大日本印刷（DNP）ChatGPT Enterprise 部署结果
大日本印刷（DNP）已在十个核心部门集成 ChatGPT Enterprise，以推动组织转型和业务创新。此战略部署在整个组织中实现了每周活跃使用率 100% 和任务时间减少的自动化率 87%。
战略部署和采用指标
DNP 瞄准十个高影响部门以加速 AI 采用。公司制定了严格的成功基准，要求员工每周至少使用 ChatGPT 100 次，并将任务时间减少的自动化率目标设定为超过 50%。
关键绩效指标在部署三个月后包括：
- 每周活跃使用率： 100%
- 可衡量结果： 90% 的用例展示了可衡量的结果
- 任务时间减少： 自动化率 87%
- 知识重用： 通过自定义 GPT 实现 70% 的知识重用率
- 处理量： 处理量增加了 10 倍
对知识产权和专利研究的影响
在 ICT 研发部门，DNP 已实现专利研究和申请策略的自动化，以取代手动任务。这使得焦点从个人判断转向客观的 AI 驱动决策。
具体改进包括：
- 专利研究： 自动搜索、摘要和分类使研究时间缩短了 95%，覆盖范围扩大了 10 倍。
- 申请策略： AI 用于识别 DNP 技术与竞争对手专利之间的区别点，从而最小化修订并降低被拒绝的风险。
- 竞争分析： 首份报告的自动生成使准备时间缩短了 80%。
技术创新和快速原型
DNP 推动生产技术的研究部门利用 ChatGPT Enterprise 缩短了材料评估和数据分析所需的时间。
显著成果包括：
- 快速信息结构化： 英文专利和设备原理的信息在三天内被结构化，而此过程之前需要数月。
- 编码民主化： 没有 Python 经验的员工能够生成并运行用于数据分析的代码。通常需要超过一年的开发工作在几天内得以实现。
IT 治理和云运营
DNP 正在使用 AI 来现代化 IT 治理和安全审计。重点仍然是使用 AI 进行数据收集和输出生成，而人工监督仍然负责最终验证。
运营效率提升包括：
- 外部安全审计： 比较时间从 30 分钟缩短至 5 分钟，加密套件选择时间从 3 小时缩短至 1 小时。
- 云安全： 对大约 100 项 CIS 基准不合规项的初步检查在 10 分钟内完成，之前需要两人天。
- 需求评审： 通过参考设计政策和历史记录，评审时间从 1 小时缩短至 30 分钟。
制度知识保存
DNP 正通过数字化纸质手册和历史质量日志中的非结构化数据来应对制度知识的流失。
通过使用 ChatGPT Enterprise 来结构化和数字化这些数据，DNP 已：
- 减少架构定义时间： 定义数据架构所需的时间缩短了 90%。
- 提升研究能力： 团队能够审阅的技术论文数量翻了一倍。
- 数字劳动力： 目标是将代际知识转化为“数字劳动力”，以抵消劳动力短缺并为长期创新构建能力。
未来展望：AI 代理和物理 AI
DNP 想象从人机协作过渡到一个基础，在此基础上业务流程通过 AI-to-AI 交互来运行。此策略侧重于将以人为中心的信息转换为 AI 可理解的数据，以应对劳动力减少和物理 AI 与机器人技术的整合。