?

作者 | 归去来

编辑 | 唐飞

ChatGPT彻底火爆出圈，上线两个月的时间内全球月活用户突破1亿，成为史上用户增长速度最快的消费级应用程序，这与ChatGPT自身超预期的能力和Open AI前期通过真实数据对模型的迭代都有紧密关系。

数据来源：公开信息整理

在刚刚过去的3月，OpenAI公布了最新版本GPT-4。与此前版本相比，GPT-4在识图能力、回答准确性等方面能力得到跃升。同时，ChatGPT开放了API接口，企业或个人开发者可以通过它将ChatGPT和Whisper模型整合到他们的应用程序和产品中，无需自研即可直接进行二次开发和应用。

图源：OpenAI官网

随着GPT-4功能的逐渐强大，也引得多个行业频频下注。

以电商平台为例，上市公司吉宏股份在回答投资者提问中表示，公司已在2023年1月接入ChatGPT的API接口，目前使用ChatGPT的跨境电商业务包括：人工智能选品、图文和视频广告素材制作/广告语智能输出、广告智能投放、智能客服回复等方面。

返利科技也表示，公司与OpenAI的接口已经升级至ChatGPT 4.0版本，同时已推出电商导购APP“如意”。这款APP基于ChatGPT人工智能技术，采用AI聊天对话模式为用户提供导购服务。

科技的进步在令人感到欣喜的同时，也引发了大量电商从业者的担忧，

“我的工作是否会被ChatGPT取代？”，“我是否会因此失业？”，类似的问题开始出现在互联网论坛上。毕竟，被科技进步取代的岗位从古至今数不胜数。那么，ChatGPT未来是否会抢电商打工人的“饭碗”？

1、ChatGPT在电商领域的应用

网易数帆副总经理金叶曾指出，ChatGPT核心是大数据模型，实际上就是一个聊天器而已。但是ChatGPT的深度和广度，对于我们来讲有非常多的想象空间。

如金叶所言，目前ChatGPT在电商相关产业链中的场景应用，的确远超我们所想象。

一是ChatGPT被应用到电商运营中的各类辅助工具。以上文所说的吉宏股份为例，该公司自接入ChatGPT接口后，短短几个月的时间内，帮助公司完成1w+新品的上新，并在千万级商品中新挖掘150W（10倍于电商需求）种商品之间的关系，通过NLP（自然语言处理）相关技术提取15W+的电商需求概念。

并且累计产生新的广告7W+，处理图像素材2W+，接手客户闲聊与安抚对话10W+，节省客服1000人次工时。

另考虑到由于GPT-4的文字处理、多模态生成能力、数据分析能力，后续将持续提高公司在产品介绍、广告营销等模块的生成能力和效率，从而将广告营销投放更高效地进行。

对比吉宏股份的案例来看，ChatGPT后续若是被应用到各类电商SaaS工具，以及代运营公司身上，也能提高公司的效率。毕竟于电商代运营公司而言，他们本身拥有营销活动数据、店铺访问数据、消费者购买数据、货品数据与客服数据等，而这些海量交互数据急需一套可靠的处理系统来处理，这就为ChatGPT提供了极佳的落地场景。

二是电商平台上，尤其是导购类电商平台的痛点非常明确，也是ChatGPT最直接的应用场景。国外的Shopify和Instacart是最早采用ChatGPT API的电商公司。

其中Shopify旗下电商平台SHOP、生鲜电商Instacart、购物平台Klarna目前均使用ChatGPT开发智能导购模块，根据消费者的需求生产定制化的商品推荐。

而ChatGPT用户安装插件后，得到菜谱的同时也会产生Instacart链接，跳转后在APP内生成食材推荐列表。

以Instacart来看，国内以什么值得买、返利网为代表的导购类APP都需要ChatGPT作为支持。若是后续他们接入ChatGPT，也可根据消费者的个性化需求为消费者实时生产推荐内容和商品，进而真正达到“千人千面”的效果，这和传统的电商流量分发和内容输出模式相比精准度更高，更有助于提升消费者的购物体验。

当然，ChatGPT也能为传统电商平台带来增量。以焦点科技旗下的中国制造网为例，它在国内的跨境 B2B 电商平台中知名度及品类丰富度上仅次于阿里巴巴国际站。若是公司接入ChatGPT的话，也能帮助平台上的商家带来需求分析、选品、自动生成营销素材等更为精细化的管理工具。

