Transcription
人工智能技术发展迅猛，几乎每天都有新技术涌现。因此，信息滞后是毫无益处的。
许多人常常忽视数据的重要性，但事实上，人工智能的本质就是数据。数据占80%，而人工智能模型只占20%。
我22岁时创立了公司，至今已有六年。目前的年销售额约为100亿韩元。我们预计明年的销售额也将达到100亿韩元。
>> 您好，这里是AI Money Trend制作组。
>> 您好，我是金智贤。我感兴趣的领域，比如人工智能或技术领域，我会设置成让AI自动总结，然后只选择阅读我想要的文章。
>> 哦，那AI会主动帮您收集文章吗？
是的。这是Slack这个通讯软件，我在里面设置了一个机器人。这个机器人会实时向我推送信息。前不久，开发出ChatGPT的OpenAI公司来韩国了，我分享了相关新闻。这是我们公司的通讯群组。像“公告”这类信息，是大家需要了解的，会发布在这里。而当客户在我们官网提交咨询时，信息会自动发送到这个Slack群组作为提醒。
>> 如果用以前的方式，大概需要多长时间？
以前如果我自己搜索，大概需要30分钟。现在我快速浏览一下，感觉不到5分钟。
>> 您会向普通人推荐AI吗？有什么推荐的吗？
>> 嗯。我一定会推荐的是ChatGPT。
ChatGPT可以被视为一个基础工具。我来向您展示一下我平时是如何使用ChatGPT的。我安装了ChatGPT应用程序，直接对着它说话。
“我需要给团队成员反馈，但他们写的报告太肤浅，缺乏专业性。请你加入更多AI知识，重写报告，并润色一下。”
哇，不到3秒就出来了。
>> 是的。我说话也只需要一两秒，实际的回答也很快就整理好了，只需要几秒钟。我可以直接复制粘贴，然后转达给团队成员。
>> 工作效率肯定大大提高了。
>> 是的。我们使用像ChatGPT或Claude这样的生成式工具，使用与否的效率差距可能超过五倍。
我现在看的是“Trending Papers”，这是最近流行的论文，在开发者之间引起热议的技术等都会发布在这个网站上。虽然这和我们的主要领域不太相关，但看起来很有趣，比如这是关于视频生成的论文。
>> 哇，这些是AI论文吗？
是的，是的。你看，当输入人脸数据时，就会生成合成的，也就是我们常说的“Deepfake”技术。这些论文是关于在视频中保持一致性，同时将人脸嵌入进去的。我看到有趣的论文时，也会将其输入ChatGPT进行总结，然后分享给团队成员。人工智能技术发展迅猛，几乎每天都有新技术涌现。即使是我从事AI行业的人，也觉得速度非常快，比我预想的还要快。因此，信息一旦出现，滞后是毫无益处的。
是的。所以必须尽快分享，以免信息过时，因此我们会立即分享。
这是LinkedIn。在海外，人们甚至用LinkedIn代替名片，它是一个非常普及的平台。我写的一篇文章，曝光量达到了13万次。
>> 嗯，您的关注者通常是同行吗？
我想是的。通常是创业公司的人，或者从事AI行业的人，95%以上应该都是IT从业者。我的社交媒体好友。
>> 谢谢。这里是我们公司。
>> 哦，您是代表吗？
是的。是的。我是韩国深度学习公司（Korea Deep Learning）的代表，这是一家专注于人工智能文档理解的企业。目前，我正与大约40名人工智能专家一起，致力于开发能够理解文档的人工智能。
现在这个画面是我们Agent的界面。这是之前录入的文档列表。这些文档通常是金融机构或贷款公司使用的。里面有很多文字，比如“某某股票持有量”、“某某变动确认”等等。但实际上，我们在工作中需要的信息，可能是客户的名字、客户的出生日期。但使用我们的Agent，可以在0.5秒到5秒内快速读取这些信息。然后，这些信息可以直接与系统对接，无需人工处理。
>> 那您是怎么开发出这个模型的呢？
