点“小耳机”可边听边看!
以下为演讲全文：
AI改变了一切。这是一个宏大的说法“一切”。但我认为这非常接近事实。我要谈谈甲骨文是如何应对这些变化的。这些变化始于ChatGPT 3.0问世，突然间，AI模型听起来有点像我们人类了。
这项AI技术有两个大的阶段。第一个是AI时代的黎明，即许多公司正在构建这些庞大的AI模型、它们实际上，现在的一个多模态AI模型由多个神经网络组成，就像我们的大脑有多个部分一样。这是一个相当完美的类比。
你需要使用大脑的一部分来进行视觉处理，使用不同部分来进行语言处理。当你构建一个AI模型时，你会使用不同的神经网络进行视觉处理，比如看到某个东西，看到它的边缘、形状、颜色和运动。你会使用一个神经网络进行“看到”的操作，而使用一个完全不同的神经网络来识别它是什么，并对其进行分类、组织和基于这些数据进行推理。
因此，现代AI系统和AI模型非常像我们的大脑，它是一个多模态模型，拥有多个神经网络来处理不同类型的数据:视频数据、文本数据、听觉数据等等。
现在正在发生的事情是，一系列公司正投入巨额资金，在互联网上公开可用的数据上训练这些AI模型，数据量非常庞大。经过几年的发展，这种AI训练已然成为人类历史上最大、增长最快的业务。
它比铁路、比工业革命都要庞大。这是一个正在开启的全新世界。首先是构建模型，一旦模型建成，接着就是实际使用这些模型来解决非常重要的问题，例如癌症的早期诊断，未来还会有许多手术，比人类能做的更精准、更准确。出于各种你可能想不到的有趣原因、机器人将成为比人类更优秀的医生。
无论如何,AI训练的巨大机遇摆在我们面前,甲骨文是建设用于AI训练的数据中心的主要参与者。但是,更大得多的机遇,真正能改变世界的机遇,并不是模型本身的创造,也不是模型的训练。
真正改变世界的是，当我们开始使用这些非凡的“电子大脑”——它们确实是非凡的电子大脑——来解决人类最困难、最持久的问题时。
其中有一点非常有趣，甲骨文明确参与其中。正如我前面所说，这些AI模型是在互联网上所有公开可用的数据上训练的。
所以，无论是ChatGPT、Anthropic、Grok还是其他任何模型，它们都是在互联网上的所有数据，即公开可用的数据上训练的。但要让这些模型发挥其最大价值，你不仅需要用公开数据训练它们，还需要让私有数据可供这些模型使用。
这就是甲骨文发挥特别重要作用的地方,因为世界上大部分高价值数据已经存储在甲骨文数据库中.我们所要做的就是改变——而且这是过去式,我们已经完成了改变——这个数据库,使甲骨文数据库能够获取其中已有的数据，并将其提供给AI模型进行推理。
这样,AI模型不仅可以基于公共数据进行推理,还可以基于私有数据进行推理。AI是一个不可思议的工具。有些人认为它将取代所有人类和我们所有的努力。我不认为这是真的。它将帮助我们解决我们自己无法解决的问题。它将使我们成为更优秀的科学家、工程师、教师、厨师、砌砖工和外科医生等等。
我们从未制造出像这样的工具。我按了按钮，幻灯片没有动。再按一次。这不是一个AI设备。好了，动了。
我记得以前这里不叫“AI世界”。很久很久以前，它被称为“云世界”。即使那时它叫云世界，我仍然被允许做关于AI的演讲。当时我说，AI是人类历史上最重要的技术吗?很快我们就会知道答案。
现在已经很清楚了。我认识的最聪明的人都在投入巨额财富来构建和训练这些AI模型。这就是它们的重要性，这就是它们的非凡之处。
顺便说一句，是的，Elon、Mark、Sam(按字母顺序排列)他们都是非常聪明、非凡的人。
人们说，AI这东西，也许只是一个泡沫，也许没那么了不起，可能只是一个泡沫。互联网确实是一个了不起的东西。如果你看看互联网创造的财富，它当然对谷歌的搜索起作用了。Elon在这个名单上，他创办了PayPal，也获得了不错的收益，我知道Elon说过，他绝对没有给Pets.com投一毛钱。
当人们谈论泡沫时,泡沫是什么?人们会变得过度兴奋。互联网是一种令人难以置信的新技术,至今仍是计算的基础。没有互联网,就没有AI。所以它是一项极其重要的技术。但人们开始混淆像 PayPal这样的互联网公司,或者甚至更糟糕的互联网搜索(更糟糕意味着更好),与 Pets.com这样的公司。
我的意思是,我能在一个电子商务网站上卖宠物食品,并不意味着我突然成了一家互联网公司。这不尽然。所以，是的，会有人把钱花在AI上，因为现在几乎每家科技公司都自称是AI公司，但它们并非都是。
但就其价值而言，AI是迄今为止我们见过的价值最高的技术。AI,很有趣，它被称为“人工智能”(Artificial Intelligence)，而不是“人工感知”(Artificial Perception),但它确实会感知。它能听,能看,能闻,想想嗅觉。你能够捕捉到大气中漂浮的化学物质，并弄清楚它们是什么。狗可以闻出患者体内的癌症。
我们也应该能够用AI做到这一点。我们应该能够做到。事实上，我了解一个名为“狗鼻子”的项目，我本人也是参与者之一。我们正在制造传感器，可以闻出癌症或其他疾病的传感器。AI具备感知能力，它有听觉和视觉的大脑部分，以及推理能力。
它真的可以阅读街道标志。它可以阅读书本上的一页。它可以看着你并认出你。它可以识别正在播放的歌曲。你可以与AI交谈，向它提问，或者打字输入。AI可以使用语言和数学，以与我们相同的方式，但速度快得多地进行逻辑推理。
我记得我在特斯拉参观擎天柱(Optimus)机器人时，我很好奇机器人将如何学习。然后我想了一会儿，我说:“机器人会如何学会打扫你的房子、炒鸡蛋或弹吉他呢?”