图源：公司公告

三是将ChatGPT应用到电商支付环节，互联网支付服务商Stripe目前与OpenAI达成合作协议，为OpenAI商业化后的计费、记账、税务自动化提供服务。同时，Stripe正在对14个GPT基础设施进行试验, 包括支持定制、回答有关支持的问题和欺诈检测，从而优化支付流程，降低支付风险。

整体来看，ChatGPT对电商行业所带来的价值在于缩短TOC的购买决策路径，在提升购物体验的同时借助ChatGPT的快速问答能力，提高售后服务能力。TOB端在于减少公司无用的人效投入，带来新的增量价值。

但即使这些需求和价值真正存在，ChatGPT真的引发电商相关公司大裁员吗？

2、有些岗位难被替代

正如Facebook人工智能研究院的研究员Yann LeCun所说的那样，ChatGPT可以取代某些重复性极高的工作。但对于一些需要理解复杂上下文的工作，ChatGPT暂时无法替代人类。

于电商行业而言，亦是同理。

以ChatGPT所提出的智能出价来看，不管是字节跳动的巨量引擎广告，或是拼多多的店铺一件托管功能，实际上早已上线。但现实情况是，从业者们并不敢轻易使用。

于翔是国内某家广告公司的巨量引擎优化师，他告诉我们，使用智能出价所带来的风险有很多。比如说，由于字节跳动本身的流量并不稳定，尤其是遇到一些类似于618、双11这样的大促，品牌抢夺流量更是异常激烈。若按照智能出价来看，则必然会将OCPM的出价不断拉高，但较高的出价能够带来多少转化也不可知。最终的结果就是让客户的账户彻底被跑飞，广告收益率极差。一旦出现这种情况，他们很难给客户交代，更别提和客户在谈什么后续的合作了。

基于此，目前业内普通采用的为智能出价为辅，优化师出价为主的出价方式。并且优化师在出价时会根据当前广告流量的大盘情况，客户设置的单日广告预算、不同链接所带来的广告转化等方式进行全方位地灵活出价，以完成客户的考核。

和于翔有着相似感受的还有来自国内某家公司的电商经理李亮，他表示，电商平台的智能出价这种一体化的程序，虽具有操作简单明显、易上手的特点，但它最大的风险是直通车费用的不可控，缺乏灵活性。

比如说，此前公司曾试过拼多多的一键托管，当天直通车的费用直接被提高到2000元，但所能带来的订单却只有20单。即使自己公司一单产品的平均毛利润在20元，但这么算下来ROI数据简直不能看。经此事件后，自己也明确要求公司各电商平台运营不得使用智能出价工具，而是要根据自己经验、当日直通车费用转化情况进行灵活调整。

李亮也坦言，在商品高度同质化的今天，电商除要比拼供应链、价格外，还要比拼公司内部运营的实力。同样是做拼多多运营，有的从业者能做到年薪几十万，但有的工资水平却在月薪二三千。工资差异性较大的背后，本质上还是和运营个人对店铺的运营能力有关。

图源：看准网

不仅仅是智能出价难以受到商家的青睐，智能选品的遭遇也一样。以直播电商为例，在过去的几年时间内，头部直播团队因选品失误而被推到舆论风口浪尖的比比皆是。

辛巴的燕窝事件、东方甄选“野生虾”事件、小杨哥的婴幼儿事件等等发酵后，对于主播和平台的伤害是巨大的。东方甄选（曾用名“新东方在线”）的股价更是从今年2月初的高点64港元/股，暴跌到4月初的31.45港元/股，两个月惨遭腰斩。

图源：东方财富

基于此，目前许多主播团队也特别爱惜自己的羽毛，对选品把控特别严格。胡川是国内某主播团队的选品负责人，他指出，现在团队选品除要考虑产品的品牌知名度、电商平台的销量和评论这些因素外，也必须要考虑到厂家的综合情况。

比如说，同样是做酸辣粉的厂家，有的厂家不但口感相对较佳，产品的添加剂也很少，但有的厂家却恰恰相反。尤其是产品的口感问题，绝非是机器就能简单代替的。

和主播选品不同的是，商家们选品时考虑的因素更多。张嘉佳是国内一位生鲜商家，她指出，生鲜选品时考虑的因素有很多。比如说，春天北方的应季农产品有甜瓜、蒜薹。但蒜薹在发货前若是不“打冷”的话，就会产生很大折损，导致售后极高。因此，很多商家并不敢轻易做蒜薹这类单品。

