Digital-adoption.com發布的網路分析數據發現，在最新版本的ChatGPT發布之後，其開發商OpenAI的訪問量增長了3572%，從1830萬暴增至6.72億。
今年1月，微軟公布了了對OpenAI的第三階段投資計劃，總數額在數十億美元。如今，微軟又祭出Bing搜尋引擎的AI支持版本，其中使用的正是ChatGPT。公司CEO薩蒂亞·納德拉 (Satya Nadella) 認為，AI將從根本上改變各個軟體類別，微軟希望這項技術能支持Bing每天回答50億條查詢。目前ChatGPT功能仍在預覽階段，但用戶可以報名排隊等候訪問權限。
就在微軟發布公告的一天之前，谷歌兼Alphabet那邊也放出了名為Bard的競爭對手。這位對手基於谷歌的Lambda技術，據稱能通過擴展支持更多用戶。一篇討論Bard的博文寫道，「很快，用戶就將在搜索中看到AI支持的功能。這些功能會將複雜的資訊與多種視角提煉成易於理解的格式，供用戶快速了解全局並從中把握更多資訊。」
人們也由此看到了在企業內部使用生成式AI的機會。
Kyndryl UK and Ireland公司數據、AI與應用程序實踐負責人Carolyn Prior表示，「根據觀察，我們發現那些能夠實現數據驅動、並真正將AI融入運營體系的組織，以及那些積極探索最新/最佳新興技術並對數據管理架構做出現代化改造的組織，才能更好地駕馭當前的市場競爭格局。而他們對於AI及其他新興技術的擁抱和採用，將成為保持競爭優勢的關鍵。」
知識平台提供商eGain認為，軟體開發者正越來越多地將生成式AI納入其產品與服務開發。該公司已經將ChatGPT集成至Instant Answers產品當中。公司CEO Ashu Roy強調，「ChatGPT等生成式AI在知識管理和對話參與方面，開啟了激動人心的自動化可能性。Instant Answers在我們的邀請客戶內大受歡迎，他們喜歡它依託速度創造的價值。」
知識管理也有助於軟體開發者更有效地開展工作。
Brightman Business Solutions公司董事Romy Hughes表示，「ChatGPT能幫助軟體開發人員完成一段極具挑戰性的代碼。」例如，開發者可以詢問ChatGPT如何優化現有代碼。展望未來，她認為「這項技術將給非編碼人員提供一種開發應用程序的可能性，藉此推動編程大眾化——這與低代碼所承諾的收益基本一致，只是功能要強得多。這種大眾化浪潮將讓組織建立起新的、無需IT部門參與的創新流程，最大程度發揮其他員工的奇思妙想。ChatGPT將讓這一切事半功倍。」
Arthur D Little AI公司專家Albert Meige和Gregory Renard則分析了這種技術拉低程式設計師整體技術水平的風險，並警告稱生成的代碼很可能包含算法偏差。一旦用於訓練算法的數據中存在偏差，就有可能引發不準確或不公平的結果。根據Meige和Renard的介紹，儘管各方一直在努力消除此類偏差，但其仍然存在而且令人相當不安。
他們還列舉了ChatGPT的一個分析示例，當被要求編寫Python程序來根據某人的出身確定其是否應被監禁時，ChatGPT將關注重點放在了朝鮮、敘利亞和伊朗人身上。而且這種判定標準被硬編碼進了Python代碼，這種偏見很可能源自對網際網路上對話內容的廣泛分析。
雖然這個示例本身非常簡單，畢竟在判斷是否應當監禁時肯定要考慮其他因素，但也說明使用ChatGPT生成代碼確實存在風險，而且其模型很容易被訓練數據中的偏差/偏見所誤導。
企業面臨的另一個問題，則是生成式AI訓練所對應的巨大成本，特別是訓練數據中潛在偏差可能帶來的高風險。《哈佛商業評論》最近發布報道，稱訓練生成式AI目前還是少數科技巨頭的專利，因為訓練過程要消耗大量數據和算力。文章作者引用了ChatGPT所基於的GPT-3模型的數據，稱其初始訓練要用到45 TB的數據素材，做出預測則使用了1750億個參數。因此，GPT-3的單次訓練成本就高達1200萬美元。
作者們警告稱，「大多數企業並沒有相應的數據中心或雲計算容量，來從零開始訓練自己的同類模型。」
從這個角度看，率先將生成式AI引入自家搜尋引擎的是微軟和谷歌，也就在情理之中了。至於其他不具備這種巨頭級計算設施和數據儲備的組織來說，GPT系技術在短期內恐怕無法帶來切實助益。
