主要的人工智能公司可能在创建法学硕士、通用 GenAI 聊天机器人和智能代理的早期用例方面处于领先地位，但投资建立专有专业用户数据的利基公司有可能在特定领域脱颖而出生成式人工智能。
由于法学硕士和生成式人工智能的蓬勃发展，大型科技公司目前正在竞相开发人工智能的下一个前沿领域，其智能代理不仅仅是简单地自动化任务，而是代表用户自主行动。
他们正在使出浑身解数来取得领先地位。新闻页面充满了来自这些领先 AI 玩家的日常用例，例如 OpenAI 的 GPT4o、Apple 即将升级的 Siri，以及 2025 年即将推出的 Google 备受期待的 Project Astra 等等。
尽管这些令人兴奋的用例不断涌现，但我认为这场竞赛尚未获胜。
大型科技公司 GenAI 的胜利是不可避免的吗？我不这么认为。
谷歌、微软、Meta 和其他大公司可能凭借其计算能力和对海量数据集的访问，在通用人工智能市场和人工智能的广泛应用中占据上风，但我相信利基玩家有机会发挥重要作用在特定领域的智能代理中。专业知识和数据可以在特定领域带来通才系统无法带来的巨大竞争优势。
为什么？因为规模较小、更加敏捷的公司已经建立了有关其用户的特定领域数据存储库，能够更好地为受众提供更有针对性、更量身定制的解决方案；与所选领域的具体挑战和要求高度相关的解决方案。
是的，确实如此，像 Open AI 的 ChatGPT 和 Google 这样的公司很可能会在广泛的通才任务中大放异彩（可能会更接近通用人工智能的下一个前沿，其中人工智能将具有超越人类的推理能力） ）。但最终，我预计他们将很难满足那些严重依赖公共领域无法提供的数据和信息的领域所需的专业知识：金融、医疗保健，甚至是健身领域的 Strava 等，这些领域都有私人数据。用户数据已在其存储库中建立。
也许这会催生一个“数据市场”——这些专有的和特定领域的数据被出售给出价最高者的 GenAI 提供商。但这是另一天的另一个话题！
或者更有可能的是，通过结合深厚的用户知识、敏捷性和可定制性，这些提供商可以在特定领域构建专家代理，并提供比通才同行更好、更具体的定制功能。
因为那些已经开始构建自己的知识库（RAG——检索增强生成）的人很快就会意识到：如果你放入垃圾，你就会得到垃圾。
正如谷歌在其人工智能概述建议用户吃石头可以健康、将奶酪粘到披萨上时所证明的那样，在医疗保健等领域聚合和解释全面的人工智能驱动解决方案所需的大量非结构化数据集是一个真正的挑战、金融、法律等——哪怕只是为了避免开出岩石处方。 在企业财务领域，从广泛的财务数据中获得的细致入微的见解对于做出明智的决策至关重要，超出了通用人工智能所能提供的范围。
我们不要低估用户的背景。
生成式人工智能将使我们所有人在个人和商业生活中更快地做事。如果您是一名销售人员，想要在 Salesforce 中回复电子邮件，您可能会要求 Einstein 起草推荐的回复。这比将电子邮件和所有内容复制到 ChatGPT 中以执行基本相同的操作要容易得多。在这里，（至少在理论上）Einstein 拥有所有数据（电子邮件链的历史记录、与此人的联系历史记录等），能够比复制并粘贴到 ChatGPT 中做得更好。另外，直接在 Salesforce 中速度要快得多 – 只需单击一下即可。
展望未来
展望未来，GenAI 和智能代理的前景将发生巨大变化。
目前，我们还处于早期的测试和学习阶段，该技术仍然有 Gartner 的“幻灭低谷”值得期待。随着初期问题的增加、我们看到的一些人工智能工具的模型幻觉以及实施现实的挑战，我想很多人都会同意我们现在可能正在进入这个阶段，因为我们最初的兴奋不可避免地会消失。
与此同时，当我们应对这些复杂性时，人工智能在提高各行业生产力和决策方面的潜力仍然巨大，有望在未来人机协作达到效率和创新的新高度。
有了它，我相信较小的参与者仍然有很多事情需要填补，并且构建专有数据集的需求从未如此强烈。
在未来，我确信通用型和特定领域的人工智能智能体将共存，每个智能体都扮演着不同的角色。但前方充满了令人兴奋的机遇……那么谁准备好脱颖而出呢？
关键词：Finextra,新闻,在线,银行,银行,技术,金融,金融,fin,科技,fintech,IT, ）打破（t）最新（t）零售（t）t交易,贸易,执行,头条新闻,区块链,数字,投资,移动,商业,挑战者,支付,监管科技,保险科技( t) 服务