它会观看互联网视频。它连接到互联网。它可以像我们一样通过观看互联网视频来学习弹钢琴，只不过它会快一点，因为它可以以非常高的速度播放互联网视频，并在大约五秒钟内学会演奏肖邦的那首曲子。我知道我的孩子做不到这么快，因为我每天听他们练习，五秒钟是不可能的。
AI机器人将比最优秀的人类医生更擅长外科手术。有一位非常著名的医生Mo博士，他通过手术切除患者脸上的癌变组织。他之所以出名，是因为他做的损伤最小。他切除的皮肤组织最少，因此美容效果极佳。
他所做的是，切下几层皮肤，然后将皮肤带到显微镜下观察，看是否切到了健康细胞。癌症到底有多深?他就是这样来回操作的:切下一小块组织，在显微镜下观察，再切下一小块。但AI机器人并非如此。机器人的视觉，AI的视觉是微观的。
它们不需要显微镜就能看到单个细胞。它们不需要显微镜就能分辨出癌症的终点和健康组织的起点。它们的协调能力是极其精准的。它们比我们更优秀的外科医生，不是因为它们比我们更聪明，而是因为它们拥有更好的手眼协调能力。
它们的眼睛比我们的好得多，手的精确度也比我们高得多。因此，它们可以在一层健康细胞和一层癌细胞之间进行切割。这看起来真的很令人惊叹。当我们去看使用机器人进行手术的医生时，我们会感到非常安心。手术将是完美的。
它就像大脑一样构建，有专门的神经网络，一个用于视觉。一个卷积神经网络(CNN)模拟视觉皮层，视觉皮层有五层，它就在你的后脑勺。进化产生的V1层最初只是为了让动物能够感知它们所看到物体的边缘。
然后发展到V4层用于颜色，以及非常著名的V5层用于检测环境中的运动和威胁。视觉Transformer(ViT)将卷积神经网络产生的位图(一个图像，一堆像素)与你已知的事物进行比较，然后你开始识别面孔和熟悉的事物。这是一个不同的Transformer，是一个ViT神经网络，用于对图像进行整体理解和记录。
ChatGPT的第三个版本使用了巨大的Transformer网络，进行了全面的语言和推理。唯一的缺点是，Transformer网络要求巨大的计算量，因此需要投入巨额资金来训练这些模型。这些Transformer网络比其他一些网络更大、更复杂。正如你所想，推理比视觉更复杂。
还有用于特定类型数学的神经网络。无论如何,它看起来很像大脑。我们的大脑非常惊人,一个20瓦的人类大脑。任何拧过20瓦灯泡的人都知道,光线不多,但这足以运行860亿个神经元,并为你提供视觉、平衡、推理、语言、创造力以及演绎和推断的能力。
你可以用这个不可思议的东西完成所有这一切，Elon称之为20瓦的“肉体”计算机。感知、识别，以及在识别之后，基于这些信息进行推理的能力。视觉皮层位于顶叶后方和下方。正如你在左侧看到的，前额叶是一个很大的语言中心。大脑是高度专业化的，AI模型也是如此。
但我们正在构建的不是一个20瓦的“肉体”计算机。我们正在构建一个12亿瓦的AI大脑。你有没有试过像惠普计算器一样快速地做乘法?这些电子大脑，这些AI模型，它们进行推理,而且推理速度非常快。它们可以处理大量数据,并得出我们从未得出过的答案。
这是一张我们正在建设中的数据中心的图片。实际上，它已经投入运行，其中一部分正在运行。最终，它将拥有 50万块英伟达 GPU。顺便说一句， 12亿瓦到底意味着什么?这足以供电给美国 100万个四居室的家庭。 100万，那是一个相当大的城市了。
甲骨文正在得克萨斯州阿比林市为OpenAI建设世界上最大的AI集群。该项目始于2024年6月的一片空地，将在不到一年的时间内交付GPU。完全配置后，该集群将包含超过45万块英伟达GB200。电力由电网和现场天然气涡轮机组混合提供。容量分布在八个独立的建筑中，占地1000英亩，所有建筑互连以支持单一工作负载。该场地部署了AI加速器、液体冷却和网络方面的最新技术。每天有超过3500人在现场工作，以史无前例的速度交付容量。AI的需求持续超过供应，甲骨文致力于交付最大、最先进的AI集群，以支持全球客户。
这和我大学时在卧室里写代码的日子相去甚远了。发生了什么?我也不知道。
好的。我们正在训练。我们正在参与其中，我们为Elon训练了第一个版本的Grok。我们正在训练许多其他的多模态AI模型。几乎所有这些AI模型都在甲骨文云中，我稍后会回到这一点。
我们参与训练的多模态AI模型可能比任何其他公司都多。这非常令人兴奋。同时也很艰巨。我们正在运行的这些项目规模巨大。这不仅仅是构建GPU网络、计算机房、网络和冷却系统，这本来就已经很难了。
现在我们必须建设输电站。我们有一条天然气管道通向燃气轮机，点燃燃气轮机，然后发电。电力必须输送到数据中心。所以它涉及发电、燃气管道、输电、数据中心、网络，而这些数据中心里充满了大量复杂的软件和许多非常聪明、努力工作的工程师。它们中的每一个都是巨大的工程项目。
我们正在努力构建的是这些多模态神经网络，它们用各种类型的数据进行训练:文本数据、图像数据、音频数据、视频数据，以及所有公开可用的数据，再加上合成数据。
我们训练这些模型。有些模型设计用于实时处理。谷歌有两个模型:一个是Gemini，一个是DeepMind。DeepMind高度专注于分子结构，其中一个DeepMind模型去年(不是今年，是去年)获得了诺贝尔奖、与蛋白质折叠相关。它正在处理一个分子，你了解该蛋白质的化学公式，这是一串氨基酸，当你将它折叠起来时，它在三维空间中看起来是什么样子。这是一个我们长期以来一直在努力解决的问题，称为蛋白质折叠。
他们通过DeepMind模型解决了这个问题，该模型是谷歌在收购伦敦DeepMind时获得的。Elon也有两个非常不同的AI模型。一个是Grok,一个多模态AI模型。另一个是特斯拉(Tesla)，它是一个实时模型。实时模型具有一些不同的特性，不同于，比如说，生成代码的Anthropic，或者解决法律问题或医疗问题的ChatGPT。
如果你在驾驶汽车，事情发生得非常快。是的，你必须有视觉，汽车上装有摄像头。但如果发生事故，你可能需要在微秒甚至至少在毫秒内做出反应。微秒真的很快。毫秒，即千分之一秒，在汽车里。一个球突然从路边滚出，一辆自行车紧随其后。
