跳到正文

#Google

今日 6 条
12月1日周一
  1. Josh Bersin60

    微软能否拿下企业AI市场,Josh Bersin的判断

    Josh Bersin撰文判断,微软凭借Ignite大会发布的WorkIQ、Agent 365、App Builder和Microsoft Foundry,很可能在企业AI市场取得领先。

    决策要点

    AI厂商正按客户群分层竞争,微软以企业级治理和Office装机量卡位CIO入口,各家都在收缩到自己的核心地盘

    • 影响企业级智能体平台的采购天平在向微软生态倾斜,治理与安全部署能力成为选型核心;作者指出厂商在超2万亿美元基础设施投入后准备涨价,AI用量的成本模型需要重新测算;单一生态的绑定风险与治理便利需要放在一起权衡
    • 参考可考虑盘点现有Microsoft 365与Copilot的合同覆盖范围,把智能体治理需求写入选型标准;值得按涨价口径重算AI用量预算,并对比谷歌系开发工具与微软路线的适配度
11月19日周三
  1. One Useful Thing(Ethan Mollick)77

    沃顿教授实测 Gemini 3:三年间 AI 从写诗进化到写论文

    Ethan Mollick 实测 Google 新模型 Gemini 3,称其非常强、在多数基准上领先,但可能仍不敌 $200 的 GPT-5 Pro;Google 同步推出智能体工具 Antigravity。

    决策要点

    编码智能体把 AI 从聊天框变成可指挥的数字同事,人的角色正从修错转向派活和验收。

    • 影响能写代码的智能体可操作电脑完成建站、做报表、处理文件等通用工作;管理智能体会成为一项日常工作技能;向其开放电脑权限伴随误删文件与数据外露风险。
    • 参考可考虑挑一个资料整理或建站类任务试用此类编码智能体并记录人工介入点;值得先划定智能体可访问的文件与浏览器权限边界,再扩大使用范围。
10月27日周一
  1. Josh Bersin65

    BBC 与欧洲广播联盟研究发现约 45% 的 AI 新闻问答出错

    BBC 与欧洲广播联盟发布联合研究,向 ChatGPT、Copilot、Gemini 和 Perplexity 提出的新闻类问题约 45% 出现错误。错误案例包括答错教皇与德国总理人选,Copilot 引用 2006 年 BBC 旧文回答禽流感疫苗问题,Perplexity 错称捷克法律禁止代孕。

    决策要点

    公开大模型的新闻问答错误率被量化到约四成五,答案可信度与语料质量重新成为企业用 AI 的前提。

    • 影响把公开 AI 答案直接用于分析、写作或对外内容会带来事实与合规风险;客服、HR 等内部问答系统需要内容负责人与定期审计机制;通用平台可信度不足给垂直领域方案留出空间。
    • 参考可考虑先盘点现有 AI 使用场景中涉及财务、法律、新闻等高风险数据的部分,为其增加人工核验流程;值得为内部知识库指定内容负责人并定期审计,或评估垂直领域方案替代公开工具。
10月20日周一
  1. One Useful Thing(Ethan Mollick)58

    沃顿教授Ethan Mollick发布观点鲜明的当下AI使用指南

    Ethan Mollick发布新一期AI使用指南,称约10%的人类每周使用AI,且绝大多数使用的是免费工具。他指出真正的前沿模型只有约九家,付费20美元档够绝大多数人,约200美元档适合复杂技术与编程需求。实操上他建议重要工作选Agent模型、开启10-15分钟的Deep Research,并称其近期实验发现chain-of-thought等提示词技巧已不再有明显帮助。

    决策要点

    AI使用的关键从提示词技巧转向选对模型档位与功能,免费档够大多数用途,付费价值集中在Agent模型和Deep Research。

    • 影响多数日常用途用免费工具即可覆盖,选型不必复杂化;严肃工作值得为Agent模型和Deep Research付20美元月费;各家功能与政策变动快,具体选型建议会较快过时。
    • 参考可考虑让团队先用免费档对比Anthropic、Google、OpenAI三家再定付费;值得对报告类工作试点Deep Research并请内行核验质量;涉及敏感数据时先查各家关闭训练开关的功能代价。
9月12日周五
  1. One Useful Thing(Ethan Mollick)59

    沃顿教授 Ethan Mollick 谈与 AI 巫师共事,知识工作从协作转向召唤与验证

    沃顿教授 Ethan Mollick 撰文提出,人机协作正从共同创作的协同智能转向巫师模式,人从伙伴变成只负责提示、等待和验证的观众。

    决策要点

    前沿 AI 的可用性正在超过可验证性,知识工作的瓶颈从怎么做出成果转移到如何判断成果是否可信。

    • 影响研究生水平的工作几分钟可得,复杂知识产出的人力成本下降;复核耗时难以预估,有时省时有时更贵,质量责任仍在使用方;持续把工作交给模型会削弱团队积累判断力的机会。
    • 参考可考虑把任务分成直接召唤模型与保持协同往返两类,各自设定不同的核验流程;值得在关键岗位保留亲自动手的机会,避免验证判断力退化;先算出复核一类典型 AI 产出的实际耗时,再决定放行范围。