完全替代人了。事实上，跟简单的替代关系相比，人机协同才是更可能的未来。
梁志辉指出，智能系统不是为了替代人，而是为了赋能人。他举了一个例子，开车的人都会用高德地图或者百度地图，当人类想要去某个地方时，这些地图软件可以给出最优路线规划，然后人根据这个路径指引开车去到目的地，这就是一个人机协同的过程。同样的道理，当人类在使用大模型驱动的AI数字员工时，系统可以可以帮人类分析信息、提供指引、给出建议。在具体的工作中，也可以通过人机协同来提升工作效率。例如，在写一个文案时，人类可以聚焦于构思这个文案，让后把具体的文字撰写、海报设计等工作交给AI数字员工。梁志辉认为，AI数字员工，就像是给人类配了一个强大的“副驾驶”，能帮助人类更好的实到达目的地。
AI数字员工的优点在于能够处理大规模的数据，快速、批量化生成大量内容，同时具有自我学习和优化的能力。人类员工的优点则在于其复杂问题的解决能力，以及对创新和策略性思考的独特视角。将这两种优点结合起来，就能创造出高效、灵活和持续优化的工作流程。AI数字员工可以处理繁琐且重复的工作，如营销文案与海报生成、报告撰写等，这大大节省了人类员工的时间，使他们可以专注于提出策略性思考，创新性方案，并处理那些需要人类独特感知和认知能力的问题。这种分工，使得人类员工可以更好地发挥其创新性和策略性思考的能力，大幅提升工作效率。
大模型驱动的AI数字员工的应用，不仅仅是一种工具或者技术的应用，更是一种工作方式和工作流程的变革。在未来的工作场景中，会使用AI数字员工的人，将以更高的效率、更精准的决策，替代那些不会使用AI数字员工的人。
梁志辉指出，虽然现在大模型驱动的AI数字员工还存在一些挑战，比如目前还存在一定算力瓶颈。但是，这些问题将随着产业的发展逐步得到解决。并且，有时候挑战也是推动行业良性发展的契机。以算力瓶颈为例，正因为大模型的算力成本较高，这也促使从业者去探索更有价值的应用场景，让应用的收益能够覆盖成本。
虽然还存在一些挑战，大模型驱动的AI数字员工，已经具备显著提高社会生产力的潜力。正如360集团副总裁、商业化总裁黄剑在2023 数字产业大会暨第五届GDS数字大会上所说，大模型将赋能千行百业，AI加持的数字员工内容生产服务能力将大幅提升商业能力。在数字经济建设中，AI数字员工将通过自我学习和优化，推动数字技术在各行业的应用，加速社会数字化、智能化进程。他们对社会生产力的提升，不仅将直接转化为经济增长，也会对教育、医疗、政府服务等公共领域产生深远影响，提升整个社会的生活质量和发展水平。
文：月满西楼 / 数据猿