你必须看到它，了解正在发生什么，并采取规避行动，以避免事故和人员受伤。当你不能承受网络流量返回到远处的AI模型进行通信时，你必须以不同的方式构建系统。
你需要一个非常非常低延迟的响应时间。这就是为什么所有的特斯拉汽车，所有的特斯拉机器人都必须在汽车内部拥有本地计算能力，在机器人内部拥有本地计算能力，以便立即做出决策，做出非常低延迟的决策。
如果你在编写代码，则不需要这样。我可以告诉你写什么代码，你可以花点时间思考一下，然后给出答案。因此，实时模型与那些不需要实时的模型有些不同，后者你有时间进行推理和计算答案。但这两种模型都非常重要，而且都在构建中。
这些模型可以进行多步骤推理。我知道，不久前我称之为“推理”的，当时被称为“推断”(inferencing)。人们会谈论我们必须训练模型。训练模型是一回事，而使用模型时，模型的推理能力，我们将其简化为仅仅是推断，一种推理类型。但在早期阶段，情况不再是这样了。
在早期，模型做的有点像推断。但现在不一样了。它们像我们一样推理、它们有各种能力:演绎、推断、计算、策略、规则。我们使用的所有推理技术，它们都能模拟和使用，但它们思考的速度比我们快得多，解决问题的速度也比我们快得多，或者它们能解决我们根本无法解决的复杂问题。
这就是AI如此令人兴奋和价值巨大的原因。这些模型可以回答你的问题。它们可以生成计算机代码。甲骨文编写的很多代码，其实并不是甲骨文编写的。是我们的AI模型编写的。我们只需告诉模型我们希望程序做什么，然后AI就会提出实际执行它的分步过程。我们不写程序。
我们声明意图，但模型会编写分步过程，即我们通常认为的计算机程序。它们诊断医学图像的能力比我们强得多。它们设计我们无法设计的药物。
但这里有一个很大的问题。这些模型有一个很大的问题，那就是它们没有在你的私有数据上进行训练，因为出于某种原因，人们希望他们的私有数据保持私密，这一点不会改变。但人们也希望这些模型能够对他们的私有数据进行推理。无论你怎么称呼它，你想要鱼和熊掌兼得。我想保持我的数据私密，不想与任何人分享。但是，我想使用这个功能强大的工具来对我的私有数据进行推理。
这就是甲骨文一直致力于解决这个特定问题的一个主要方面。
我们本周在拉斯维加斯讨论的这个新事物是甲骨文AI数据平台、甲骨文AI数据库和甲骨文AI数据平台。关于AI数据平台有趣的一点是，它包括你选择的多模态模型。没错，一个你选择的多模态模型。
因此，如果你想在甲骨文云中使用Grok,你可以使用Grok。如果你想使用ChatGPT,你可以使用ChatGPT。如果你想使用Llama,你可以使用Llama。你想使用Gemini,你可以使用Gemini.我们将把这个你选择的模型，不仅连接到公共数据(模型已经连接到公共数据，这已经完成了)，我们还为你提供了将你的私有数据添加到模型的知识库中的能力，
因此，模型不仅可以基于公共数据进行推理，还可以基于私有数据进行推理，同时保持你的私有数据私密，不与任何其他人共享。这非常重要。以高度安全的方式做到这一点并不容易。如果很容易，很多人早就做了。
因此，正如我所说，OCI(甲骨文云基础设施)包含了所有流行的多模态模型。你可以选择、混合搭配，我们拥有AI数据库和AI数据平台，允许你将私有数据添加到模型中。
事实上,这次我要更精确一些。它真正做的是,顺便说一下,这被称为RAG(检索增强生成)。你基本上采取了一堆模型尚未训练的数据。顺便说一下，这可能是今天的股票价格。模型不知道今天的新闻。模型还没有接受今天的股票价格训练。
但是模型知道在哪里为你查找，它知道如何查询今天的股票价格。它知道如何查看行情并获取今天的最新报价。你只需将该信息放在一个模型可以访问的数据库中。你将你的私有数据放在甲骨文数据库中。
新的甲骨文数据库被称为AI数据库，不仅仅因为AI很时髦。新的甲骨文数据库被称为AI数据库，因为它具有这种RAG能力。它能够获取甲骨文数据库中的任何数据，并通过将其向量化(vectorizing)来供AI模型访问。
既然你的大部分数据已经存储在甲骨文数据库中,你只需要求甲骨文数据库将数据转换为模型能理解的格式,这被称为向量格式。甲骨文数据库将向量化任何你希望提供给模型的数据,然后你可以对其进行推理。
顺便说一句，它不仅仅是甲骨文数据库中的数据。甲骨文AI数据库会向量化任何数据。假设你的大量数据存储在OCI对象存储中，或者存储在亚马逊对象存储中，你希望将这些数据提供给模型，提供给甲骨文AI数据平台。没问题。
甲骨文数据库可以进入OCI对象存储，向量化并创建指向OCI对象存储中数据的向量索引。它可以进入亚马逊云存储，向量化属于你的那部分数据，并使其可供多模态模型进行推理。因此，你不仅限于数据库中的数据。
甲骨文数据库可以向量化甲骨文数据库中、不同数据库中、不同云中的任何数据，并使这些数据易于AI模型进行推理。
推理过程非常吸引人。甲骨文做的第一个项目，在将私有数据提供给AI模型方面，就是我们获取了所有的客户数据，并对其进行了向量化。我们基本上使用了RAG，使其可供模型使用。我们从客户数据开始，因为我们认为没有什么比客户对我们更重要。当然，有些愤世嫉俗的人可能会说，没有什么比客户对我们更有价值，但这两者是相辅相成的。
因此，我们想问一些有趣的问题，我们认为这些问题具有极高的价值。有一个完整的行业称为客户关系管理(CRM)。但实际上，它现在不叫这个名字了。他们把名字改成了“客户体验管理”(CX)。不管名字是什么，我们知道问题是什么。
因此，我们在甲骨文内部运行了这个项目，获取了我们的私有客户数据，将其放入甲骨文数据库中，进行向量化，并使用RAG使其可供多模态AI模型访问。然后我们问了一个问题:
“在接下来的六个月内，哪些甲骨文客户可能购买另一款甲骨文产品?”
为什么这对我们很重要?具体来说,接下来的六个月内将购买产品的每一个客户,他们最有可能购买什么产品?
