人工智能与机器学习实战：它们在哪里创造真正的商业价值

人工智能已经走出实验室，进入日常软件。客服团队用它起草回复，财务团队用它读取发票，开发者在 AI 助手的陪伴下编写代码。然而，许多 AI 项目在一次惊艳的演示之后便停滞不前。决定项目能否落地的，很少是模型本身，而是清晰的问题定义、优质的数据和严谨的工程实践。

本文用通俗的语言解释核心概念，介绍 AI 当下在哪些领域创造价值，并讲解两种实用技术：训练一个经典的机器学习模型，以及让大语言模型基于你自己的数据作答。

AI、机器学习与生成式 AI：厘清概念

这些词经常被混用，但它们描述的是同一领域中的不同层次：

• 人工智能（AI）是一个总称，指能够完成我们通常认为需要人类智能的任务的软件：理解语言、识别图像、做出决策。
• 机器学习（ML）是实现 AI 最成功的途径。你不必手写规则，而是给系统提供示例，让它把规则当作统计规律学习出来。
• 深度学习是使用多层神经网络的机器学习，支撑着语音识别、计算机视觉和现代语言模型。
• 生成式 AI使用超大规模的深度学习模型，例如大语言模型（LLM），来生成新的文本、图像、音频或代码，而不只是对已有数据进行分类。

判断一个问题属于哪一层非常重要。预测哪些客户即将流失是典型的机器学习任务，一个小而便宜的模型就能处理得很好；而总结工单、回答关于产品文档的问题，则属于生成式 AI 的任务。

AI 当下在哪些领域创造价值

最成功的应用有一个共同模式：任务重复且量大，一个“足够好”的答案就能节省大量时间，并且在关键时刻有人可以复核结果。

• 客户服务：对工单进行分类和分派，从知识库中推荐回复，并为下一位客服总结冗长的对话。
• 文档处理：从发票、收据、合同和身份证件中提取字段，取代人工录入。
• 预测：基于历史数据预测需求、库存、现金流或人力需求。
• 搜索与推荐：理解语义而非精确匹配关键词的语义搜索，以及基于用户行为的商品推荐。
• 异常检测：在问题演变成事故之前，标记异常交易、即将故障的设备或可疑登录。
• 软件开发：代码补全、测试生成和代码审查助手，加快日常工程工作。

机器学习模型究竟是如何学习的

大多数商业机器学习属于监督学习：你收集答案已知的历史样本（即标签），训练模型为新的情况预测这个标签。以预测客户流失为例，每一行是一位客户，各列是使用时长、月消费等特征，标签则是客户是否已经流失。

关键的纪律在于评估。你需要留出一部分数据，训练时模型完全看不到，只在这部分测试集上衡量效果。如果模型在训练数据上表现完美、在新数据上却很差，就说明它过拟合了：它记住了样本，而没有学到规律。

下面是一个完整、贴近实际的 Python 基线示例，使用 scikit-learn：

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
from sklearn.model_selection import train_test_split

df = pd.read_csv("customers.csv")
features = ["tenure_months", "monthly_spend", "support_tickets", "logins_last_30d"]
X, y = df[features], df["churned"]

# Keep 20% aside for an honest evaluation; stratify keeps the churn ratio equal in both sets
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, stratify=y, random_state=42
)

model = RandomForestClassifier(n_estimators=300, class_weight="balanced", random_state=42)
model.fit(X_train, y_train)

print(classification_report(y_test, model.predict(X_test)))

不要只看整体准确率。如果只有 5% 的客户会流失，一个永远预测“留下”的模型准确率高达 95%，却毫无用处。精确率（precision）（被标记的客户中有多少真的流失）和召回率（recall）（流失客户中有多少被找出）才能告诉你这个模型是否值得据此采取行动。

另外两种学习方式也值得了解。无监督学习在没有标签的数据中发现结构，例如把客户划分为不同群体。强化学习通过试错和奖励来学习，应用于机器人、游戏以及语言模型的微调。

基于大语言模型构建应用

大语言模型开箱即用就非常强大，但它们只知道训练数据中的内容，而且可能信心满满地给出错误答案，这种现象被称为幻觉。在企业场景中，最可靠的模式是检索增强生成（RAG）：不依赖模型的记忆，而是从你自己的数据中检索相关事实，并要求模型只根据这些事实作答。