除此之外，生鲜产品的售卖周期、不同阶段的口感、后续的价格走势、天气情况、产地的供应情况等等因素也都必须要考虑进去，这些往往根据从业者的经验来判断，绝对不能完全依靠智能选品的建议。

事实上，ChatGPT之所以难以替代电商中的这些岗位，本质上还是由于ChatGPT训练时使用了人类反馈强化学习(RLHF)算法所决定的。借助人类的感知，让模型判断自己的答案质量，训练自己逐步给出更高质量的回答。

图源：OpenAI官网

换句话说，对于电商中重复性极高的工作，ChatGPT随着模型的迭代能够越做越好。但对于过度依赖人的思维、经验的工作，ChatGPT很难进行训练，更深层来看，即使ChatGPT想要进行训练，其训练数据来源和训练周期也是存在不确定性。

3、“人机大战”仍在持续

事实上，人和“机器人”相比，其最大区别在于人本质上是一种情绪化极高的动物。在部分行业中，使用机器人代替人类的确有诸多利好。

以酒店管理行业为例，一般来说，一家星级酒店若要做到极致服务，其客房和员工的配比为1：1.2，这就决定了星级酒店为典型的重人力行业。但由于酒店日常的工作杂、乱、多，其必然会引发员工情绪的不满，进而影响到酒店员工服务的质量。因此，若是在酒店管理过程中使用智能机器人代替人的话，这在降低人力成本、减少酒店内耗的同时，也能够提高酒店的服务质量。

但和酒店管理不同的是，在整个电商交易环节情绪化有时会高于理性化，并影响到电商交易售前、售中、售后等环节。

在售前环节，固然ChatGPT在文字/图片方面有着强大的能力，但不同平台的用户属性，也决定了商家不可能完全使用ChatGPT的文字和图片。李亮告诉我们，比如拼多多平台的主图不需要整的特别高大上，类似于一些“几包几毛”、“支持仅退款”等看着很low的主图，但点击率却很高。但反之，这些主图在京东平台则无法使用。

图源：拼多多

同样的问题是，在对于商品关键词的描述上，ChatGPT描述的商品文案看似很好，但若不能精准覆盖商品的核心关键词，基本上也不会有什么转化。更大的问题是，若商家在主图和文案表述上，全部采用ChatGPT的，这不但会让自家产品核心卖点无法展示，也会容易让用户产生审美疲劳。

在售中环节，比如说，虚拟主播是这两年颇为火的一个概念，但不少商家却反馈使用虚拟主播的效果整体一般。李亮接着表示，去年自己公司在运营淘系电商期间，就使用过虚拟主播。诚然，虚拟主播在商品讲解方面、7*24小时不间断直播方面确实很有优势，但它无法调动直播间观众的情绪，更别提后续的下单转化了。

如李亮所言，我们反过来思考一个问题，抖音直播为何能在短短几年的时间内GMV不断上涨呢？这其中固然有价格因素、用户时长因素，但本质上抖音直播还是在借助直播间所打造的氛围、激发用户的情绪、最终完成交易，这也是为何抖音很多直播间主播特别热衷于使用“库存有限”、“商品仅剩几单”等话术的原因。

在售后环节，智能客服在电商行业已被运营多年，但很多公司依然会保留人工客服。从事多年电商客服的李丽告诉我们，人工客户和智能客服相比在于，人工客服能够基于在和客户沟通过程的语音、上下文意思来推测客户大致的情况。若纯使用智能客服，无法推测当前客户的语气和情绪状态，纯粹的安抚，反而还会起到相反的效果。

但需要指出的，若是后续ChatGPT和人类一样有着各种情绪，这必然引发人类新一轮的恐慌。要知道，自从ChatGPT展现出推理能力后，就已引发业内的担忧。

在刚刚过去的3月29日，未来生命研究所公布一封公开信，呼吁所有AI实验室立即暂停训练比GPT-4更强大的AI系统至少6个月。目前这封信，已有包括马斯克、辛顿、马库斯、图灵奖得主约书亚・本希奥、《人工智能：现代方法》作者斯图尔特・罗素、 苹果公司联合创始人史蒂夫・沃兹尼亚克、Stability AI首席执行官埃马德・莫斯塔克等业内1000多名科技领袖和研究人员的签名。

