任何一家企业能够长久生存，必然有其特殊的专业性，是大众所不具备的能力。
很多企业都面临这样的困扰：如何让新入职的员工能够快速掌握大量的专业知识？
01
不要大数据！要小数据！
有人说，OpenAI公司的ChatGPT是个很好的助手。
诚然，首席用户官（CUO）并不完全否认这个观点。
然而，目前市面上较为火热的ChatGPT概念工具大部分都是基于大数据而建立的，主要是因为互联网企业拥有大量数据,能够提供更丰富、更广泛的语言模型训练样本，从而使其能够具备更加广泛、准确的语言理解和生成能力。通过大规模的语料库训练，可以学习到更多的语言模式、语义关系和知识，从而在对话生成和理解方面表现更加出色。
通俗地说，就是更能理解人话。
基于大数据的ChatGPT同时也伴随一个弊端，在涉及专业行业知识时往往表现不够专业。
以大健康行业为例，该行业产品知识专业，学习频次高，当员工随时遇到疑惑时，答疑需要“老师”，检索资料又需要时间。再加上员工往往分布在全国各地，难以集中培训，培训效果差等痛点仍然存在。基于大数据的ChatGPT虽然可以解决秒回的需求，但知识体系较为笼统不够垂直，不足以服务不同企业的员工。
相比于大数据ChatGPT，对企业来说更有帮助的是小数据ChatGPT。企业的产品数据、会议数据、员工工作过程的数据等等，这些才对企业有重要的指导意义。对用户来说，他想了解的也不是大众的内容，而是与他息息相关的内容。
根据艾宾浩斯遗忘曲线，人对知识的记忆在一个月后通常只剩下21%，因此需要不断强化员工对专业的知识的记忆，企业ChatGPT对于一些员工入职、离职频率较高，培训需求量大的企业是很有帮助的。
因此，在这些小数据基础上所建立的企业ChatGPT能够更有效率地使得经销商、员工、用户等关联者在工作过程中受益。
02
基于小数据建立企业ChatGPT
广州点睛科技有限公司正是基于小数据概念研发了「人工智能产品营养师」产品。
涵盖居民膳食指南、常见食物库、基础营养学等基础知识，加上企业专属产品库知识（本文以GNC企业的产品库为例），结合大语言模型，便可塑造出营养专家、膳食专家、产品专家三个角色合一的「人工智能产品营养师」。
对于这款「人工智能产品营养师」产品，首席用户官（CUO）体验小组利用一个月的时间，与其进行多番对话，以使用者视角进行深度体验，并通过知识覆盖范围、准确性、个性化服务、情感识别、人工干预能力、响应速度、用户体验共七个维度对其进行用户体验评估，最终评估结果如下图。
具备快速回复的能力，能够回答涉及益生菌、锌、营养素等包含专业词汇的问题，答案有一定的准确性。缺乏部分冷门词汇的延伸能力，个性化服务和用户体验仍有可优化的空间。在人工干预维度，目前无法一键转接人工客服，但有留下微信号添加入口。
在前端，作为员工的智能辅助工具，这是一款已然合格，甚至可以称得上优秀的产品，能够实时且随时地针对单一个体和单一问题进行答疑解惑。
那么，后端如何呢？
后台数据库会实时统计员工的提问数据，分析员工的缺失模块，一方面可以优化知识体系，另一方面可以制定更精准的培训计划，提升培训效率和效果，做到降本增效。
总结
首席用户官（CUO）始终主张：企业ChatGPT必须基于企业自身的数据库（小数据）。而所谓的“自身”，并不特指用户数据，员工数据、产品数据也是企业的数据库。
首席用户官（CUO）认为，基于小数据的企业ChatGPT有望率先成为大C（员工或销售人员）的智能工具，实时且随时培训和服务大C。
1.企业ChatGPT前端相当于培训老师的售后服务，自身拥有标准化且垂直化的知识内容体系，并且能随时接受员工的提问。
2.企业ChatGPT后台根据员工问的问题，反向给员工贴标签，生成用户画像，个性化定制员工培训课程组合，规划员工的学习成长地图。
由此可见，知识和产品内容标准化且大C（员工或销售人员）数量多的企业是引入小数据ChatGPT的第一梯队。
在完成服务大C、赋能大C后，随着企业ChatGPT的成熟，便能顺水推舟面向小c（消费者）开放，成为小c的问答机器人。