亚马逊对Alexa的投入可谓巨大，从200亿到430亿美元不等，且有约10,000人参与其中。然而，尽管如此，Alexa似乎已经落后于市场上的新竞争者，比如由小型3B LLM驱动的Siri。
组织问题：Alexa的阿喀琉斯之踵
（几周前，OpenAI发布了GPT-4 o，为具有复杂推理能力的多模式会话体验引入了新标准。）
2019年，我作为研究科学家加入Alexa AI，那时Alexa已经在全球超过1亿家庭中使用。当时，Alexa正处于高速增长期，每个季度都有新团队加入，高层领导也明确表示，Alexa将是公司未来的重要投资。
我的团队，后来被称为对话建模团队，从2人增长到20人，我们致力于将最新的人工智能研究成果应用于Alexa产品和生态系统。我们构建了组织内的第一个大型语言模型（LLM），开发了基于知识的响应生成器，并为Alexa成为家中的多模式代理进行了原型设计。
技术与官僚的双重挑战
- 不良工艺：Alexa在保护客户数据方面做得非常出色，但这也导致了开发人员在内部基础设施上的不便。获取数据进行分析或实验需要数周时间，数据注释质量差，文件要么缺失要么过时。实验常常在资源有限的环境中进行，这在硬件资源充足的亚马逊看来是难以接受的。
- 碎片化结构：Alexa的组织结构是分散的，这导致了多个小团队在不同地理位置处理有时相同的问题。这种分散的组织结构导致了团队之间的竞争，而不是合作，进而影响了整体的效率和协同。
- 产品与科学错位：Alexa以客户为中心，这在内部意味着每一项工程和科学工作都必须与下游产品保持一致。这种压力使得团队难以进行长期的、实验性的投资，而必须不断地向高级领导层证明其价值。
未来展望
尽管Alexa已经销售了超过5亿台设备，拥有庞大的用户数据，但这并不足以确保其在对话式人工智能市场的领先地位。为了在未来的市场中取得成功，需要投资于强大的开发人员基础设施，特别是在访问计算、数据质量保证和简化的数据收集流程方面。此外，需要确保产品时间表不会决定科学研究的时间框架，避免公司的教条和激励结构扼杀所需的创造力。