核心摘要：生成式人工智能广泛应用几年后，合成数据即将改变商业世界。
在当今的商业环境中，现实是，设计用于办公室或家庭的人工智能是复杂的、全面的、足够快的，足以在业务决策中进行导航，并且仍然提供与人类的交互。
从快速跟踪医疗保健领域的药物开发、模拟金融服务中的欺诈交易，以及推动汽车领域的自动驾驶汽车测试，它已经在各种业务环境中展示了其价值。
传统上，企业一直从各种来源收集信息、存储和分析以支持业务决策。随着人工智能创建密切模仿现实世界的合成数据，这种方法很快就会过时。
在零售银行领域，银行和金融机构根据收入和资产制定针对目标客户群的策略。研究人员现在可以创建人工智能驱动的角色机器人来模拟富裕的客户群等。该机器人可以日夜与部门负责人进行实时对话，讨论新产品并提供建议和具体见解。
同时，任何部门都可以轻松访问机器人，以促进银行的其他运营，例如新服务或战略规划。现在，所有利益相关者都可以使用自然的沟通语言与数字客户聊天，就像他们是真实的个人或团体一样，并获得有关生活方式、行为和偏好的无限答案。
此外，组织有一种新的方式通过综合专家向员工甚至客户传播他们的知识和经验。多年来，专业服务公司依靠传统的方法和顾问来交付项目，这有时很麻烦。未来，合成专家可以接受基于文本和基于数字的真实世界数据的培训。这些人工智能专家可以租给大型企业和小型企业提供专业服务。
已经存在的综合数据应用是产品测试。虽然数据收集速度每年都在变得更快、成本也越来越低，但通过使用人工智能的合成数据，在时间和金钱方面仍有更大的节省空间。例如，一家医疗保健公司希望找到 300 名女性客户来对三种新产品进行研究。现在，该公司只需要找到150名女性客户，其余数据由人工智能创建。这种方法有助于增加样本量并获得统计显着数据。
显然，人工智能模型需要高质量的输入、数据和培训。仅靠人工智能无法捕捉人类所经历的情感、期望或背景。合成数据还存在固有的权衡，因为它无法完全匹配现实世界数据的准确性。如果人类样本不具有代表性，它可能会失败。这意味着人工智能不能像魔术一样凭空出现；它是根据可靠的数据集构建的。
能够随意、大规模地生成合成数据的承诺非常有吸引力。然而，公众对这些数据的看法却相当两极分化。企业可能会采取观望态度，暂时犹豫是否使用。可以肯定的是，合成数据和真实世界数据都是需要的，而合成数据的准确性需要投资。
通过正确的方法，合成数据可以发挥强大的作用，例如产品测试。它可以提高客户理解的速度和深度，通过降低成本、节省时间和提高内部利益相关者的参与度，使其成为资源密集型领域的理想选择。
