作者：來(lái)自 Elastic?Jennifer Klinger

關(guān)于生成式人工智能及其能做什么（和不能做什么）有很多討論。生成式人工智能（例如大型語(yǔ)言模型 - LLMs）利用從大量訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到的模式和結(jié)構(gòu)來(lái)創(chuàng)建原創(chuàng)內(nèi)容，而無(wú)需存儲(chǔ)數(shù)據(jù)本身。這包括創(chuàng)建文本、軟件代碼和藝術(shù)等。雖然它可以創(chuàng)建內(nèi)容，但它不會(huì)很快取代人類。

盡管如此，它正在重塑全球行業(yè)的格局，從增強(qiáng)網(wǎng)絡(luò)安全防御到個(gè)性化客戶體驗(yàn)。事實(shí)上，99% 的受訪組織表示，生成式人工智能有潛力推動(dòng)其組織的變革。

讓我們深入研究生成式人工智能如何通過協(xié)助使用它的人來(lái)釋放新的可能性并改變?nèi)粘I(yè)務(wù)運(yùn)營(yíng)。

生成式人工智能增強(qiáng)網(wǎng)絡(luò)安全防御

生成式人工智能是網(wǎng)絡(luò)安全團(tuán)隊(duì)的力量倍增器。它通過直觀的自然語(yǔ)言界面使初級(jí)分析師更容易獲得高級(jí)安全措施，使他們無(wú)需成為代碼或數(shù)學(xué)專家即可學(xué)習(xí)和應(yīng)用復(fù)雜的安全概念。它還幫助高級(jí)分析師應(yīng)對(duì)由生成式人工智能推動(dòng)的日益增長(zhǎng)的威脅形勢(shì)。

以下是生成式人工智能在威脅檢測(cè)、調(diào)查和響應(yīng) (Threat Detection, Investigation and Response - TDIR) 方面改變網(wǎng)絡(luò)安全的一些方式：

• 威脅搜尋：假設(shè)分析師正在嘗試遍歷數(shù)百個(gè)警報(bào)。哪些警報(bào)是需要解決的實(shí)際威脅？借助生成式人工智能，安全分析師只需單擊一下按鈕即可將數(shù)百個(gè)警報(bào)篩選為少數(shù)攻擊。
• 增強(qiáng)檢測(cè)：人工智能模型通過模式識(shí)別、行為分析等增強(qiáng)了對(duì)異常行為的檢測(cè)。使用自然語(yǔ)言，分析師可以詢問是否存在異常登錄嘗試、不規(guī)則文件訪問或其他惡意活動(dòng)指標(biāo)。
• 預(yù)測(cè)分析：人工智能驅(qū)動(dòng)的系統(tǒng)可以預(yù)測(cè)和識(shí)別潛在的漏洞，在威脅有機(jī)會(huì)進(jìn)入你的系統(tǒng)之前提出主動(dòng)防御建議。
• 自動(dòng)報(bào)告：如果發(fā)生安全事件，生成式人工智能可以自動(dòng)編制事件報(bào)告，包括事件的性質(zhì)、受影響的系統(tǒng)、潛在影響和建議的補(bǔ)救措施。這使安全分析師能夠采取適當(dāng)?shù)暮罄m(xù)措施。

深入研究 SecOps 的人工智能

生成式 AI 可提高運(yùn)營(yíng)彈性

生成式 AI 還可以通過 AIOps 增強(qiáng)企業(yè)監(jiān)控和理解運(yùn)營(yíng)數(shù)據(jù)的方式 —— 使用 AI 實(shí)現(xiàn) IT 運(yùn)營(yíng)的自動(dòng)化和簡(jiǎn)化。生成式 AI 通過自然語(yǔ)言將復(fù)雜的數(shù)據(jù)集轉(zhuǎn)化為可理解的見解，讓非專家和專家更容易做出明智的決策、進(jìn)行根本原因分析并限制停機(jī)時(shí)間。一些關(guān)鍵應(yīng)用包括：

• 可解釋性：對(duì)于那些需要快速獲得特定領(lǐng)域知識(shí)的人來(lái)說，具有檢索增強(qiáng)生成 (retrieval augmented generation - RAG) 功能的生成式 AI 可以用簡(jiǎn)單的術(shù)語(yǔ)解釋功能、日志或跟蹤。

• 預(yù)測(cè)性維護(hù)：在汽車制造等行業(yè)中，人工智能驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)工具可以幫助預(yù)見和解決系統(tǒng)問題。在機(jī)器發(fā)生故障之前，人工智能可以預(yù)測(cè)并提醒工人解決問題，以免影響制造過程。
• 數(shù)據(jù)合成：指示應(yīng)用程序問題的數(shù)據(jù)可能來(lái)自許多來(lái)源。站點(diǎn)可靠性工程師可以使用人工智能工具幫助將來(lái)自各種來(lái)源的信息合成為可操作的報(bào)告，從而簡(jiǎn)化數(shù)據(jù)和根本原因分析。

了解在你的組織中實(shí)施生成式人工智能的步驟

生成式 AI 增強(qiáng)客戶體驗(yàn)

生成式 AI 通過個(gè)性化交互和簡(jiǎn)化客戶的信息發(fā)現(xiàn)過程，徹底改變了客戶體驗(yàn)。以下是生成式 AI 影響用戶體驗(yàn)的一些方式：