顺便说一句，这个工具不仅能回答问题。你可以提问，你可以给出提示并获得答案，但你也可以通过代理(Agents)要求它做事情。你可以创建小的计算机程序，有时规模不小，并要求AI实际执行某些操作，来编排某个流程。
然后我们说:“好的，让我们向所有潜在买家发送一封邮件，附上三份最佳客户推荐信，鼓励他们购买。”
然后我们说:“好的，让我们向所有潜在买家发送一封邮件，附上三份最佳客户推荐信，鼓励他们购买。”
这个请求需要生成一个名为“AI代理”的计算机程序，它必须弄清楚:你打算购买这个产品。你是一家瑞士的银行、因此，我们认为对你来说，最好的推荐信将是那些已经购买了该产品的瑞士银行。
因此，所有的推荐信都将根据我们对你作为客户的了解、你所处的具体情况、你所在的行业、你拥有的产品以及你与哪些其他银行保持良好关系等方面进行定制，你可以打电话寻求推荐。无论如何，它能如此迅速地解决这样的问题，并告诉我们销售团队在接下来的六个月里应该集中精力关注谁，这真是令人难以置信。
那个应用，那个AI代理，如果我能将幻灯片退回一步。好的。最后一行是“向潜在买家发送一封邮件，附上三份最佳推荐信”。
从这一句话中，我们可以生成AI代理来妥善地完成这项工作。你可以生成AI代理，或者如果你想做更多一点，你可以更精确，添加更多细节，确切说明你想做什么，想发送什么样的信件，使代理更具能力。这正是我们所做的。
顺便说一句，我不知道你是否听说过“Vibe Coding”这个词。我第一次听到时觉得有点奇怪。这听起来很“Z世代”(Gen Z)，意思是“只需说出你希望程序做什么，生成原型并试用它，不要想太多，感受一下氛围(feel the vibe)”。
但这实际上意味着，你可以使用英语直接生成计算机程序。就个人而言，我曾与甲骨文的其他工程师争论过，使用英语作为编程语言是否是个好主意，因为英语是出了名的不精确。如果我们想生成程序，我们是否应该创建一个定制的、高度精确的声明性语言会更好?
这正是我们在甲骨文使用Apex所做的，我们为Apex添加了一种声明性的AI生成语言来生成应用程序。但很多人仍然在使用英语，这没关系。这由你决定。我们不会替你做这些决定。我们只是确保你拥有选择权。
但是甲骨文正在创建的大多数新应用现在都是生成的代理，而不是手工编写的。它们通过工作流连接起来。有趣的是，当我们生成这些应用程序时，应用中没有安全漏洞，因为应用程序生成器不会遗漏东西或犯下这类错误。我们生成的每个应用程序都是无状态和可靠的。换句话说，如果运行该应用的计算机突然崩溃、断电，或发生任何事情，该应用程序可以立即在另一个数据中心重新启动，因为它是无状态的。即使它在A位置停止运行，它也会在B位置无缝地继续运行，不会丢失任何数据，客户也察觉不到。因此，当你生成这些应用时，它们内置了备份、内置了无单点故障、内置了可靠性、内置了安全性，并内置了可扩展性。所有应用都是这样编写的。这不是什么低代码应用编程语言，那种语言通常设计用于编写部门级的东西。它们可能适用于20、30、40个用户，但之后它们就会开始变慢，因为它们并非设计用于扩展到数百万用户。但由于我们是生成的，设计总是一致的。我们总是为数百万用户设计，即使只有五个人使用，它也会运行得更快，并使用更少的资源。
我们从中获得的生产力提升是我们对医疗保健领域努力感到非常满意的原因之一。我们可以重建Cerner的代码库。使用AI对其进行现代化,通过生成代码来构建一个现代版本的Cerner。我们已经为诊所运营提供了所有的代码。明年，我们将为所有急症医院提供代码。我们用三年时间重写了Cerner在超过四分之一个世纪里编写的一切，而且我们做到的功能比他们以前的系统强大得多。
我们的工作不只是自动化一家医院或诊所,而是自动化整个生态系统。当你使用这些不可思议的AI工具时,这就是你获得的巨大生产力提升。
重建Cerner的医疗保健案例非常引人入胜，因为它并不仅仅是我们正在做的事情。是的，我们正在重建Cerner，但我们也在为医院设计会计系统，为医院设计人力资源系统。医院是非常特殊的地方，它们有点像50/50的零工经济，许多护士在一家医院工作，也会为私人患者工作。他们的排班很不确定。你不知道周一需要多少护士或医生。
这取决于你在做什么，接待多少病人，有多少手术室可用。因此，医院的人力资源系统非常不同且复杂。医生、护士和其他卫生专业人员、技术人员必须获得大量认证，才能进行某些测试、某些程序，才能处理特定的病人。
我们的HR系统必须处理这些认证、安排培训、安排工作时间。他们经常交易班次，要求灵活处理所有这些事务，在他们加班时正确支付薪水，同时也要理解他们可能一周只在这里工作两天，然后四天在另一家医院工作。
所以我们正在建设人力资源系统、会计系统和银行系统。我要说的这个可能会让你感到惊讶,然后我将进入我的例子。
我们正在建立银行系统，为医院提供基于其应收账款的贷款。我要描述一个AI代理。我们的目标不仅仅是像Cerner或我们其他竞争对手那样自动化医院和诊所。
我们遵循 Elon Musk的原则，如果我们真的想在医疗保健领域取得成功，我们就不能只自动化医院和诊所。我们必须自动化整个生态系统。就像Elon必须建立一个全球充电网络一样，否则电动汽车就行不通。
他不能只制造汽车，然后假设标准石油会提供燃料，就像福特所做的那样。不。要制造电动汽车，他不仅要设计电动汽车、制造电池、在制造厂里放置机器人、弄清楚如何在互联网上销售汽车。
他还必须建立一个全球充电站网络。他必须建立一个完整的电动汽车生态系统。
如果我们想自动化医院和诊所,如果管理这些医院和诊所的监管机构没有自动化,那么这些医院和诊所就不会非常有效率。
如果患者在预约或接收血液检测结果时，没有获得这种自动化技术的使用权，那么你就必须自动化患者、提供者、付款人、监管机构、制药公司、为医院提供资金的银行、以及政府。政府也在监管医院并收集信息。
你必须自动化整个生态系统。只有那样，你才能拥有一个真正现代化、高效的医疗保健系统，这也是我们当初收购 Cerner的第一步目标。
