了解 MonkGPT——打造自己的人工智能工具如何有助于保护品牌
我从几个月的人工智能实验中学到了什么？事实证明，这些工具对我们的人才来说是一种超级能力，但这取决于我们是否为他们提供了合适的斗篷--毕竟，我们最关心的是他们在应对当今挑战和满足客户需求的过程中能否安全飞行。
在 Media.Monks，我们一直在寻找将最好的人工智能技术整合到我们业务中的方法。我们之所以这样做，不仅是因为我们知道人工智能具有（并将继续具有）高度颠覆性，还因为我们知道我们精通技术、充满好奇心的员工一定会尝试令人兴奋的新工具，而我们希望确保以最安全的方式实现这一点。我们都记得过去几个月发生的重大失误，比如私人代码被泄露到公共领域，因此，我们的法律和信息安全团队在考虑到我们的品牌和合作伙伴的安全的情况下，对我们可以采用的技术进行了一些限制，这一点也不足为奇。
因此，当 OpenAI（ChatGPT 的幕后推手）更新了他们的服务条款，允许使用 API 的用户在使用服务时，默认设置不会将他们的任何数据用于训练模型时，我们就看到了一个巨大的机会。自然，我们双手抓住了这个机会，并决定利用 OpenAI 的 API 打造我们自己内部版本的流行工具：MonkGPT 允许我们的团队利用该平台的强大功能，同时加入我们自己的安全和隐私检查。为什么要这样做？这样，我们的人才就可以使用一个既针对业务又更加安全的工具，从而降低数据泄露等风险。
你不能冒险将品牌保护置于危险之中。
自从生成式人工智能出现以来，我们就一直在尝试使用这些工具，同时探索其无限的可能性。事实证明，人工智能工具令人难以置信，但它们未必没有局限性。除了不能满足特定的业务需求外，公共人工智能平台可能会使用专有算法或模型，这可能会引发对知识产权和所有权的担忧。与此同时，这些公共工具通常会收集数据，而这些数据的使用可能并不透明，也可能不符合企业的隐私政策和安全措施。
我们最担心的是品牌风险，因为我们的首要任务是保护我们的知识产权以及员工和客户数据。有趣的是，一个关键的解决方案就是自己构建工具。此外，要真正了解一项技术的能力，最好的办法莫过于卷起袖子，亲自动手。
克服困难，打破部署记录。
在创建 MonkGPT 的过程中，我们没有必要重新发明轮子。当然，我们可以而且确实在训练我们自己的 LLM，但随着 ChatGPT 的迅速成功，我们决定利用 OpenAI 的 API 和我们的工程师审核过的流行开源库，将这种生成式人工智能功能快速、安全地引入我们的业务中。
事实上，我们必须克服的主要障碍是内部障碍。我们的法律和信息安全团队对人工智能工具的服务条款（ToS）非常挑剔，尤其是在涉及如何管理、拥有和存储数据时。因此，我们需要与他们就数据风险和 OpenAI 的服务条款更新达成一致--OpenAI 的服务条款专门针对 API 用户进行了修改，默认情况下禁止将通过 OpenAI 服务传递的数据用于训练模型。
虽然 OpenAI 会将通过 API 传输的数据保存 30 天以用于审计目的（之后会立即删除），但其 ToS 规定不会将这些数据用于训练其模型。这与我们的内部最佳实践文档（我们的所有员工都可以访问该文档，并且在使用 MonkGPT 之前都会被敦促查看该文档）相结合，我们确保最大限度地降低敏感数据在 OpenAI 模型中持续存在的可能性。
正如我屡次看到的那样，没有什么障碍能阻止我们将想法变成现实，变成对我们的人才有用的工具。在短短 35 天内，我们就部署了 MonkGPT，将其推广到整个公司，并在全球全体员工大会上推出。说到更快、更好、更便宜，这个项目就是我们的座右铭。当然，我们并没有止步于此。
为我们的员工带来福利。
现在，我们有了自己的界面和应用堆栈，这意味着我们可以开始利用各种生成式人工智能技术构建自己的工具和功能。这样做的目的是提升用户体验，同时满足我们的用例需求。例如，我们目前正在添加数据丢失防护（Data Loss Prevention）等功能，以进一步提高安全性和隐私性。这涉及到如何有效消除敏感信息被发送到 OpenAI 生态系统中的可能性，从而增强我们对数据的控制，如果我们直接使用 ChatGPT 的服务，就无法做到这一点。
我们正在开发的另一项令人兴奋的功能与及时发现和及时共享有关。利用基于提示的 LLM 软件所面临的主要挑战之一就是找出询问问题的最佳方式。这就是为什么我们正在开发一项 ChatGPT 尚不具备的功能，它允许用户在各业务部门之间探索最有用的提示。如果您是文案，该工具可以向您展示其他文案使用或喜欢的最有效的提示。通过将这种可发现性整合到工具的使用中，我们的员工就不必为了到达同一个目的地而四处奔波了。
同样，我们还针对特定目的训练 LLM。例如，我们可以为我们的法律顾问培训一个模型，根据法律实体的语言和他们在类似接触中看到的内容，揭示合同中的所有红旗。想象一下，您只需前往 MonkGPT，然后根据您的业务部门，选择您想与之交互的模型，就可以节省大量的时间和精力--因为该模型已针对您的用例进行了专门训练。
人工智能为我们提供动力只是时间问题。
所有这些努力都为我们的整体人工智能产品提供了支持。在开发新功能的过程中，我们不仅加深了对 LLM 和生成式人工智能的理解，还拓展了我们在将这些工具提升到新水平方面的经验。我们一直在问自己："我们的业务部门面临哪些挑战，人工智能能提供哪些帮助？"我们的目标是为我们的人才提供正确的超级能力。
真正的机遇在于进一步训练人工智能模型和探索新的应用案例。
毋庸置疑，我和我的团队在为所有客户提供服务时也会运用这种思维方式。我们的人工智能使命远远超出了我们自己的组织，因为我们希望确保与我们合作的品牌也能从我们的试验和错误中获益。这是因为我们非常肯定地知道，每个品牌迟早都会拥有自己的模型，就像 MonkGPT 一样，对自己的业务了如指掌。如果你现在还没有接受这种必然性，那么我相信你很快就会接受。无论您需要的只是一点咨询还是全面的端到端支持，我和我的团队都有工具和经验为您量身定制完美的披风。
