说实话这个问题我最近被问了不下二十次。并非是那种带着客气意味的寒暄, 而是老板们实实在在地焦虑起来了。那些老板眼睁睁看着隔壁的公司弄出了一个AI客服, 又听闻有别的公司上线了智能文档系统, 内心慌得不行。随后他们到网上去搜索, 要么看到的是些让人摸不着头脑的技术术语, 要么就是“联系我们获取报价”这样的表述, 就是那种你很明白的, 说了一大堆却好像啥都没说清楚的感觉。所以今天我干脆把这事儿掰开了揉碎了说一遍。搭一个AI系统到底要花多少钱先说结论这不是一个数字能回答的问题。我曾目睹过花费三千块便达成的情形也曾见识过投入八十万仍处于调试阶段的状况。差异并非体现在谁更为聪慧, 而是取决于你所要去解决的究竟是什么样的问题。假使仅仅是期望公司内部的文档能够被智能检索, 那么成本将会是极其易控的。去寻觅一个开源的向量数据库, 构建一个基础的检索增强生成流程, 运用一个调用接口的框架装置, 让开发人员历经一两周的反复折腾, 硬件借助现有的服务器便足够了。在这样的场景之下, 三千至八千块钱便能够运作起来。但如果你想搞个面向客户的智能助手那预算就得往上跳了。钱到底花在哪儿了很多人以为AI系统最大的开销是算力。其实不是。真实的账单是这样的非结构化数据存在于企业内部大量的文档中, 存在于繁多的聊天记录里, 还存在于诸多流程说明内, 这些数据有着各种各样的状况, 有的格式混乱到不堪的境地, 有的因早就过时了失效了失去时效, 有的不过是扫描件形式罢了, 它们绝大多数都是非结构化的, 而把这些复杂的数据转化成AI能懂的内容, 人工整理的成本常常会超出原本的预期, 数据清洗是第一个坑。我曾见到过一家公司, 就只是做数据清洗这一项活儿, 居然花掉了两个月的时长, 并不是这家公司的技术本事达不到要求, 而是数据自身实在是杂乱得毫无条理可言了。这仅仅是数据清洗这个环节所遭遇的问题, 好不容易将数据清洗完成后, 在后续还会碰到诸多的挑战, 例如, 清洗完成的数据怎样与AI系统实现完美适配, 如何确保数据于传输以及存储过程当中的准确性和稳定性等, 这些问题相互关联, 任何一个环节要是出现差错, 都极有可能对整个AI应用项目的最终效果产生影响, 给企业造成意想不到的损失。接下来, 是关于模型选型方面的情况。开源模型的确是免费的, 然而, 其部署是需要技术团队进行调优操作的。闭源模型是按照调用量来收取费用的, 表面看上去似乎较为便宜, 可是实际使用之后才会明白, 每次调用的费用是几厘钱, 要是一天有几千次调用, 那么一个月累计下来, 这也绝不是一笔小数目呀。在其下方紧接着的部分是测试, 有许多人将这一步骤予以忽视, 人工智能与传统软件存在差异, 传统软件的输入输出是确定无疑的, 而人工智能并非如此, 在某些时候它会乱说一通, 在另外一些时候又会误解意图, 你必须耗费时间去开展对抗性测试, 找寻那些刁钻古怪的问题来进行尝试, 一直到系统不会出现越界行为为止。什么样的人能搞这可能是最大的隐形门槛。并非是钱方面的问题, 而是人的相关问题。你要么得拥有一位懂得AI的技术负责人, 要么得将其外包给可靠的团队。然而实际情况是, 明白行业情况的技术人员薪资昂贵, 外包团队的情况又太过复杂。存在这样一个情况, 我亲眼见证过极为典型的反面案例。有位老板, 花费了整整两万块, 找来了一个小型团队, 搭建出了一个AI问答系统。然而, 就在该系统上线的第一天。有客户发来问题询问, 你们公司的地址究竟在何处。那个AI给出的回答却是, 我没办法回答这个问题, 请去咨询人工客服。当时, 这位老板当场就感觉血压急剧飙升。并非讲小团队不行, 而是好多团队仅知晓技术, 却不明白业务场景, 他们不清楚怎样的回答才算是“正确的回答”。值得搞吗这事儿得分情况。若你的业务当中存在诸多重复性的、标准化的问答场景诸如售后咨询、流程答疑、文档检索, 那么这是值得的。人工智能能够把这些事务做得既快速又稳定, 并且无需休息。可是倘若你的业务对人的判断力以及创造力有着高度的依赖, 譬如创意策划, 复杂谈判, 深度咨询, 那么在现阶段, AI更多地只是一种辅助工具。千万不要寄望它能够取代人。另外存在一个容易被忽视的要点, 即用户的预期管理, 别使得你的客户觉得对面是个实实在在的人, 一旦他们发觉是AI, 并且AI给出了错误答案, 那么信任感散失的速率要比建立时快出许多。最后说句实话企业搭AI这件事技术不是最大的障碍认知才是。大伙普遍觉得买下一套软件便大功告成了。然而, 实际上, 真正具备价值的乃是后续的数据治理、流程梳理以及持续迭代呢。这些事项不存在捷径可走, 必须一点一点地去打磨才行。若你此刻正处于迟疑是否要着手去做的状态, 我的提议是: 暂且别匆忙去购置设备、招募团队。耗费一周的时光, 将你业务当中最为繁杂、最消耗人力的场景罗列出来。而后去质询你自己, 这个场景是否值得运用人工智能去进行优化。倘若答案呈现为肯定的状态, 那么便起始于极小的成本去实施尝试, 且不要一开始就妄图打造出一个毫无缺陷的系统, 要先使其运转起来, 随后再予以改进。毕竟, AI此类事物, 终究归结为供人使用的工具, 工具的好坏, 需实际操作一番方可得知。