无论如何，我们建立过的最有趣的AI代理之一是连接提供者和付款人。这是一个非常有趣的问题，我们在研究这个问题时花了一段时间才完全理解它。我们希望医院做什么?医院必须弄清楚，我能为这位患者提供最好的护理是什么。
这在某种程度上是正确的。但假设你在英国，最好的护理方案是你血糖很高，我必须给你开Ozempic或其他GLP1药物。但你知道吗?英国的NHS(国家医疗服务体系)不为Ozempic买单。他们不会报销，而且这种药很贵。
那么，有没有其他药物可以帮助你管理血糖水平?是的，有。它们效果好吗?是的，这些药物相当不错。NHS会报销这些药物吗?是的，他们会。
因此，当你自动化英国的一家医院时，你真正做的是与医生合作，制定出在患者无法自行承担费用的情况下，能够获得全额报销的最佳护理质量方案。这两件事是紧密结合在一起的。因此，要构建这个代理，对于在英国无法负担Ozempic的人来说，开这种药是毫无意义的，因为他们的保险-在英国政府就是保险公司-NHS不支付Ozempic。今天仍然如此。
所以这就是我们必须构建的东西。我们必须构建一个在美国、英国以及全世界都能解决这个问题的方案。我们的目标是获得最佳护理，同时实现完全报销。
我们构建的AI模型首先使用RAG来访问最新的医学文献、你最新的测试结果、EHR(电子健康记录)生命体征以及所有血液检测信息，以帮助医生制定最佳护理方案。
我们必须知道一些事情，比如针对这位患者的特定类型癌症有一个新的临床试验，医生应该考虑让患者参与该临床试验。因此，AI模型毫不奇怪地会拥有关于临床试验的所有最新信息，了解哪些药物对医生正在看的这位特定患者比其他药物更有效。因此，AI模型将向医生提供信息，帮助医生找出患者的最佳护理方案。
然后，AI模型还接受了训练，使用RAG来访问最新的规则和政策。在美国，这些是保险政策和规则。你有什么保险？你有医疗保险(Medicare)吗？你有医疗补助（Medicaid）吗？你有什么补充保险？我必须弄清楚哪些是覆盖的，哪些是可以报销的。我真正需要的是这些相交的集合：什么是最佳护理，什么是完全可报销的。
因此，我必须用所有的保险规则来训练模型，以确保医生正在开的药是完全可报销的，并且我必须沿途捕捉到一些小问题。比如，如果你的身体质量指数超过了某个点，我实际上确实会在英国报销 Ozempic。
我必须确保医生知道这一点，并且我可以让医生知道，这是一个例外情况。这位患者有资格使用Ozempic，因为他们的体重超过了某个阈值，而且刚刚修改的规则规定他们现在可以获得 Ozempic。
我必须做到这一点。所以AI代理会利用所有这些数据进行推理，提出在可实现的最高报销水平下的最佳护理方案。这就是它的目标。在世界上大多数由政府支付医疗费用的地方，都是如此。
还有最后一件事，我们也做到了，我们有相关的案例。世界上很多诊所和医院，包括在美国，手头没有大量现金。如果他们的再保险报销没有及时到账，有时他们就无法为新患者提供护理。他们一直缺乏现金。
AI代理在这里可以做的是，向银行提供关于特定报销集合的所有信息，向银行保证这些报销将遵守所有的报销规则，并且诊所和医院事实上会得到报销。有99%或95%的机会得到报销。银行可以稍微打个折，然后根据这些应收账款提供贷款。
这是一个非常吸引人的问题集合。当你审视医疗保健生态系统、医疗保健生态系统的财务方面时，会发现它的运营成本非常高。有大量的行政职责、行政任务，我们可以利用AI将其自动化，让患者可以花更多时间与关心护理的医生在一起，我们可以弄清楚如何获得最高可实现的报销，如何让医院获得继续运营所需的现金。所有这些都通过自动化完成。
医生和护士的时间可以更有效地花在病人身上。正如我所说，AI将使我们所有人的生活变得更好。
甲骨文云非常独特。甲骨文从最简单的意义上说,提供基础设施和应用程序。我们提供大规模的企业应用和大规模的AI基础设施,我们是唯一一家提供这两种服务的云提供商。
我们其他大型云服务商微软、亚马逊和谷歌——实际上不做医疗保应用、企业应用、大型金融应用。换句话说，他们开发AI技术。他们可能开发AI技术，也可能不开发。谷歌有。其他两家没有。他们可能开发AI技术，但他们也没有构建大型规模的应用，试图利用这项技术来自动化行业或自动化生态系统。
所以我们的目标与那些其他云服务商不同。我们是AI技术的创造者，同时也是使用该技术来解决不同生态系统、不同行业问题的参与者。
我们显然是AI模型训练领域的一个非常重要的参与者，我们在云中拥有这些模型，其中一些是我们训练的，一些不是，供你使用，用于解决你的问题，让你能够对你的私有数据进行AI推理，以解决你在公司想要解决的问题。
我们拥有AI代码生成器。Anthropic最出名的是代码生成。我们做这个已经很长时间了。我们认为我们新的Apex代码生成器，嗯，我可以肯定地说，Apex生成的每个应用都是可扩展、安全、可靠的。我们已经这样做很长时间了。现在我们使用AI进行完整的代码生成，通过Apex。
我们拥有AI代码生成器。Anthropic最出名的是代码生成。我们做这个已经很长时间了。我们认为我们新的Apex代码生成器，嗯，我可以肯定地说，Apex生成的每个应用都是可扩展、安全、可靠的。我们已经这样做很长时间了。现在我们使用AI进行完整的代码生成，通过Apex。
我们是唯一一家构建应用程序套件来现代化整个行业生态系统(而不仅仅是行业)的公司。医疗保健是一个例子，公用事业是另一个例子。我们正在承担整个生态系统，这使得事情运作得更有效率。你的力量只取决于链条中最薄弱的环节。
如果你必须与监管机构互动，比如临床试验监管机构，而该机构说:“好吧，一旦你完成临床试验，请将所有结果打印出来，并以纸箱的形式寄给我们。”我不会提及任何名字，但这在世界各地都在发生，这使得新药的成本高得惊人，而且需要很长时间才能问世。这是一个巨大的问题。
所以你必须自动化这些整个生态系统。然后是代理。你必须构建这些复杂的流程,这些被称为AI代理的软件机器人,它们不仅自动化公司内部的流程,还自动化公司之间的流程。一家公司如何与另一家公司对话,一家医院如何与一家银行对话。
好了，这是我演讲的第一阶段。晚餐即将开始。我来晚了一点，这样我们一结束就可以直接去吃晚饭了。
