据估计，OpenAI 花费了 1 亿美元来创建和训练其聊天机器人之一 GPT-4。技术进步如此之快，以至于一些专家认为人工智能产品不再是独一无二的，它们采用相同的模型，一个拥有足够计算能力的人就可以创建强大的人工智能模型。接下来的挑战是训练模型。这就是大型语言模型 (LLM) 技术发挥作用的地方。人工智能模型的好坏取决于它所消耗的数据和信息。
这种新环境为全球航空货运业和更广泛的物流业的各个领域带来了挑战和机遇。
在我看来，主要有两个挑战。一，并做出相应的调整和准备。传统的模拟和数字系统必须在许多方面做出改变，包括管理人员和员工的必要技能，信息和数据的生成、使用和共享方式，以及公司如何通过合作伙伴关系而不是基于交易的供应商关系跨供应链开展工作。
第二个挑战是如何收集训练模型所需的信息和数据。众所周知，航空货运业目前缺乏信息和数据。虽然一些公司拥有大量数据并利用这些数据为自己谋利，但其他公司则处于数据和信息荒漠之中。机场货运社区系统等平台可为运营提供即时 韩国电子邮件清单 信息和数据，也可以成为 LLM 模型的匿名信息和数据来源。
技能型工作依然安全
机遇是无穷无尽的。除了牛津大学的研究人员之外，大多数研究人员都认为，基于技能和任务而无法轻易实现自动化的工作不会受到人工智能应用的重大影响。
有权改变其任务执行方式的员工更能全身心投入工作，而且通常更快乐、更忠诚。虽然放弃“权力”对某些管理者来说可能是一种威胁，但那些接受这种态度的人却看到了很多好处。一个典型的例子是 Gordon Bethune 领导下的大陆航空公司。一线员工被授权立即解决乘客问题，而无需求助于管理者。他们找到了更好的方法来执行任务，并为提高航空公司的可靠性、声誉和市场地位做出了贡献。
赋权必须与组织各个层面的持续学习相结合。为人工智能做准备意味着要从传统的培训转向学习。我的意思是，管理人员和员工必须了解他们执行任务的原因，了解其要素，并利用这些知识，对与人工智能模型一起发展的变化持开放态度。如果你只是训练某人如何执行任务，你就无法实现这样的变化。
迈向这一新环境的步骤很明确。首先，开始阅读有关各行各业的人工智能模型的文章。了解其使用方式，然后着眼于自己的业务。其次，根据第一步的研究，开始为经理和员工准备人工智能模型。第三，为组织中的每个人寻找创新的教育工具和支持。然后开始教育过程。第四，检查您拥有的数据，更重要的是，您拥有但未使用的数据。这些数据可用于确定如何提高绩效，提高弹性和可持续性，并最终用于为您的业务设计的人工智能模型提供信息。