• 增強(qiáng)的搜索工具：AI 搜索工具可幫助用戶快速找到準(zhǔn)確的信息，無(wú)論他們是尋求產(chǎn)品推薦的客戶，還是需要協(xié)議指南來(lái)幫助客戶的服務(wù)代表。當(dāng)用戶能夠找到他們想要的東西時(shí)，滿意度就會(huì)提高。
• 交互式數(shù)字手冊(cè)：對(duì)于消費(fèi)品等行業(yè)（例如，視頻門鈴），AI 聊天機(jī)器人可以提供有關(guān)產(chǎn)品功能和故障排除的實(shí)時(shí)交互式指導(dǎo)。這可以提高用戶滿意度并減少支持電話。
• 個(gè)性化推薦系統(tǒng)：生成式 AI 可以根據(jù)個(gè)人客戶查詢定制產(chǎn)品推薦，從而增強(qiáng)個(gè)性化和滿意度。事實(shí)上，88% 的在線購(gòu)物者更有可能繼續(xù)在提供個(gè)性化體驗(yàn)的零售商網(wǎng)站上購(gòu)物，其中包括 96% 的 Z 世代和 97% 的千禧一代。

通過 AI 驅(qū)動(dòng)的搜索改變客戶支持

生成式 AI 用例的實(shí)際應(yīng)用

各行各業(yè)的組織都已從生成式 AI 中受益：

• 零售：客戶可以在家居裝修網(wǎng)站的搜索欄中輸入他們正在進(jìn)行的項(xiàng)目，例如 “建造貓樹”，并收到一份完整的必需用品清單 —— 在獲得專家建議的同時(shí)簡(jiǎn)化他們的購(gòu)買體驗(yàn)。
• 電信：生成式 AI 可以主動(dòng)推薦和修復(fù)網(wǎng)絡(luò)問題。站點(diǎn)可靠性工程師可以詢問有關(guān)網(wǎng)絡(luò)健康狀況的問題并實(shí)時(shí)獲得答案。這將減少網(wǎng)絡(luò)停機(jī)時(shí)間和緊急維修成本。
• 金融服務(wù)：機(jī)構(gòu)可以通過任務(wù)自動(dòng)化提高欺詐檢測(cè)的準(zhǔn)確性和速度，同時(shí)降低成本。通過學(xué)習(xí)需要注意的行為模式，生成式 AI 工具可以幫助實(shí)時(shí)檢測(cè)欺詐行為，并向分析師建議下一步最佳補(bǔ)救措施。
• 科技：生成式 AI 可以通過增強(qiáng)人類的智力來(lái)更快地提出更多想法，從而加速產(chǎn)品原型設(shè)計(jì)和設(shè)計(jì)。這有助于創(chuàng)造新產(chǎn)品、擴(kuò)展服務(wù)和解決問題。銷售團(tuán)隊(duì)可以使用生成式 AI 來(lái)創(chuàng)建電子郵件、總結(jié)潛在客戶互動(dòng)等。AI 輔助編碼可以幫助實(shí)時(shí)檢測(cè)錯(cuò)誤，從而縮短生產(chǎn)時(shí)間。
• 公共部門：通過將生成式 AI 與機(jī)構(gòu)數(shù)據(jù)安全地連接起來(lái)，生成式 AI 可以顯著加速任務(wù)成果、改善公民服務(wù)，并更好地在正確的時(shí)間將政府分析師和安全專業(yè)人員與正確的數(shù)據(jù)聯(lián)系起來(lái)。

了解思科如何利用 Google Cloud 上的 Elastic 創(chuàng)建 AI 驅(qū)動(dòng)的搜索體驗(yàn)

生成式 AI 不是要取代人類的能力，而是要增強(qiáng)和擴(kuò)展它們。通過改進(jìn)網(wǎng)絡(luò)安全、可觀察性和客戶體驗(yàn)方面的流程，生成式 AI 使任何行業(yè)的組織都能更高效、更主動(dòng)、更敏捷地運(yùn)營(yíng)。隨著這些技術(shù)的不斷發(fā)展，跨行業(yè)的變革性應(yīng)用的潛力似乎是無(wú)限的。

將這些用例變?yōu)楝F(xiàn)實(shí)。了解在你的組織中實(shí)施生成式 AI 的步驟。

本文中描述的任何特性或功能的發(fā)布和時(shí)間均由 Elastic 自行決定。任何當(dāng)前不可用的特性或功能可能無(wú)法按時(shí)交付或根本無(wú)法交付。

在這篇博文中，我們可能使用或提及了第三方生成式 AI 工具，這些工具由其各自的所有者擁有和運(yùn)營(yíng)。Elastic 無(wú)法控制第三方工具，我們對(duì)其內(nèi)容、操作或使用不承擔(dān)任何責(zé)任，也不對(duì)你使用此類工具可能產(chǎn)生的任何損失或損害承擔(dān)任何責(zé)任。在使用 AI 工具處理個(gè)人、敏感或機(jī)密信息時(shí)，請(qǐng)謹(jǐn)慎行事。你提交的任何數(shù)據(jù)都可能用于 AI 培訓(xùn)或其他目的。我們無(wú)法保證你提供的信息將得到安全或保密。在使用任何生成式 AI 工具之前，你應(yīng)該熟悉其隱私慣例和使用條款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相關(guān)標(biāo)志是 Elasticsearch N.V. 在美國(guó)和其他國(guó)家/地區(qū)的商標(biāo)、徽標(biāo)或注冊(cè)商標(biāo)。所有其他公司和產(chǎn)品名稱均為其各自所有者的商標(biāo)、徽標(biāo)或注冊(cè)商標(biāo)。

原文：15 enterprise generative AI use cases | Elastic Blog