是的。可以说，这是因为我们开发了VLM（Vision-Language Model），所以才成为可能。VLM最初主要用于场景理解。比如监控。在CCTV中，会识别有多少人，谁在拍摄谁等等。VLM在这方面应用最广泛。比如“请解释这张图”、“请告诉我这是什么情况”。我们将其针对文档图像领域进行了专门的调整，因此才有了我们独有的、专注于文档的VLM技术。
我的父母都是开发者，家里的长辈也都是第一代开发者。所以我从小就对电脑很熟悉。小时候，你们知道书架上会放着书，比如Java、C++之类的书。虽然当时我无法完全理解所有内容，但我就是在这样的环境中长大的。父母也从小就教我编程等知识。所以，我确实受到了很大的影响。
要不我给您展示一下？对比一下Google和我们的产品有什么不同。我将上传这个文件。实际上，有些地方需要每年比较股东名册。如果用Google来读取，它会这样读取：人工智能，姓名，关系，期初，期末，备注，结束，股份数量。
>> 只是把文字读出来而已。
是的。我们用Google和我们的产品读取同一份文档。它会这样显示。刚才的OCR或者Google Document AI根本无法捕捉到这种关联性。我们能够识别出“李在镕”这个人持有的普通股数量是多少，期初股份数量是多少，持股比例是多少。信息的层级结构没有被破坏，而是完整地关联在一起。
>> 哦，都显示出来了。
这清晰地展示了使用了VLM的文档理解技术与未使用该技术的文档理解技术的巨大差异。您看，以前的文档能正确识别“正常销售额5% VAT另计”，也能正确识别“5”。但实际上我们需要的信息是，正常销售时的佣金率是多少？均一销售时的佣金率是多少？也就是说，文档技术需要结合前后信息，理解“正常销售的佣金率是5%”。这才是更重要的。所以，我们文档理解Agent的准确性标准是：将“가”识别为“가”，不再是其他意思。将“金智贤”分类为“申请人”。将2024年12月的电梯维护费识别为1128韩元。这些才是更重要的。
>> 代表，这里的数字是什么意思？
这个数字是人工智能判断该客户信息为“韩某某”的可能性。人工智能认为这个人是“韩某某”的概率是99.5%。也就是说，它认为这个判断是正确的。我们可以设定这个置信度分数规则，比如，如果置信度低于90%，就让我再确认一次。我们可以这样指示人工智能。这样，一些不太准确的信息，就可以由人工再次确认。
>> 人工智能识别手写体应该很困难吧？
是的。关键在于收集了多少样化的数据。我们公司6年多来一直专注于收集这类文档数据，并研究文档、手写体和印刷体。因此，我们现在拥有超过4亿份这样的数据。这是实际工作中使用的办公文档，超过4亿份。因此，我们拥有各种各样的手写体。
哇，收集了这么多数据，识别率才这么高吗？
是的，没错。在行业内，将识别率提升到这个程度非常重要。因为像ChatGPT这种通用型ChatGPT，即使准确率达到一定程度也就可以了。稍微修改一下就可以使用。但是，像直接应用于行业的AI Agent，1-2%的差异就可能决定了它是否能在实际场景中使用。因此，像ChatGPT这样的通用型人工智能，在应用于行业时存在一定的局限性。这也是客户选择我们公司的原因。
辛苦了。
>> 您还有会议吗？
是的。刚才提到的客户是从外地特意过来见我的，而且是一家大型公共机构，所以我需要亲自参加会议。
在会议中，客户通常会带来他们实际使用的文档。然后我们会对文档进行EDA（Exploratory Data Analysis），也就是数据特性分析。
>> 我们也在群里运营着。
嗯。客户带来的文档，95%以上都可以通用我们的产品。但也有一些特殊文档，比如图纸，其准确率还未达到行业应用的标准。这些都需要定制开发，而我们目前不提供这类服务。所以，我们会在会议中明确告知，能做到就说能做到，不能做到就说不能做到。
