對照如今，當人們向ChatGPT問問題或提要求時，往往會設定更詳細的敘述，包含情境、角色、角度與目標等，尤其是理解設定應答的角色和角度，與對應先前互動回饋作調整之類，這些都是更為抽象的概念，但ChatGPT卻能將其收攏運用，對應這些要求做出新產出的答案。（其他大型語言模型也有類似的表現。）
事實上，描述越明確的要求，ChatGPT的答案往往也越接近使用者想要的。這種能應對各種概念的特性，以往的軟體想要達成其實沒那麼容易，而生成式AI卻相對容易接近這種功能。當中一個核心原因就是生成式AI承接了自然語言的連結內容能力，獲取了概念在語言中的用法；換言之，獲取了概念在語言中的功能和應用性。
因此儘管目前生成式AI掌握的仍主要是連結，但這樣連結已足以衝擊應用。因為它帶來的是抽象概念可以在電腦中透過自然語言來應用化，以及透過自然語言來傳遞的特性。
自然語言或其語言模型作為串接工具，可能將衝擊應用層面
這種可傳遞性，有些以往抽象概念不容易描述的部分，如今當不同AI和應用牽涉到抽象概念，包含概念的用法掌握、傳遞和整合(例如一整組句子和段落)時，現在只要給幾個自然語言的字詞，當中就帶有概念的傳遞。若給予洽當的一組字詞或句子時，有時則能限縮結果至想要的模樣。
這也是為什麼，自然語言的大型語言模型現在看起來這麼重要，或者說很多人包含業界人士都認定這波會帶來不少改變，以至於科技產業用一種很大力度的方式關注，並且似乎在這方面要開啟科技巨頭間直接競爭的態勢（科技巨頭有時候不會那麼「直接」在一個領域中正面競爭），而且同樣都牽涉自然語言的大型語言模型。當中原因，或許除了大型語言模型承接自然語言而看似有某種概念處理和整合的功能性與通用潛力之外，另外一個原因則是，自然語言或其AI本身就可以是一種串接工具，一種容許龐大資訊量，操作彈性高，對人類使用者友善，而且功能足以應付日常多數需求的泛用串接工具。
一旦更多軟體或工具開始能透過自然語言串接（這也是目前一些科技產業確實有想著手進行的事情），那麼你就可以享受到自然語言本身帶有的強大豐富性和功能。抽象概念以往不易執行和傳遞，現在則可以更容易地應用化，這當中包含了與程式語言及API的連結。AI可以透過自然語言找到或連結與之對應的程式語言並執行指令；或者，透過跟Plugins的整合，同樣可以將自然語言的功能轉換到執行面。（當然，更有通用性質的語言AI也可能直接用自然語言下prompt給其他AI。）
