麦肯锡近百年的洞察力和知识是该公司人工智能平台 “Lilli “的源材料。在本期文章中，麦肯锡高级合伙人兼增长与创新全球领导者 Erik Roth（Erik Roth）与高级合伙人易瑞玲（Lareina Yee）共同探讨了 “Lilli “是如何开发并精心地执行的–以及为什么对公司知识产权的即时访问改变了麦肯锡为客户提供服务的方式。
Lilli的起源
Lareina Yee：Lilli 是什么，它是如何成为麦肯锡公司现在最常用的工具之一的？
Erik Roth：Lilli的诞生源于一个问题“我们该如何帮助麦肯锡的同事们获取最深入、最广泛的最佳见解，以便他们能够与客户一起激活这些见解？”从那时起，当我们开始这项调查时，ChatGPT 就爆发了。
我们的想法是：如果我们用自己的信息来训练它呢？Lilli 最初是一个知识提取和综合工具，但就你的问题而言，它现在已经成为一个协调层，基本上可以协调公司内外许多不同类型的知识。
Lareina Yee：Lilli 与其他生成式人工智能平台有何不同？
Erik Roth：在Lilli有几个不同之处。首先，它是专门针对麦肯锡及我们的客户服务进行调优的，这意味着它在识别问题意图的方式上，以及在调整答案使其对我们的同事带给客户时更有用的方式上，体现了非常“麦肯锡式”的特点。
它通过我们在平台中使用的大型和小型模型的组合来实现这一点。这可能是它与众不同的第二点。它不是一个 RAG 或检索增强生成实例。它是多种技术在一个软件堆栈中的结合，使我们能够实现我之前描述的功能。因此，”这是一个协调层 “的概念是真实存在的。它非常适合那些需要在监管、安全、访问和信息保护方面深思熟虑的企业。
Lareina Yee：作为这项壮举的母公司和产品领导者，您能否向我们介绍一下您是如何开发 Lilli 的？
Erik Roth：当我们开始时，它只是一个实验。因此，过程非常迭代，团队也非常小，最初只有四个人。现在我们的人数已经超过了150人。但最初的过程确实是从用户身上学习。在早期阶段，我们进行了非常经典的观察性、民族志研究，主要是研究我们的同事们。
在很大程度上，这就是 “关注问题，以用户为中心”。我们有四个领域，这四个领域相当简单，而且一直沿用至今：“如何组建一支高绩效团队？如何以人工智能或技术增强的方式发展客户？如何提供与众不同的客户服务？如何在项目完成后保持高质量的沟通和联系？”
其实就是这四个领域。当然，在这四个领域中，我们也遇到了很多不同的挫折和问题，但我们始终坚持“北极星”的理念。
我们保持以用户为中心的另一种方法是确保用户始终处于开发过程的中间位置。我们的整个开发流水线，其中的每一个元素，无论是我们正在改进的平台堆栈，还是通过用户提供的新功能，都与用户特定的问题相关联。我们的产品线中没有任何产品的后端不涉及用户问题。我们将这一点放在首位和中心，我认为这对我们很有帮助。
Lareina Yee：您能告诉我更多关于您个人是如何在麦肯锡推广Lilli的吗？
Erik Roth：我问每个人：你今天用过 Lilli 吗？每次团队会议的第一个问题就是 “你问过Lilli了吗？”很多时候他们问过，很多时候他们没有。所以我认为，作为公司的领导者，以身作则并实际使用它真的很重要。
但在这背后，还有 360 度全方位的沟通和采用计划，从加入公司之初关于如何使用 Lilli 的学习，一直到每个季度整个公司都必须完成的风险和法律评估。Lilli 现在已经成为这些评估的一部分，这绝非偶然。因此，每个季度我们都会提醒您，不仅要注意安全使用数据，还要注意如何在此框架内使用 Lilli。
在这两者之间，我们还有各办事处的 Lilli 用户组。十个办事处都有 Lilli 社区，他们经常向我们提出想法。我们还有培训课程。然后，平台本身也有一个操作指南。
Lareina Yee：为了让用户有效使用，还有哪些意想不到的收获？
Erik Roth：我们刚刚推出了我们的代理框架。麦肯锡语音语调代理是我们测试组中使用率最高的代理，目前测试组大约有 2500 人。它能将任何散文转化为麦肯锡品质的写作样本。无论是写给合伙人、高级合伙人还是客户的文章，它都能将杂乱无章或令人困惑的内容，尤其是对那些非英语母语的人来说，转化为立竿见影的有用内容。
未来的顾问
Lareina Yee：所有这些强大能力的使用，这些看似微不足道但实际上非常重要的知识。您能为我们描绘一下，麦肯锡顾问这个人们在商业领域交往了近百年的机构，在未来三年会有什么不同吗？
Erik Roth：我们可以根据一些早期线索做出一些猜测。首先，麦肯锡顾问的技术能力将大大提高。他们在电子表格中或通过其他方式完成的大量分析工作将越来越多地被人工智能相关工具所取代。这些工作会被百分之百取代吗？这个我们还并不清楚。
我希望未来的麦肯锡顾问，或许也是更广泛的行业顾问，能够真正花更多的时间来激活他们的洞察力，而不是通过分析来创造这些洞察力。这对我们聘用哪些人、他们拥有哪些技能组合以及他们可能为某个项目带来哪些经验都有影响。
