自生成式 AI 崛起以來，企業界紛紛迅速引入 AI 技術。眾所周知，ChatGPT 即將改變我們熟悉的工作模式和商業模式。然而，很少有人能夠具體指出企業應該在什麼情況下明確地使用生成式 AI 來加速轉型。Headquarter.ai 提出了三個具體的應用場景，這些成功案例是與產業合作取得的成果。企業可以根據這些應用場景找出適合自己的導入方法。

人力銀行產業利用生成式 AI 實現超級個人化技能配對

人力銀行面臨的問題是：企業要花大量的時間閱讀履歷資料、求職者也需要花時間閱讀工作職缺內容。然而現有推薦系統的「分類」或「群組」不足以滿足他們的需求，導致推薦出來的履歷、或職缺都不是他們想要的，而傳統的電子商務交易推薦模型不適用於人力資源產業。

而 Headquarter 利用 大型語言模型（Large Language Model，LLM）找出重要的技能關鍵字，建構文本的 metadata。從職缺文本中，找出技能相關字詞，例如：多媒體背景、團隊協助與溝通、UIkit 等字，並切成關鍵字搜尋，此優化方法成功地強化了人力銀行產業的推薦功能、及額外的媒合能力。

健康媒體產業使用特定資料庫建置衛教知識問答系統

生成式 AI 主要就是仰賴大型語言模型（LLM），而其最厲害的地方是它能理解人類自然語言的語意並給予回應。但是用在企業應用情境下，還需要 LLM 回答出可靠的答案，特別是當需要回答道專業知識或私有內部資料時。而往往 LLM 卻在這時答出錯誤答案，也就是俗稱的 AI 幻覺。因此，我們讓機器參考可靠度高的文本資料，這些資料可以提供背景知識，幫助模型更好地理解問題或主題，提高解答的正確性和可信度。因此，AI 可以從豐富的醫學資料中找到相關信息，生成階段則使用這些資訊，創建出具有專業性和深度的答案，以更好地回應用戶的問題。

育兒相關產業：建立育嬰知識問答機器人

生成式 AI 在不清楚實質的情境下，往往有不夠專業的回答。但是育嬰時期的家長，若仰賴這些回答，可能會造成錯誤的知識認知。因此，我們協助生成式 AI 能導入檢索增強生成（Retrieval-Augmented Generation, RAG）技術。透過 RAG 的兩個階段來足以面對高專業的內容。

一、檢索階段： 首先使用檢索方法，根據輸入的信息，找到相關的資料或文本片段。這些資料可以提供背景知識，幫助模型更好地理解問題或主題。

二、生成階段： 接下來，模型使用檢索到的資料作為參考，進行文本生成。這樣，生成的內容就可以建立在現有知識的基礎上，更加一致和有說服力。
 

Headquarter.ai 致力於導入與各相關產業相關的生成式 AI 技術。我們提供企業將應用部署至 AWS 架構下的選項，而無需支付額外費用。更不用搬動架構、與機器部署的情況下，完成無痛導入。

文章出處：本文經「Headquarter.ai」授權轉載