这是对世界未来图景的展望，正如我所认为的那样，由于AI的出现，我们的生活将更美好、更健康、更长寿，吃得更好，住得更好。这将是一个更美好的世界，因为这些工具功能非常强大，但它们将做的一些事情有点令人震惊。
好的，这是我们正在研究的一些事情。
我们正在研究生物识别技术。我们可以使用AI来阻止身份盗用。不再需要登录，不再需要被盗的密码，不再有入侵，不再有数据被盗，不再需要寄回你的信用卡并换一张新卡。
如果你愿意，我们可以通过生物识别技术使所有信用卡防欺诈。我不知道有谁喜欢待在医院里，医院也发现，越早让你出院对他们越有利，因为一些最讨厌的细菌、最讨厌的病原体潜伏在医院的走廊里。我们越快让你回家，患者就越高兴，你在家也越安全。
我们可以建造这些物联网医疗设备，在家中像在医院一样监测你。即使在紧急情况下，你正在被转运。救护车也总是连接着的。所以,如果你家里有病人,医院工作人员会一直在监测。如果你有病人在救护车里被运送,医院工作人员可以通过音频、视频、数字连接在救护车和急诊室之间进行交流。
当AI阅读诊断图像时，我记得有一次我把摩托车翻了个底朝天，别问我当时在做什么。我摔在了右侧，断了根肋骨。我记得去做核磁共振(MRI)，他们数着;“一、二、三、四。”我问:“你在干什么?”“我在数你断了几根肋骨。”“哦，太棒了。”但我做的是核磁共振，他们唯一做的就是数我的断肋骨。核磁共振还产生了所有其他数据，没人看。
当你做这些扫描时，情况总是如此，你寻找一两样东西，其余的就被忽略了。AI会找到没有人寻找的东西。而且它更精确、更准确。
AI知道你是谁，我们识别你的脸、你的声音、你的指纹。当你登录时，你坐在电脑前说:
“嗨，Sephra，你今天想做什么?”密码是荒谬的。密码会被盗。人们会把它们写下来。你的密码必须有17个字符长，至少有两个下划线挨在一起。
你疯了吗?谁认为这是个好主意?我唯一能记住它的方法就是把它写下来，贴在电脑旁边。为什么?这简直是愚蠢的。所以，没有密码。全部采用生物识别技术。这样对每个人都更好，数据隐私也更好。
如果你需要信用卡，我们将提供可选的生物识别信用卡。模仿他人是非常困难的。这将显著减少信用卡欺诈。银行承担所有的信用卡欺诈损失。如果银行不需要支付这些费用，你的利率就会下降。这对每个人都更好。
我们将节省大量资金，并保护你的数据隐私。
我提到了病人监测。我们将拥有这些低成本的医疗设备。我稍后会讲到它们如何实现如此低的成本。我们将拥有这些可以大规模生产的、质量更高的精良医疗设备，所有医疗设备都应该连接到互联网，并进入一个安全的数据库，只有你和你的数据才能决定谁可以看到它:你的医生，或监测你护理的健康专业人员。
你可以保持它的私密性。但这些数据可以立即供你的医生访问。如果你的医生设置了警报，如果你的血压下降到某个阈值以下，或上升到某个阈值以上，他们希望立即得到通知。所有这些都可以实现。
无论是在家、在救护车里，还是其他任何地方，你都将获得更好的健康监测。正如我所说，在从家里转移到急诊室的过程中，急诊室医生会与救护车上的急救人员进行通话。信不信由你，我们正在制造一辆。我们正在实际制造这些原型。
我们会大规模生产救护车吗?
我不知道。如果你几年前告诉我，我们会建造发电厂，十亿瓦的发电厂，我可能会说你需要多休息。这不可能发生。但是，是的，我们正在考虑这样做，因为救护车连接了网络，装载了AI，这是一种更安全的运送病入的方式。
诊断成像。我妻子怀孕时，我们当时住在夏威夷。她去做超声波检查，技术人员做了两件疯狂的事情。一个是技术人员拿了一把尺子，在超声波屏幕上测量胎儿的发育，测量头骨有多大，脊髓有多长。我说:“等等，等等，等等。那是在测量一个漂浮在液体中的三维形状，你用一把二维尺子来测量?”
你在开玩笑吗?谁认为这是个好主意?我们应该能够用AI非常准确地做到这一点，即使是原始的AI也应该能够做到。然后情况变得更糟，这位技术人员，我们在拉奈岛，而医生在檀香山，她把她的iPhone举到超声波屏幕前，这样医生就可以在iPhone上看到超声波图像。我的天啊!你是说你不能以高分辨率记录并数字传输它吗?你是在用FaceTime传输图像吗?
不,我记得我说了一句话:“我向你保证,我会解决这个问题。我向你保证我会解决这个问题，这太糟糕了。我简直不敢相信正在发生这种事。”
当然,通过AI,借助三维视觉,我们可以准确地测量超声波上的胎儿发育。我们再次可以找到医生没有寻找的东西。目前的影像诊断,我们的一个合作伙伴可以查看肿瘤活检切片,并在几分钟内从图像中诊断出癌症。
如果我们走完整个过程，包括所有的基因检测和其他事情，可能需要一到两周的焦虑，以及一到两周没有接受治疗的时间。AI将使我们能够非常快速地得到响应。要么说你没事，干净了，一切都好，要么说，不，你需要马上开始使用这种药物。在这两种情况下，我们都会得到更好的结果。
这是一个非常有趣的设备，我们正在研究它，它被称为宏基因组测试设备。这是我们在有人生病时识别病原体的能力。我们有一种叫做PCR的测试方法，如果我们怀疑你患有甲型流感或乙型流感，或者这种冠状病毒，或者新冠肺炎，我们可以测试一些已知的呼吸道病毒。但如果你感染了奇怪的东西，结果就会显示PCR阴性。我们不知道那是什么。我们真正想做的是进行基因组测试。但在我们进行基因组测试之前，我们必须进行培养。我们必须培养它，等待几天，可能需要一到两周，然后我们才知道你得了什么病。要么它消失了，要么你因为病情特别严重而去世了。
这是一种新的传感器，它将简单地进行基因测序。它将对样本中的一切进行基因测序。所以你采集血液样本，显然你的血液中有你自己的基因。在你的基因中，有一种叫做循环肿瘤DNA(CTD DNA)的东西。
因此，如果你患有癌症，即使是早期一期或早期二期癌症，每个人的血液中都有少量循环肿瘤DNA片段，我们可以通过对你血液中所有活体进行基因测序来发现它们。过去人们一直试图利用循环肿瘤DNA，但问题是你的免疫系统会在你从未知道的情况下治愈许多癌症。
在你出现症状之前，免疫系统会清除掉很多癌症。如果我们一直告诉你:“天哪，我们发现了癌症。我们需要开始治疗你。”事实上,我们不需要。你的免疫系统会清除它。什么都不用做。所以假阳性在这种情况下是致命的。