我认为这一切都有待讨论。但未来的顾问在与人合作时可能会更有同理心。我希望他们更加多元化，因为我认为我们可以让更多的人做他们以前没做过的事情，而且总体而言，他们创造影响力的方式[具有]更高的质量。
好奇心是关键
Lareina Yee：阻碍人们前进的因素之一是数据。我们经常听到有公司说，他们的数据集不够好，无法让生成式人工智能为他们所用。你对其他公司的这种经历有何建议和看法？
Erik Roth：我和一位首席执行官谈话时，她的担忧是他们的数据质量不够好。我的建议是：“是的，你们需要一个数据架构。你们需要一个框架来思考如何标记和分类数据。你们还需要一些数据整理的过程。” 数据是这种技术能够发挥作用的关键之一。如果你想利用这些技术，整理好你的数据就变得愈加重要。
我认为你的问题有点涉及到人类层面的影响，而这些影响确实存在。我对此持非常乐观的态度。就目前而言，我的最佳回答是，组织中的某些部分将会成为我所说的“最小可行组织”：尽可能少的人，配合尽可能多且相关或合适的技术支持。
话虽如此，组织中的其他部分将获得“超能力”，这将使得表现较低的员工能够通过技术提升，成为中等或顶尖表现者，做以前无法做到的事情。技术不会做所有事情，但它能做很多事情。我认为其中的一个关键空白是教育，帮助人们理解这些技术是什么，以及它们是如何运作的。
Lareina Yee：而教育和理解这一领域相对较新。并不是说24个月前你就能获得相关学位和专业知识。也许你当时是少数几个博士生之一，麦肯锡在创建其生成式人工智能平台时学到的东西，可能是这样。但你是一个成人学习者，是一位高级合伙人。那么，对于你来说，这段教育之旅是怎样的？你对那些走上这条路的领导者有什么建议？
Erik Roth：首先，我想说的是潜心研究。不要害怕技术。你对它了解得越多，就越能理解它，了解它如何应用于你的业务。第二，要有好奇心。不要害怕提问。当我在会议上谈论人工智能时，我会停下来说：“大家都明白 GPT 是什么了吧？令我惊讶的是，每次至少有一半的人不明白。”
刻意去建设
Lareina Yee：我想再问几个关于产品本身的问题。我想人们很想知道你们是如何打造这款产品的。能谈谈你们是如何确定测试与开发的优先顺序的吗？
Erik Roth：在构建和学习之间总是存在挑战。你可以比学习更快地构建，因为构建是编写代码和组装技术组件，而学习则是等待用户实际体验产品并提供反馈。因此，在我们能够构建的内容上，我们不得不在很大程度上放慢进度。
当我们推出 Lilli 时，我们只向大约 2500 名同事推出了它。我们有意说：“我们将采取非常谨慎的步伐。我们要保持小规模的团队。我们要学习，把他们变成传道者。我们将一波一波地增加用户。”
在我们构建和开发这个平台的过程中，有一些方法或策略一直在强调并优先考虑通过大量的迭代测试进行学习。我们有 alpha 小组。我们有测试组。我们有一个叫做 LilliX 的东西，它正在进行实验研究。所有这些都是为了真正推动最高的采用率和最高的使用率。
创新才刚刚开始
Lareina Yee：您是如何看待 Lilli 及其在推理、精准和预测分析方面的能力的？
Erik Roth：这些模型看起来可能像是在推理，但现在它们并不具备推理能力。它们模仿了很多东西。当你开始考虑代理和代理链时，它们实际上可以复制看似人类的逻辑思维过程。但我们还没有达到那个阶段。不过，我提到了LilliX。在LilliX内部，我们正在与一些世界领先的思想家进行多项实验。所以在这个小组中，我们实际上在构建能够进行推理的模型。
Lareina Yee：最后两个问题，Erik。你是如何为你的产品取名 Lilli 的？
Erik Roth：Lillian Dombrowski 是第一位在公司获得 MBA 学位的女性。早在 20 世纪 40 年代，她就帮助创建了我们的档案库——鉴于 Lilli 所建立的基础，这也是恰如其分的，而且她还是我们至少两项全球业务的发起人。
Lilli这个名字的来源是Lillian，她是一位创新者、企业家，也是公司在上世纪40年代的真正先驱之一。我们的用户社区认为选择她作为名字非常合适。选定她之后，我们将名字简化为Lilli。
Lareina Yee：你与麦肯锡的历史与创新息息相关。那么最后一个问题是，展望未来，是什么让你对人工智能时代感到乐观？
Erik Roth：我认为，人工智能将带来一系列新的技术驱动型商业模式，不仅有可能改善人类生活，还能改善企业创造价值和贡献社会的方式。我认为，我们一直被传统流程和传统工作方式所束缚，出于种种原因，人类很难采用这些传统流程和传统工作方式。
大型语言模型（LLM）的自然语言能力，以及你可以像与人类同事或伙伴互动一样与这些技术进行交流的现实，很可能会改变这些技术在企业和组织运作中的融入方式。因此，展望未来，我非常乐观，只要我们安全地使用这些技术，并且不忘记这些模型可能存在的偏见，以尊重多样性的方式去运作，人工智能和生成式人工智能的潜力将创造出我们今天可能无法完全想象的新机遇。
暂无评论内容