【适用于企业的生成式 AI 用例】

转载z15 个适用于企业的生成式 AI 用例-优快云博客文章浏览阅读1.2k次,点赞30次,收藏20次。关于及其能做什么(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 -)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。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,。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。https://blog.youkuaiyun.com/UbuntuTouch/article/details/140076079?spm=1001.2014.3001.5501

网络安全相关

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。

--这里我们相关的做法是利用LLM模型将系统的报警做分类,并完成风险等级排序,以及后续的邮件推送,告警推送

--这里还包括对正常日志的搜索,检测是否有使用违规插件,脚本等情况,比如爬虫、
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。

--这里我们使用增强检测来处理系统日志中的一些异常信息,将异常分类、归纳,并输出处理意见,反馈给业务端,对业务进行补充和修正
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。

--通过对数据的解读,可以提出一些建议和警告
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。

运营相关

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。

--这里使用rag功能来做查询,参见建立自己的RAG检索
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。

--这里利用LLM模型对数据进行预处理

客户体验

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。

实际应用

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。

--根据预算和需求生成一键装机攻略

--根据业务需求和预算生成采购计划

--根据ERP数据生成促销计划
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。

--垃圾邮件、垃圾短信、垃圾广告过滤 (盾)

--个性化邮件、更加机智的短信和广告推送(矛)
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。

--信用卡欺诈、信用卡评分、贷款额度检测,这部分需要根据业务不同来进行重新的训练

--舆情分析,时政分析,用户群像分析
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。

--更好的归纳和提取用户的需求

### AI生成测试用的方法 AI生成测试用的方法主要依赖于自然语言处理(NLP)和机器学习技术,通过理解软件需求文档、用户故事、功能描述等内容,自动生成覆盖全面、逻辑清晰的测试用。具体方法包括以下几种: 1. **基于需求文档的解析** AI工具可以解析需求文档,从中提取关键信息,如功能描述、输入输出条件、边界值等,生成符合测试目标的测试用。这种方式特别适用于功能测试和边界测试,能够显著提高测试用的覆盖率[^2]。 2. **基于用户故事的测试用生成** 在敏捷开发中,用户故事是需求的主要表达方式。AI可以通过理解用户故事中的场景和操作流程,自动生成针对不同场景的测试用,确保测试用与用户需求保持一致。 3. **基于搜索的进化算法** 工具如EvoMaster使用进化算法和动态程序分析来生成系统级测试用。它从一组随机测试用开始,通过迭代优化,最大化代码覆盖率和故障检测能力。这种技术结合了人工智能启发式方法,能够有效提升测试效率[^4]。 4. **基于AI的对话式生成** 一些AI工具(如Kimi)支持通过自然语言交互的方式生成测试用。用户只需以对话形式描述测试需求,AI即可生成对应的测试用,并支持导出为标准格式(如Excel、JSON等),方便后续集成到测试管理工具中[^1]。 ### AI生成测试用的工具推荐 随着AI技术的发展,越来越多的测试工具集成了AI生成测试用的功能。以下是一些主流工具: 1. **MeterSphere** MeterSphere 是一款开源的持续测试平台,从v3.6.4 LTS版本开始支持AI生成测试用。它利用AI大模型强大的自然语言处理能力,帮助测试人员快速生成高质量的测试用适用于功能测试、接口测试等多种场景[^3]。 2. **Kimi** Kimi 是一个AI助手,能够通过自然语言交互理解测试需求,并生成结构化的测试用。它的优势在于交互式生成和快速导出,适合敏捷开发中的快速迭代测试[^1]。 3. **EvoMaster** EvoMaster 是一个基于搜索的测试用生成工具,结合了进化算法和动态程序分析。它适用于系统级测试,能够自动生成复杂的测试用以提高代码覆盖率和缺陷检测率。特别适合于单元测试和集成测试场景。 4. **Testim.io** Testim.io 是一个基于AI的自动化测试工具,支持测试用的智能生成与维护。它利用机器学习来识别UI元素的变化并自动调整测试脚本,适用于Web应用的端到端测试。 5. **Applitools** Applitools 结合AI与视觉测试技术,能够在生成测试用的同时进行视觉验证,确保UI的正确性与一致性。它特别适合前端测试和跨浏览器测试。 ### 示:使用Kimi生成测试用 假设需要为一个登录功能生成测试用,用户可以通过Kimi进行如下交互: ```text 用户:请为登录功能生成测试用AI响应: 1. 输入正确的用户名和密码,点击登录按钮,预期跳转到首页。 2. 输入错误的用户名,正确的密码,点击登录按钮,预期提示“用户名或密码错误”。 3. 输入正确的用户名,错误的密码,点击登录按钮,预期提示“用户名或密码错误”。 4. 用户名和密码均为空,点击登录按钮,预期提示“请输入用户名和密码”。 5. 用户名为空,输入正确的密码,点击登录按钮,预期提示“请输入用户名”。 ``` 上述测试用可直接导出为Excel文件,并导入到测试管理工具中进行执行与管理。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值