当谈到工作场所的麻烦时，必须在那里浪费时间毫无结果地搜索共享驱动器以获取特定资源。 然而，通过带有少量生成 AI 的答案引擎来减轻工作量不是更容易吗？
机器学习软件，顾名思义，就是自我学习。 随着用户向 AI 提出更多问题，而 AI 会提供答案，反馈循环就会形成，这有助于产品变得更强大，投资回报也变得更大。
“合适的 AI 解决方案是自学的，这真的很酷，”AI 驱动的答案引擎 Lucy 的创始人兼首席运营官 Scott Litman 解释道。 “人工智能与他们一起成长。 如果 AI 失误，这是一个可教的时刻，[它] 明天会更聪明。”
有了生成式人工智能，现在的风险要高得多。 生成式 AI 被定义为可用于创建新内容（从文本到代码再到音频）的算法。 来自 OpenAI 的 ChatGPT 获得了一系列头条新闻，这是可以理解的，因为它似乎为内容创建打开了一个充满可能性的世界。
然而，这并非一帆风顺。 一方面，用户很高兴指出 ChatGPT 的错误，这很好——毕竟它总是在学习。 但其他用户已经发现该软件在不确定时倾向于做出回应。 “[the] AI 断言完全错误信息的自信令人震惊，”作家 Ted Gioia 指出。 “骗子做得再好不过了。”
露西的工作不是做出不正确的断言，而是“解放企业知识”：简而言之，就是在几秒钟内在正确的时间向正确的人提供正确的答案，而不管答案在哪里。 其中大部分将主要涉及筛选大量 PDF、PowerPoint 和 Word 文档并指出最相关的细节，但这种解放可以在以前被遗忘的地方找到见解，例如视频培训课程。
随着最近发布的下一代平台 Lucy 4 和 Lucy Synopsis，进一步推动了生成人工智能——但没有缺点。 Lucy 不仅可以为用户指出答案，还可以提供独特的两到三句话的摘要，直接回答问题。 至关重要的是，正如产品管理总监史蒂夫弗雷德里克森指出的那样，露西的总结只是为了帮助用户，而不是提供虚假的选择。
Lucy 4 的关键元素之一，再次涉及生成 AI 元素，是与 Microsoft Teams 和 Slack 的扩展集成，用户可以在聊天中提及 Lucy。 这不仅反映了员工使用起来更方便，而且反映了围绕搜索的更广泛趋势。
“我们去年意识到的一件事是，随着搜索效率低下，人们在某些情况下已经放弃了搜索的想法，”利特曼解释道。 结果是，用户更有可能在聊天应用程序上发出消息，而不是将时间浪费在令人沮丧的寻宝游戏上。 “这有时会奏效——人类智慧是一件了不起的事情，”利特曼说。 “但如果你是回答所有问题的主题专家，你就会不断受到干扰。”
“我们从自己的角度出发——我们拥有实验的核心价值，”弗雷德里克森补充道。 “露西一直秉承超越搜索的宗旨。 我们坚持更高的标准。”
最好将露西视为新员工。 无论应聘者的简历多么光彩夺目，新入职者都需要时间来适应角色、系统和文化。 但他们会变得更好。 不过，与人类员工不同的是，露西可以立即行动起来。 Frederickson 指出，Lucy 的最终目标是“将时间还给世界”，而更直观的用户界面和改进的导航有助于实现这一目标。
增强协作是 Lucy 4 的另一个重要方面，并且再次与用户行为相关。 “用户找到答案后会做什么？” 弗雷德里克森指出。 “他们会抢报价吗？ 他们会与同事分享吗？ 他们把它放在甲板上了吗？ 这些知识的目的地是什么？” 在工具中注释和添加上下文都有助于保留已解放的知识。
最终，公司的生存和发展取决于他们的数据素养。 虽然很容易被大型、广泛的项目和技术所吸引，但将生成人工智能添加到灵活的答案引擎将帮助员工，不断提高投资回报率——并代表下一代知识管理。