然而，现在有了AI，我们可以查看这些片段，区分假阳性和你需要立即开始治疗的真正严重问题。这有望为我们提供非常早期的癌症诊断,每个人都知道这会导致更高的癌症积极治疗结果的可能性。它还允许我们找到你感染的任何细菌、任何真菌、任何病毒、任何活的有机体、任何病原体，并准确告诉你病原体是什么，即使它是新型的，就像新冠肺炎炎一样。
这样我们就知道如何治疗它。它会告诉你该病原体是否对某些抗生素有抵抗力，以及具体对哪些抗生素有抵抗力，以及我们应该用哪些抗生素来治疗你。
实际上,我们有一个合作伙伴在这里,我看到他们早些时候谈到了解决这个完全相同的问题,这非常重要。
想象一下，如果这个设备是一种低成本设备，放在世界各地医院的病理科，我们只需一次血液测试，就能找到你感染的任何病原体。如果我们拥有这个，我们就永远不会被新冠肺炎打包手不及。我们会得到预警。我们会比实际发现它早得多地发现它。这些宏基因组测序仪将是流行病的完美预警系统，这也是我们正在研究它们以及为什么我们需要它们的原因。以可靠的方式制造所有这些医疗设备。如果你想把宏基因组测序仪放在世界各地的每家医院里，它们不能花费一百万美元。它们不能花费十万美元。你必须以具有成本效益的方式制造它们。你必须大规模生产它们。
你必须在机器人工厂里制造它们。如果你在机器人工厂里制造它们，你会获得更高的质量和显著更低的成本。我认为我们有一个视频。这是一个圆盘，你把样本放进去，旋转圆盘，并在圆盘上运行所有这些测试。
实际上，我记得那个视频持续了三分钟，Maddie告诉我，我绝不会把整个视频放在你的演示文稿里。但令人惊叹的是，当设备和圆盘被制造时，房间里没有人。
这是另一个。你会很高兴我们没有视频。只有几张图片。
室内种植可以将我们用于种植食物的水量减少90%。这本身至关重要，因为我们正在耗尽食物。顺便说一句，我们正在耗尽世界上的食物。
我认为到2050年，非洲将成为我们人口最多的大陆。想想看。亚洲拥有印度、中国，这些都是人口众多的国家，非洲将变得更大。我们需要生产比目前多得多的食物，我们将耗尽水资源。
我们将耗尽可耕地。我们不能继续占用栖息地并将其转化为农田。我们必须更加高效。通过在温室中种植和移动植物。植物只需要在收获前的几周内有很大的空间。
否则,它们可以在更有限的区域生长。如果你可以移动植物,你将使用更少的水、更少的空间。你拯救了栖息地。如果你在室内种植，你可以在城市中心附近种植。我不是建议你在纽约市中心放置一个温室，但你可以把它放在离纽约 50英里远的地方，你在人口中心附近种植。
因此，将食物运输到人口中心的CO₂排放量大大减少。食物更新鲜。同样，在温室里，每天早上都会有收割，当天下午送到杂货店，当晚就可以食用，所以食物更新鲜。
成本更低、营养更高、味道更好。我们实际上正在建造这些东西，这些机器人温室。应该会有一张图片出现。是的，这是真的。
正如我向Elon指出的那样，这也是一个火星栖息地。这座建筑非常大。你可以把它想象成一个温室，忽略掉它。在下部那个黄色的东西是一个架空轨道系统，它将植物从一个位置移动到另一个位置。种植区域不允许人类进入，因为人类会污染种植区域。
我们真的是将植物抬起来，移动到允许人类进入的收获区域。但种植区域的CO₂含量也非常高。湿度很高。这对人类来说非常不舒服。CO₂含量非常高，这对植物有好处，对人类不太好。
但如果你使用同一栋建筑，顺便说一下，这栋建筑没有结构，它是一个气压建筑。所以，里面的大气，它是一个正气压。基本上，想象一下风扇，保持建筑内部的压力高于外部压力，这就是支撑屋顶的原因。屋顶由ETF制成，这是我们所知透光性最强的材料，也相当坚固。你可以使用这些钢缆。这些是拱门中的钢缆，锚定在周围的混凝土基础上。所以你可以让机器人挖掘地基，将钢缆卡在底座上，然后打开风扇，将建筑充气。
你将建筑折叠起来。建筑是织物，带有钢缆。你将它折叠成漂亮的包裹，然后运到你要建造它的地方，或者用其中一枚大型火箭运到火星上。然后Elon可以在中间建造他的房子，拥有美丽的玫瑰园和所有其他东西。那会很可爱。
但我不会去火星。我只会去这里，第一个在加利福尼亚和得克萨斯州，比火星近得多。这是同一栋建筑的另一张照片。它们很大。绿色区域是收获区，卡车到达运送食物的地方，墙壁会抬起来。
但我不会去火星。我只会去这里，第一个在加利福尼亚和得克萨斯州，比火星近得多。这是同一栋建筑的另一张照片。它们很大。绿色区域是收获区，卡车到达运送食物的地方，墙壁会抬起来。
这将会令人震惊。你可以做的第一件事，我们已经做到了。实际上，我参与了一家名为WildBio的公司。它是牛津机构EIT的一部分。我把我的名字，或家族的名字放在了上面。
Wild Bio公司做的第一件事是，他们改良了小麦植株，小麦是一种草，他们改良了小麦，使其每英亩产量增加20%。这似乎是个好主意，因为我们正面临食物短缺。
这真的很有趣。如果你每英多亩生产20%的谷物，小麦基本上是吸收CO₂和阳光，将它们混合在一起制造食物。所以如果你种植更多的谷物，你就会消耗更多的CO₂现在，如果 AI 设计小麦，这些CO₂最终会去哪里，这取决于我们。
所以我们培育出这种比传统小麦光合作用效率高得多的新型小麦。
一旦我们将CO₂吸收到小麦中，我们可以选择将CO₂转化为碳酸钙。
顺便说一句，珊瑚礁就是这样形成的。珊瑚礁是将CO₂和阳光转化为一种惰性矿物质，叫做碳酸钙。每年春天，我们在世界各地种植大量的小麦，相当于几个亚马逊雨林的面积。如果你愿意，你不仅可以生产更多的谷物，还可以将更多的CO₂直接转化为碳酸钙，从而永远将其从大气中去除。
因此，如果你想管理气候，管理大气，管理大气中的CO₂。目前大气中的CO₂为今年认为这太高为CO₂。CO₂含量为 440ppm(百万分之 440)，有些人认为这太高了。如果你想将其降至400ppm，你可以做到。只需让小麦、玉米、大豆等作物将CO₂转化为碳酸钙，你就可以将大气中的CO₂水平管理到你认为合适的任何水平。
如果你认为最佳点是400ppm，那是正确的。现在，有人会说:“不，不，我们要清除大气中所有的CO₂。”别这么做，因为如果你清除了大气中所有的CO₂，地球上所有的植物都会死亡。所以不要降到零。那是个非常糟糕的主意。