我们的Agent目前已经在现代Capital、国税厅、科学技术信息通信部、疾病管理本部等80多家大型企业和公共机构投入使用。我们拥有13项自主研发的大型视觉语言模型（Large Vision LLM）技术专利。我们是一家专注于文档VLM技术，并将其发展为通用人工智能的团队。
这项技术我们在今年上半年完成了商业化。与去年相比，累计销售额增长了400%以上，达到了约100亿韩元。我们预计明年的销售额也将达到100亿韩元。这项技术发布后，仅两个月内我们就签订了价值10.9亿韩元的合同，接近11亿韩元。目前，有非常多的客户希望引入我们的Agent，所以我们实际上是处于一种预约排队的状态。
现实情况是，如果我们一次性接收太多客户，肯定会在我们意想不到的地方出现问题。我们的Agent主要面向B2B和B2G市场，因此稳定性要求非常高。我们预计，能够处理的最低金额是100亿韩元。
>> 肯定有很多地方联系您吧？
客户打来的电话太多了，找我们的人也太多了，我们根本不做任何营销。我们一分钱的付费营销费用都不花。现在，那些试用过我们产品或使用过我们产品的客户，会向其他客户推荐，因此我们在市场上获得了很高的知名度。所以，客户咨询量非常大。
>> 员工们肯定很辛苦吧？
所以，稍后有一个“轮值午餐”的活动，我会和团队成员一对一吃饭。我估计会挨不少批评。
大约90%是批评，10%可能是“你也很辛苦吧”这样的鼓励信息。
崔
>> 您好。
>> 您好。
>> 您辛苦了。
>> 是的。那么，请
在工作中感受到的环境改善点。比如“这些事情需要尽快处理”等等，以更轻松的方式进行交流。与其评价某个团队成员的工作，或者说“需要加快速度”这样的反馈，不如说“我现在遇到了什么困难，请帮我解决”。这就是这次午餐的目的。
现在咨询量积压太多了，大概有23件。
>> 目前GPU供应确实有些困难，所以需要一些时间。我已经让经营管理团队在9月份内尽快扩充基础设施，并准备好IDC（互联网数据中心）的部署。
>> 是的。
>> 您出来不是吃饭，而是来开会的吧？
这确实是一种会议。可能是一个月一次，也可能是两个月一次。就是和团队成员一对一吃饭，让他们直接告诉我平时想直接表达的内容。
>> 看起来很好吃。我第一次见到这个，比我想象的要好。
您觉得这样的午餐活动怎么样？
说实话，工作中需要快速处理的事情很多，专注于这些事情，就很难说出真正想说的话。所以，我觉得午餐时间是一个可以更直率地表达的机会。虽然没有私下花很多时间，但
经历了风风雨雨
我们已经成为了同事，骨子里就是。所以，不会感到尴尬或不舒服。
>> 只是
>> 抱歉，我总是
>> 啊，是吗？
>> 啊，这位朋友，别哭。好好干。
虽然大家都会说辛苦，但他们似乎都是笑着说的。因为团队成员也知道，只有蛋糕做大了，才能分到更大的蛋糕。所以，他们也能愉快地工作。
我最终想做的是，让AI阅读文字，减轻人类的工作负担。我想创造一个能够阅读文字的人工智能。图像中的文字，不仅仅是眼睛跟着看，而是要理解句子中的含义，看懂整体的语境。所以，当我们看到新闻会感到愤怒，或者了解到不知道的事实时会获得启示，我认为这就是“阅读”。
数千年来，人类通过文字的形式留下了所有的知识财富。而阅读这些文字，就是打开了通往人类积累的知识的通道。因此，如果我们能让AI阅读文字，分担原本只能由人类承担的义务，那么这将改革这个世界的运行系统和制度本身。我对此深信不疑。所以，我们致力于让AI阅读文字，从而引领人类工作和生活的整个社会系统和制度的变革，这就是我们的最终使命。
跨越黑夜，追逐无尽的时间，没有休息，没有停顿，正义在山坡上，节假日，在清晨的光芒中，我日夜兼程，你爱 o