【先行者經驗：Gogolook共同創辦人暨執行長郭建甫】因應ChatGPT浪潮，企業要先做2件事也思考3大挑戰

隨著ChatGPT浪潮爆紅，也開始吹起一股擔心自己工作不保的焦慮感，「這個時間點，我鼓勵大家開放心態談論ChatGPT，不要恐懼自己被裁員，公司不會這樣做。」Gogolook共同創辦人暨執行長郭建甫要建立健康的正面討論氛圍，正是他看到這股AI新浪潮後做的第一件事。

郭建甫引述a16z創辦人Marc Andreessen的觀察，人們對自動化浪潮焦慮的爆發，從1930年代以來，大概每30年會出現一次，不過每一次這種令人深刻的演示，很多人擔心快速爆炸後，會影響到所有人類的勞動力，Andreessen Horowitz強調這種感受是大錯特錯，他不只鼓吹這股趨勢，也反思提醒說，這種事其實每30年就會發生一次。

郭建甫用「On top of AI」(站在AI的肩膀上）這個概念來聚焦員工的思考，「如何用AI強化自己的能力，把AI當作是自己的延伸，只是這次不是實體的延伸而是心智、知識的延伸，」他表示：「要從這種生產力層面來思考，能不能用150個人（編按：與目前同樣的人力規模），做到10倍、20倍的成長。」

不只如此，他更進一步探討ChatGPT浪潮的本質，就像10年前，iPhone問世時，創造了一個以iOS為基礎的公共基礎設施，也就是行動網際網路，在上面可以發展很多行動App，「從公共基礎設施（utility）的角度來看，帶來了一種空間和時間的公共設施（space and time），」他解釋，讓你擺脫物理限制，變得生產力很高，坐在這邊按一個鍵，食物就從A點送到B點，時間跟空間被壓縮 ，這是當年iPhone moment帶來的效用。

ChatGPT的出現，同樣被形容成是另一次的iPhone時刻，同樣的道理，「生成式AI是底層基礎，上面是知識的公共基礎設施，知識變成一種公共財，所有人都可以存取到跨語言、跨文化的知識。」他更進一步強調：「這種知識公共基礎設施會帶來兩種衝擊，第一是對生產力帶來衝擊，」所以，郭建甫要求員工開始解構自己工作中，無聊、沒有意義的成分，思考如何交給AI，來獲得更多的時間。

帶動每一個人開始使用和思考後，甚至有Gogolook開發端主管思考，是否要區分前後端，前端工程師能不能保留系統分析、邏輯思考、將人的需求轉化成機器聽得懂的語言，保留這些能力，但借助No Code工具和ChatGPT，能不能學會後端開發的技能。

迎戰ChatGPT浪潮要先做的2件事

郭建甫的第一步是「要求公司每一個人都思考，從主管到個人，讓大家開放心態的談論這件事。」他先從鼓勵討論著手的目的是，要讓全公司「真的理解ChatGPT代表什麼樣的演化。」

不只追求更徹底的了解，第二步，他向自己和所有員工這樣提問：「當知識變成一種公共基礎設施（Utility）之後，如何加入到產品中？」他強調：「如何在這些知識之上，創造你的應用，變得更重要。」

不只Gogolook，很多動作快的新創都已經開始思考，如何解決用戶痛點，在證明有存在價值的服務上，再加上AI的能力。郭建甫表示：「用戶痛點是重點，如何在既有服務，在已經可以解決用戶痛點的商業模式上，透過這些生成式AI將UI/UX升級，我覺得，絕對是必要的事，但不是像接水管般一樣就創造一個服務，你可以這樣做，別人也可以這樣做。」

OpenAI創辦人Sam Altman也曾探討過新創在這波浪潮中的機會，他的看法是，全世界最後會剩下只有幾家公司提供超大語言模型Base Model的服務，如何善用「1%的客製化」成了關鍵。

因為像GPT 3這種一次訓練要價千萬美元的超大語言模型，沒有幾家企業可以負擔，而OpenAI公司目前也沒有開源釋出底層基礎模型（Foundation Model或稱為Base Model），只開放透過API來客製化微調(Finetune）的是在這個基礎模型上的屬性模型（Attribute Model），仍然需要在基礎模型上才能執行。所以，新創可以利用屬性模型的微調，來建立客製化的中間層的服務。

發展客製化AI的兩大方向

郭建甫認為，屬性模型客製化可以有兩大方向，第一是瞄準ChatGPT沒有的領域知識（Domain Knowledge）， 它不是每個領域的專家，第二個層面是可以進行原則或政策（principle 或policy）的客製化。

領域知識是許多企業想要進一步調教ChatGPT的重要方向，這是許多企業或新創已經看到的主流客製化做法，但是郭建甫提到的Policy層客製化又是什麼？為何是重要的發展？

他進一步解釋，模型本身會有基本的道德面政策，例如不能涉及敏感政治問題、暴力、詐騙等，但做生意需要的不只是這種政策機制。

例如日本有很多IP角色，也需要有一套符合對應人設的Chatbot AI發言政策控管機制，日本公司才敢授權。所以，郭建甫才認為：「中間層的控制，除了領域知識，我覺得原則或政策機制的控制，也很重要。」例如為了避免濫用，一套好的監控機制，來確保不會授權角色的濫用，也很重要。

生成式AI也帶來3個層面的新挑戰

不過，ChatGPT不只帶來新的機會，郭建甫觀察，也帶來了三個層面的挑戰，第一個層面是資料與資訊面的挑戰，GPT模型本身目前最為人詬病的就是內容真實性不足的問題，郭建甫指出，如何讓ChatGPT的回答更具備事實基礎和提供參考來源，這是一個值得被解決的問題，甚至他認為，在問題解答中標記出所用的參考來源網址，也可以是一種好的商業模式，例如Bing結合ChatGPT模型後的做法。

不過，郭建甫更強調，第二項監管層的挑戰，這就是他所謂在中間層的控制機制。「出現很多客製化GPT時，這也代表需要制定這個客製化AI的政策，」就像若有家銀行要以ChatGPT技術來打造大型企業的發言人，就需要一套這家公司專屬的人設政策，來限定發言的AI什麼可說，什麼不能說，而且不能出錯。或者如美國已有人工智慧相關的法遵，要求必須在商用或政治領域用Chatbot中標明這是AI而非真人。「未來，在治理面、平臺到應用層，每一層都需要再建立政策機制，」

但是，還有一個更困難，也就是第三個層面的挑戰，「教育層面的挑戰，包括了資訊識讀、批判性思考、邏輯思考、獨立思考的能力的培養，我認為非常重要。」他強調。

ChatGPT出現後，可預期釣魚郵件、簡訊詐騙等各種內容訊息詐騙手法會更加逼真，可以做到高度個人化。郭建甫觀察，「單靠內容越來越難分辨，得從資料源頭的發送者身分著手，身分識別的可信度會比過去更重要，這才是不變的重要關鍵。」他強調。

 更多相關報導