作者：来自 Elastic Jennifer Klinger

关于生成式人工智能及其能做什么（和不能做什么）有很多讨论。生成式人工智能（例如大型语言模型 - LLMs）利用从大量训练数据中学习到的模式和结构来创建原创内容，而无需存储数据本身。这包括创建文本、软件代码和艺术等。虽然它可以创建内容，但它不会很快取代人类。

尽管如此，它正在重塑全球行业的格局，从增强网络安全防御到个性化客户体验。事实上，99% 的受访组织表示，生成式人工智能有潜力推动其组织的变革。

让我们深入研究生成式人工智能如何通过协助使用它的人来释放新的可能性并改变日常业务运营。

生成式人工智能增强网络安全防御

生成式人工智能是网络安全团队的力量倍增器。它通过直观的自然语言界面使初级分析师更容易获得高级安全措施，使他们无需成为代码或数学专家即可学习和应用复杂的安全概念。它还帮助高级分析师应对由生成式人工智能推动的日益增长的威胁形势。

以下是生成式人工智能在威胁检测、调查和响应 (Threat Detection, Investigation and Response - TDIR) 方面改变网络安全的一些方式：

• 威胁搜寻：假设分析师正在尝试遍历数百个警报。哪些警报是需要解决的实际威胁？借助生成式人工智能，安全分析师只需单击一下按钮即可将数百个警报筛选为少数攻击。
• 增强检测：人工智能模型通过模式识别、行为分析等增强了对异常行为的检测。使用自然语言，分析师可以询问是否存在异常登录尝试、不规则文件访问或其他恶意活动指标。
• 预测分析：人工智能驱动的系统可以预测和识别潜在的漏洞，在威胁有机会进入你的系统之前提出主动防御建议。
• 自动报告：如果发生安全事件，生成式人工智能可以自动编制事件报告，包括事件的性质、受影响的系统、潜在影响和建议的补救措施。这使安全分析师能够采取适当的后续措施。

深入研究 SecOps 的人工智能

生成式 AI 可提高运营弹性

生成式 AI 还可以通过 AIOps 增强企业监控和理解运营数据的方式 —— 使用 AI 实现 IT 运营的自动化和简化。生成式 AI 通过自然语言将复杂的数据集转化为可理解的见解，让非专家和专家更容易做出明智的决策、进行根本原因分析并限制停机时间。一些关键应用包括：

• 可解释性：对于那些需要快速获得特定领域知识的人来说，具有检索增强生成 (retrieval augmented generation - RAG) 功能的生成式 AI 可以用简单的术语解释功能、日志或跟踪。

• 预测性维护：在汽车制造等行业中，人工智能驱动的预测性维护工具可以帮助预见和解决系统问题。在机器发生故障之前，人工智能可以预测并提醒工人解决问题，以免影响制造过程。
• 数据合成：指示应用程序问题的数据可能来自许多来源。站点可靠性工程师可以使用人工智能工具帮助将来自各种来源的信息合成为可操作的报告，从而简化数据和根本原因分析。

了解在你的组织中实施生成式人工智能的步骤

生成式 AI 增强客户体验

生成式 AI 通过个性化交互和简化客户的信息发现过程，彻底改变了客户体验。以下是生成式 AI 影响用户体验的一些方式：

• 增强的搜索工具：AI 搜索工具可帮助用户快速找到准确的信息，无论他们是寻求产品推荐的客户，还是需要协议指南来帮助客户的服务代表。当用户能够找到他们想要的东西时，满意度就会提高。
• 交互式数字手册：对于消费品等行业（例如，视频门铃），AI 聊天机器人可以提供有关产品功能和故障排除的实时交互式指导。这可以提高用户满意度并减少支持电话。
• 个性化推荐系统：生成式 AI 可以根据个人客户查询定制产品推荐，从而增强个性化和满意度。事实上，88% 的在线购物者更有可能继续在提供个性化体验的零售商网站上购物，其中包括 96% 的 Z 世代和 97% 的千禧一代。

通过 AI 驱动的搜索改变客户支持

生成式 AI 用例的实际应用

各行各业的组织都已从生成式 AI 中受益：

• 零售：客户可以在家居装修网站的搜索栏中输入他们正在进行的项目，例如 “建造猫树”，并收到一份完整的必需用品清单 —— 在获得专家建议的同时简化他们的购买体验。
• 电信：生成式 AI 可以主动推荐和修复网络问题。站点可靠性工程师可以询问有关网络健康状况的问题并实时获得答案。这将减少网络停机时间和紧急维修成本。
• 金融服务：机构可以通过任务自动化提高欺诈检测的准确性和速度，同时降低成本。通过学习需要注意的行为模式，生成式 AI 工具可以帮助实时检测欺诈行为，并向分析师建议下一步最佳补救措施。
• 科技：生成式 AI 可以通过增强人类的智力来更快地提出更多想法，从而加速产品原型设计和设计。这有助于创造新产品、扩展服务和解决问题。销售团队可以使用生成式 AI 来创建电子邮件、总结潜在客户互动等。AI 辅助编码可以帮助实时检测错误，从而缩短生产时间。
• 公共部门：通过将生成式 AI 与机构数据安全地连接起来，生成式 AI 可以显著加速任务成果、改善公民服务，并更好地在正确的时间将政府分析师和安全专业人员与正确的数据联系起来。

了解思科如何利用 Google Cloud 上的 Elastic 创建 AI 驱动的搜索体验

生成式 AI 不是要取代人类的能力，而是要增强和扩展它们。通过改进网络安全、可观察性和客户体验方面的流程，生成式 AI 使任何行业的组织都能更高效、更主动、更敏捷地运营。随着这些技术的不断发展，跨行业的变革性应用的潜力似乎是无限的。

将这些用例变为现实。了解在你的组织中实施生成式 AI 的步骤。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制第三方工具，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎行事。你提交的任何数据都可能用于 AI 培训或其他目的。我们无法保证你提供的信息将得到安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：15 enterprise generative AI use cases | Elastic Blog