随着ChatGPT浪潮爆红，也开始吹起一股担心自己工作不保的焦虑感，「这个时间点，我鼓励大家开放心态谈论ChatGPT，不要恐惧自己被裁员，公司不会这样做。」Gogolook共同创办人暨执行长郭建甫要建立健康的正面讨论氛围，正是他看到这股AI新浪潮後做的第一件事。
郭建甫引述a16z创办人Marc Andreessen的观察，人们对自动化浪潮焦虑的爆发，从1930年代以来，大概每30年会出现一次，不过每一次这种令人深刻的演示，很多人担心快速爆炸後，会影响到所有人类的劳动力，Andreessen Horowitz强调这种感受是大错特错，他不只鼓吹这股趋势，也反思提醒说，这种事其实每30年就会发生一次。
郭建甫用「On top of AI」(站在AI的肩膀上）这个概念来聚焦员工的思考，「如何用AI强化自己的能力，把AI当作是自己的延伸，只是这次不是实体的延伸而是心智、知识的延伸，」他表示：「要从这种生产力层面来思考，能不能用150个人（编按：与目前同样的人力规模），做到10倍、20倍的成长。」
不只如此，他更进一步探讨ChatGPT浪潮的本质，就像10年前，iPhone问世时，创造了一个以iOS为基础的公共基础设施，也就是行动网际网路，在上面可以发展很多行动App，「从公共基础设施（utility）的角度来看，带来了一种空间和时间的公共设施（space and time），」他解释，让你摆脱物理限制，变得生产力很高，坐在这边按一个键，食物就从A点送到B点，时间跟空间被压缩 ，这是当年iPhone moment带来的效用。
ChatGPT的出现，同样被形容成是另一次的iPhone时刻，同样的道理，「生成式AI是底层基础，上面是知识的公共基础设施，知识变成一种公共财，所有人都可以存取到跨语言、跨文化的知识。」他更进一步强调：「这种知识公共基础设施会带来两种冲击，第一是对生产力带来冲击，」所以，郭建甫要求员工开始解构自己工作中，无聊、没有意义的成分，思考如何交给AI，来获得更多的时间。
带动每一个人开始使用和思考後，甚至有Gogolook开发端主管思考，是否要区分前後端，前端工程师能不能保留系统分析、逻辑思考、将人的需求转化成机器听得懂的语言，保留这些能力，但借助No Code工具和ChatGPT，能不能学会後端开发的技能。
迎战ChatGPT浪潮要先做的2件事
郭建甫的第一步是「要求公司每一个人都思考，从主管到个人，让大家开放心态的谈论这件事。」他先从鼓励讨论着手的目的是，要让全公司「真的理解ChatGPT代表什麽样的演化。」
不只追求更彻底的了解，第二步，他向自己和所有员工这样提问：「当知识变成一种公共基础设施（Utility）之後，如何加入到产品中？」他强调：「如何在这些知识之上，创造你的应用，变得更重要。」
不只Gogolook，很多动作快的新创都已经开始思考，如何解决用户痛点，在证明有存在价值的服务上，再加上AI的能力。郭建甫表示：「用户痛点是重点，如何在既有服务，在已经可以解决用户痛点的商业模式上，透过这些生成式AI将UI/UX升级，我觉得，绝对是必要的事，但不是像接水管般一样就创造一个服务，你可以这样做，别人也可以这样做。」
OpenAI创办人Sam Altman也曾探讨过新创在这波浪潮中的机会，他的看法是，全世界最後会剩下只有几家公司提供超大语言模型Base Model的服务，如何善用「1%的客制化」成了关键。
因为像GPT 3这种一次训练要价千万美元的超大语言模型，没有几家企业可以负担，而OpenAI公司目前也没有开源释出底层基础模型（Foundation Model或称为Base Model），只开放透过API来客制化微调(Finetune）的是在这个基础模型上的属性模型（Attribute Model），仍然需要在基础模型上才能执行。所以，新创可以利用属性模型的微调，来建立客制化的中间层的服务。
发展客制化AI的两大方向
郭建甫认为，属性模型客制化可以有两大方向，第一是瞄准ChatGPT没有的领域知识（Domain Knowledge）， 它不是每个领域的专家，第二个层面是可以进行原则或政策（principle 或policy）的客制化。
领域知识是许多企业想要进一步调教ChatGPT的重要方向，这是许多企业或新创已经看到的主流客制化做法，但是郭建甫提到的Policy层客制化又是什麽？为何是重要的发展？
他进一步解释，模型本身会有基本的道德面政策，例如不能涉及敏感政治问题、暴力、诈骗等，但做生意需要的不只是这种政策机制。
例如日本有很多IP角色，也需要有一套符合对应人设的Chatbot AI发言政策控管机制，日本公司才敢授权。所以，郭建甫才认为：「中间层的控制，除了领域知识，我觉得原则或政策机制的控制，也很重要。」例如为了避免滥用，一套好的监控机制，来确保不会授权角色的滥用，也很重要。
生成式AI也带来3个层面的新挑战
不过，ChatGPT不只带来新的机会，郭建甫观察，也带来了三个层面的挑战，第一个层面是资料与资讯面的挑战，GPT模型本身目前最为人诟病的就是内容真实性不足的问题，郭建甫指出，如何让ChatGPT的回答更具备事实基础和提供参考来源，这是一个值得被解决的问题，甚至他认为，在问题解答中标记出所用的参考来源网址，也可以是一种好的商业模式，例如Bing结合ChatGPT模型後的做法。
不过，郭建甫更强调，第二项监管层的挑战，这就是他所谓在中间层的控制机制。「出现很多客制化GPT时，这也代表需要制定这个客制化AI的政策，」就像若有家银行要以ChatGPT技术来打造大型企业的发言人，就需要一套这家公司专属的人设政策，来限定发言的AI什麽可说，什麽不能说，而且不能出错。或者如美国已有人工智慧相关的法遵，要求必须在商用或政治领域用Chatbot中标明这是AI而非真人。「未来，在治理面、平台到应用层，每一层都需要再建立政策机制，」…