不解决这三个问题，大模型商业落地就是一句空话！

文章来源：数据猿

作者：一蓑烟雨

图片来源：由无界 AI生成

目前，大模型已经从学术界的尖端研，究变成了商业界的热点话题。目前，国内的科技巨头和新兴创业公司都在积极探索大模型的商业应用，试图利用它为现有业务带来创新和增长。

这种“急行军”的态势表现在两个方面：一是大模型正在与传统的ERP、CRM、BI、财务、营销、运营和客服等核心业务系统进行深度整合，使其更加智能化和自动化；二是大模型开始在金融、制造、零售、能源和娱乐等多个行业得到广泛应用，推动行业创新和转型。

根据对ChatGPT的联网模式、微软必应、百度文心一言、淘宝问问等产品的试用，笔者发现，目前大模型的商用还存在明显的问题。

具体来看，要想商业落地，必须解决好这三个问题：

系统对接

随着大模型逐渐融入日常商业运作，其功能已经超出了单纯的数据处理和计算。这种新型的智能模型需要能够与众多的业务系统实时交互，响应各种业务需求。从理论上看，这是大模型发挥其真正价值的关键所在，但在实际操作中，这也是一个重大的技术挑战。

我们要认识到，每一个业务系统都有其独特的历史背景和技术架构，这为其赋予了独特的身份标识。它们之所以存在，并不是偶然的，而是基于特定的时代背景、商业需求和技术趋势而被设计和开发的。

例如，早期的ERP系统可能是在计算资源有限、网络不够成熟的时代下诞生的，其设计理念、数据结构和功能特点都与当时的技术和商业环境紧密相关。它们可能基于传统的关系数据库和面向服务的架构，而不是现代的微服务或容器技术。

相对而言，现代的营销自动化平台则生长在云计算和大数据时代，它们天然地拥有强大的数据处理能力、动态扩展性和丰富的API接口。

这种技术上的差异，从根本上决定了大模型与这些系统整合策略的走向。试图将所有系统统一到一个标准下，无疑是不切实际的。

因此，与大模型的整合策略必须是多元的，它需要考虑到每一个系统的特性和需求。具体来说，对于那些基于老旧技术的系统，可能需要引入一些“适配器”或“中间层”来转化数据和业务逻辑，使其能够与大模型顺畅对接。而对于那些已经采用了现代技术的系统，整合则可能更为直接和简单，但仍需确保数据的一致性和完整性。

此外，在信息技术的广泛应用中，接口扮演着“桥梁”的角色，负责不同系统间的信息传递与沟通。接口的标准化是IT领域长期以来的追求，但由于技术的发展和历史的积淀，接口的多样性变得不可避免。

这种接口的多样性对于大模型的整合提出了严峻的挑战，每一种接口标准或协议背后，都有其特定的数据结构、调用方式和安全机制。如果为了让大模型与这些系统无缝交互，要为每一种接口都开发一个对应的适配器。这意味着除了大模型本身的维护外，这些适配器也需要经常更新和优化，以应对业务系统的迭代和接口的变更。

如何解决这些问题？API管理和微服务架构是一个不错的发展路径，通过采用API管理工具和微服务架构，企业可以将大模型和其他系统的交互模块化，使其更加灵活和可扩展。

微服务架构的核心思想是将一个庞大、复杂的系统分解成许多独立、小型的服务，这些服务各自独立运行，并通过明确定义的API进行交互。这种架构对于大模型的整合带来了显著的好处，通过将整个系统的功能划分为多个微服务，让各个部分与大模型的交互变得更加灵活。

每个微服务都可以独立地进行扩展、部署和维护，而不会影响到其他服务。同时，API管理工具为开发者提供了一个统一的平台，来让各个微服务与大模型进行对接。

数据打通

在今天的数据驱动时代，大模型就像是一个巨大的智能“心脏”，负责处理、分析并为各业务系统提供智能推荐和决策。而这些业务系统，从CRM到ERP，再到财务和营销，它们犹如血管和器官，与大模型相互交织、互为补益。而流经这个系统的血液，正是数据。

理想情况下，每一笔交易、每一次用户行为、每一个客户反馈，都会产生数据。这些数据从业务系统传输到大模型中，经过分析和处理后，再返回到相应的业务系统，为用户提供更精准的服务或决策。

让我们来看一个例子。