因此，ChatGPT想要真正让电商行业迎来一*失业，估计仍有很长的路要走。

至于是“抢饭碗”还是“造饭碗”也有待验证，不过从以往的技术更新来看，一项新技术出现后多数会造出更多新的“饭碗”。无论是技术研发本身，还是其辐射效应推动其它行业的发展，都会带来新的岗位和机会。

*本文基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议

ChatGPT 语言 chatgpt只能识别文字吗

?科技的发展过程，就是不断地打破人与自然之间的界限。

chatGPT的出现，打破了人与电脑之间的语言障碍。

电脑是基于数字电路的，而人是基于生物化学的，二者之间的底层机制并不一样。

虽然不管是电脑还是人脑都能用于信息处理，但想打破它们之间的语言障碍并不容易。

1，C语言只是部分地打破了人与电脑之间的语言障碍

C语言出现于1970年，是一门类似英语的编程语言，但它的语法比人类语言要严格的多，不存在任何的模糊语义。

而模糊语义，是人类语言的基本特点之一。

在chatGPT之前，任何用于跟电脑交流的“语言”都必须是严格精确的。

不管是C/C++还是java / 【【微信】】 / js / php，它们都能转化成二进制码，并且与数字电路的状态一一对应。

总之，之前都是程序员去迁就电脑，而电脑没法去迁就人类。

自然语言处理（NLP）发展了这么多年，也无非就是匹配一些关键词而已，在chatGPT之前并没有突破性的进展。

2，语言大概是人与自然之间的最后界限

人与自然之间的界限并不是第一次被打破，实际上之前已经被打破很多次了。

例如，18世纪的人们认为尿素（H2N-CO-NH2）只能由生物的新陈代谢产生，而没法通过化学手段合成，所以这类物质都叫有机物。

但是到了19世纪，化学家就用二氧化碳和氨气合成了尿素，这是人类第一次合成有机物。

尿素的合成，打破了人与自然之间的“有机界限”，即生物在自然界里并不是特殊的，生物能合成的物质也可以通过化学手段合成。

当然现在尿素只是一种很普通的化肥，但在它刚被化学合成的那刻，还是非常震撼人心的，因为人做为生物的“优越感”被化学家们给挑战了?

化学方法可以合成有机物之后，还有什么是人能做到而化学做不到的呢？

逻辑能力，人有逻辑思维能力，能够做出if else判断，而任何的机械设备在19世纪都不可能有逻辑判断能力。

然后，电子三极管出现了。

到了1946年，ENAIC计算机被发明出来了，它可以运行机器码写成的逻辑指令，而且速度比人快得多。

1947年晶体管出现之后，摩尔定律被开启，电脑的性能开始了迅速的迭代！

然后，人们又要找一种人能做到、而电脑做不到的事来重新建立自己的“优势”。

在1970年之前，什么是人能做到而电脑做不到的呢？

电脑只能理解机器码和汇编语言，理解不了（类似人类语言的）高级语言。

然后出现了一堆的高级语言，例如forturn，pascal，C，C++，java，perl，【【微信】】，js。

电脑可以识别高级语言代码，但电脑没法看东西（CV），也没法看懂真正的人类语言（NLP），这大概是1980年前的状况。

3，CV和NLP一直是人类的传统优势

有这么一个笑话：产品经理让程序员写一段代码去识别颜色，而程序员回答说，“你以为App是狗呢，训练一下就会识别颜色了”?

这个笑话说明了早期的CV模型效果非常的差，别说跟人比了，跟动物都没法比。

2016年之后随着深度学习的发展，通过CV模型对复杂物体的分类取得了非常大的进展，人脸识别的准确率得到了极大的提高，但是对语言的识别一直没有像样的突破。

chatGPT出现之前，没有人愿意跟电脑聊天，因为聊上几句电脑就不会回答了。

但是现在chatGPT出现了，它可以回答大多数的常见问题，甚至可以给出一些算法题的C代码。

人类的语言优势受到了科技进步的又一次挑战，硅基智能又向着“硅基生物”的方向前进了一大步。

一个物体一旦具有了“真正智能”，那么没有“人”会甘于只当辅助。

“魔兽世界”里的莱斯-霜语变成了巫妖，他到底是活着还是死了？

也难怪马斯克等人对继续训练更强大的AI模型而担忧了。

来源： 今日头条

更多信息：人工智能是否能够完全取代人类