1. 01建立索引：把文档切分成段落，将每个段落转换为一个 embedding（表达其语义的向量），并存入向量索引。
2. 02检索：收到问题时，用同样的方式把问题转换为向量，取出向量最接近的段落。
3. 03生成：把问题连同这些段落一起发送给 LLM，并指示它只根据提供的上下文作答、注明出处。
4. 04评估：用一组答案已知的真实问题测试系统，并在调整提示词、模型或数据时持续跟踪准确率。

下面是一个与具体厂商无关的 TypeScript 示意代码。embed、vectorStore 和 llm 分别代表你所使用的 embedding 模型、向量数据库和 LLM：

type Passage = { id: string; text: string; source: string }

export async function answerQuestion(question: string): Promise<string> {
  // 1. Find the passages whose meaning is closest to the question
  const queryVector = await embed(question)
  const passages: Passage[] = await vectorStore.search(queryVector, { topK: 5 })

  // 2. Ground the model in those passages and require citations
  const context = passages.map((passage, index) => `[${index + 1}] (${passage.source}) ${passage.text}`).join('\n\n')

  const prompt = [
    'Answer the question using only the context below. Cite sources like [1].',
    'If the context does not contain the answer, say that you do not know.',
    `Context:\n${context}`,
    `Question: ${question}`,
  ].join('\n\n')

  return llm.generate({ prompt, temperature: 0.2 })
}

RAG 让答案保持最新（只需更新索引，无需重训模型），通过引用让答案可追溯，并让敏感数据留在你掌控的系统中。微调模型通常是第二步，用于教会模型特定的风格或格式，而不是用来灌输事实。

从第一天起就要管理的风险

• 幻觉：让答案基于检索到的数据，要求注明出处，并在重要决策中保留人工审核。
• 偏见：模型会从历史数据中学到各种模式，包括不公平的模式。要分别检查模型在不同客户群体上的表现，而不只看平均值。
• 隐私：清楚你向第三方 API 发送了哪些数据，尽可能去除个人信息，并核实服务商的数据保留条款。
• 安全：把模型输出当作不可信的输入。隐藏在文档或网页中的提示词注入（prompt injection）可能试图让模型忽略你的指令。
• 成本与延迟：大模型每次请求更慢、更贵。把简单任务交给更小的模型，并缓存重复的答案。
• 法规：欧盟《人工智能法案》等法规对高风险应用提出了要求。请记录你的系统做什么，以及它是如何被测试的。

第一个 AI 项目的实用路线图

1. 01选择一个可衡量的问题，例如“将发票录入时间减少 50%”，而不是“用上 AI”。
2. 02审查你的数据。数据是否可获取、已标注、足够新，并且可以合法使用？数据缺口是项目停滞最常见的原因。
3. 03先搭建一个简单的基线，用规则或基础模型即可。你的 AI 方案必须超越它，才值得投入成本。
4. 04先用现成的模型和 API 做原型，再考虑训练任何定制模型。这样学得更快、成本更低。
5. 05在留出数据和真实用户身上评估，使用对你的场景真正重要的精确率和召回率。
6. 06上线时配套监控和兜底方案。记录输入和输出，关注数据漂移，并允许人工纠正系统。
7. 07持续迭代。把人工纠正的结果作为新的训练和评估数据。

要点回顾

• 让技术匹配问题：结构化数据上的预测用经典机器学习，语言和内容相关的任务用生成式 AI。
• 始终在模型从未见过的数据上评估，并选择能反映错误业务成本的指标。
• 检索增强生成是让 LLM 使用你自有知识最可靠的方式。
• 从一开始就规划隐私、安全、偏见和成本，而不是等到上线之后。

延伸阅读

• 后端架构详解：REST API、微服务与可扩展数据库
• 云计算与 DevOps：Docker、CI/CD 与可靠部署