如果你认为最佳点是400ppm，那是正确的。
现在，有人会说:“不，不，我们要清除大气中所有的CO₂。”别这么做，因为如果你清除了大气中所有的CO₂，地球上所有的植物都会死亡。所以不要降到零。那是个非常糟糕的主意。
但就稳定气候而言，最佳点可能是从440降到400。这是我们可以做到的，而且基本上是免费的。做这件事没有成本。这只是一个称为“生物矿化”的自然过程。我们可以利用我们的粮食作物。我们实际上可以在增加粮食产量的同时降低CO₂，这就是我所说的AI。
AI是一个非常了不起的工具。有很多问题我们可以解决，而这些问题长期以来我们一直无法解决，而且在我们社会内部也存在很大的争议。但你绝对有能力做到这一点。
我们也在研究玉米。农业的另一个巨大问题是氮肥。你给所有这些作物施肥以提高产量。问题是肥料由氮组成，下雨时，大量的氮流入河流流域和海洋。这种污染对我们的环境造成了很大的损害。
与其使用氮肥来滋养植物，不如直接让植物从大气中获取氮。大气中有大量的氮。为什么不直接设计植物，让它们直接从大气中获取氮呢?我们知道如何做到这一点。世界上有一种酶叫做固氮酶。固氮酶可以从大气中获取氮，就像大豆一样。它对大豆来说是独一无二的。它将大气中的氮用作植物的营养物质，你就不必使用氮肥。你可以消除非洲所有的氮肥。我不想说没有人能负担得起使用氮肥，但许多农场负担不起，即使负担得起的，这也是浪费金钱，并且对环境有害。
你可以设计植物，让它直接从大气中获取氮。植物从大气中获取氮，与从土壤中添加的肥料中获取氮一样美味、有营养、健康。这是AI使我们更容易解决的另一个问题。你会很高兴这是我最后一张有文字的幻灯片。我还有一个视频，一张图片，然后你们三位可以留下来提问。
自主无人机。任何看过无人机在乌克兰用于军事目的发展的人都看到了。不幸的是，除了在乌克兰，在欧洲战争中的用途之外，无人机还有很多棒的用途，那场战争非常可怕。
我们为无人机建立了一个空中交通管制系统。我们正在使用无人机将血液样本从诊所送到检测实验室，我们建立了一个我们称之为RFID标本库的东西，我们在上面贴上RFID标签，这样就没有人知道这是LarryEllison的血液还是其他人的血液。他们只知道血液上有一个ID标签。
然后测试结果进入云端，最终返回给我的医生和我。结果是私密且不被泄露的。但另一个问题是,有时我们会因为丢失你的血液样本或误认为是别人的血液样本而严重侵犯你的个人隐私。这不是保护我们个人隐私的好方法。所以我们建造了这个标本库，用于将样本从医院、诊所送到实验室，然后结果进入云端。
无人机还可以做其他事情，它们可以立即用红外摄像头检测森林火灾。它们甚至可以查明是谁纵火的。不幸的是，加利福尼亚州的帕利塞德火灾，以及许多火灾都是纵火犯所为。这些令人难以置信的悲剧。我们可以立即检测到火灾，并立即开始灭火。如果有人纵火，我们也可以查明。
我们不应该让警车追逐其他汽车。那些高速追逐看起来很酷，但对警察、平民和附近的汽车来说都非常危险。我们可以让无人机跟踪那些汽车。这要好得多。好的，我现在要展示我的最后一张图片。
那边就是RFID标本库。最后一个视频即将出现。它来了。
所以你可以部署这些。在帕利塞德地区会很棒。现在是旱季。你派出无人机。你可以有一系列的这些汽车。
如果你在荒野中迷失了徒步者，或者发生了类似的事情，它们是便携式的。我想它现在要降落了。如果它安全降落，我将回答我的第一个问题。这是一个视频，它会安全降落的。太棒了。那是一个充电站。
Wood PLC Representative Wood PLC是一家大型的全球咨询和工程公司。我们在 60个国家运营，拥有 36,000名员工。作为职能部门，我们的IT、人力资源和财务职能效率低下且成本高昂。我们有几十个人力资源系统。应用程序环境非常分散。我们有许多不同的工作方式和流程。
我们发现要汇集我们的员工数据和报告非常困难。一个关键的影响是，我们难以让员工在Wood轻松工作，难以以更统一的方式与员工互动，而且正如我所说，工作流程中的自助服务能力也不足。
我们选择了OracleFusionCloudHCM,因为它涵盖了我们的人事流程。它还真正关注员工和候选人的体验，这对我们很重要。迁移到SaaS软件让甲骨文承担了所有繁重的工作，使我们能够利用并在人事流程的创新方面快速推进。
我们已经启用了核心HR、人才管理以及劳动力薪酬和学习模块。这是我们推出的第一批模块。此后，我们还引入了OracleRecruit withRecruitBooster。我们正在利用Journeys进行入职培训。我们最近还实施了Help Desk和Digital Assistant,这确实为我们的人事流程提供了完整的端到端服务。
我们已经启用了核心HR、人才管理以及劳动力薪酬和学习模块。这是我们推出的第一批模块。此后，我们还引入了OracleRecruit withRecruitBooster。我们正在利用Journeys进行入职培训。我们最近还实施了Help Desk和Digital Assistant,这确实为我们的人事流程提供了完整的端到端服务。
我们已经在Oracle Recruit和绩效管理中启用了AI功能。我们最近在绩效目标中启用了AI助手。我很高兴地说，反馈非常惊人。我们缩短了招聘时间。在启用AI之前，我们对贸易和工艺人员的招聘时间是45天。
启用AI之后，我们现在是21天。对于可报销的职位，这个招聘时间是一个关键指标和关键目标。如果我们没有填补职位，我们就无法向客户收费。
AI代理将帮助我们真正推动自助服务的采用。它将支持我们的员工和经理在工作流程中找到答案并获得指导，他们不再需要发送电子邮件给人力资源部，联系我们的共享服务中心，等待回复。
他们在应用程序中，可以在那里获得所需的指导。他们可以再次专注于他们工作的价值增加活动。我们从甲骨文那里得到的支持和合作是首屈一指的。数字化转型永无止境，它在不断发展。我认为与甲骨文合作，他们把客户放在第一位。
“人工智能+健康”，空间因“您”而变！
合作沟通：请加 zr18620222480
链接分享：请发至1638079312@qq.com