AIGC为企业带来哪些新路径与实践挑战？

一家来自金融证券行业的企业代表分享了一则低代码在推进自身企业数字化方面的应用示例：通过低代码开发平台，团队能够轻松构建和管理系统，在更好地理解业务提出的IT诉求的同时，也能够构建自主创新的企业IT文化。

在过往，企业IT部门承载了非常多的业务诉求，但更多是定制化、个性化的，所谓低代码，其初衷正是为了消除代码到应用开发的门槛，进一步提升企业开发效率。在代码生成提效这一方面，低代码结合上最近大火的AIGC技术，正带来新的化学反应。

奥哲高级副总裁孟凡俊指出，低代码+AIGC融合后，企业定制开发效率更高，参与应用开发的人群会更广泛，开发模式、工作方式产生了新的变化。对业务人员，可以缩短需求沟通时间，业务人员直接进行领域建模；对开发人员，可以辅助进行编程；对产品经理，可以辅助完成应用搭建；对终端用户，可以实现智能操作、工作流自动化。随着移动互联网+AI能力的持续发展，个性化需求的实时满足是必然，而低代码+AI将会是企业数字化的未来。

9月7日，2023 ITValue Summit数字价值年会闭门会上，来自业界的各位企业CIO、IT负责人、学界专家，以及奥哲作为低代码原生厂商代表、钛媒体第三方观察员，共同围绕AI大模型在企业级场景的应用进行了深入探讨，涉及当前大模型应用存在的幻觉、训练数据的安全可信问题、与低代码结合实现自适应生成方式等。

大模型虽然很优雅，但其落地的难度和本身存在的技术缺陷，却也让AIGC还没有那么快地落地到产业。多位来自不同行业、不同领域的人士纷纷表达了AI实践过程中的真实困惑。

上海计算机用户协会理事长李静说：CIO会非常关心AI大模型如何应用，提升企业竞争力。但反过来讲，低代码+AI的应用，业务部门想要学习低代码的配置也没有那么容易，而真正通用的低代码工具用起来也很难。

万国数据信息技术高级副总裁林刚说：AI在企业级场景应用处于初级阶段。至少在现阶段，AI大模型应用比较大的挑战，就是幻觉问题无法解决，作为生成式AI，生成的东西不可控，结果不准确或者存在合规性风险。

中国药物滥用防治协会数字化分会副主任委员柳骏说：医疗机构对医疗数据的保密度非常高，但同时需要海量且高质量的数据进行模型训练，为此数据安全的问题不解决，训练的准确度也很难保证。

天邦食品CIO姚凯说：企业级的大模型应用，仍存在某些挑战，如公共模型训练的数据安全问题，无法做到自动生成的局限性等。可通过提示工程+代理规范化提示，减少反馈的差异，并拉平学习曲线，还可以呈现数据源，增强模型的安全可信。

针对这些疑惑或分享，孟凡俊给出了几点判断：

一是低代码的目标是从流程数字化到实现全员数字化，这一过程在企业级应用场景可用性要求非常高，模型驱动低代码，将是升级企业级数字化的最高效路径，真正实现自然语言直接构建APP。

二是大型企业私有化部署的低代码平台+行业开放式模型，将是未来用于解决企业级数据安全的途径之一。低代码+AI是企业融合层，本质上是开放的，作为低代码厂商本身，会引入行业模型/行业知识库，用于AI模型的训练。而目前AI大模型的提供方，在面向B端场景提供服务时，也在提供数据隐私隔离等方面的保护措施。

三是在低代码+AI引入企业到实现全员开放（零代码）的过程中，此时零代码的需求会推动成为部门级应用，为保证创新应用的落地，一定会构建一套低代码本地运营管理机制。因而在实施过程中，会先建立一套融合到企业数字化支撑体系，再针对其中的关键环节实现低代码的标杆性落地。

值得一提的是，奥哲目前提出低代码+AI研发会经历的三个发展阶段：Copilot阶段，AI只能充当人类助手；Pilot阶段，机器人辅助工作会超过人类正常工作，可以实现自我任务分解和目标完成；Agent阶段，AI全权代理。

就当前阶段而言，仍处于低代码AI Copilot阶段。孟凡俊表示，AI能生成代码，但缺乏系统架构能力，无法独立开发应用，而低代码擅长应用开发，两者结合极大提升企业个性化开发效率和质量。

对此，AI产品专家、前阿里集团淘系总监钟超给出的判断是，虽然目前暂无成熟产品，但AI Agent未来就像是一个工作搭档。

此前，钟超还对过去半年国内外AI大模型的发展历程和优劣性进行了回顾和分析。他指出，AI在企业级应用有其路径和场景，回过头来看，显然企业数字化融合AI能力是必然。目前AIGC在企业应用的场景有很多，包括办公领域、团队协作、文本生成、视频生成、语音生成、3D模型生成等领域。商业级应用正从聊天、文本加工，走向Copilot as a Service为主，而前沿开发者在探索下一阶段的Agent。而CIO的使命是把握住这次的机会，结合当下AI能力发展状态落地并引领企业成为下一个时代的行业领头羊。

（本文首发钛媒体）

头图片来源@钛媒体拍摄