都說做AI產(chǎn)品，不能拿著錘子找釘子。但怎么發(fā)現(xiàn)釘子，又怎么能看到哪里要打眼？這篇文章，作者提出了他的一個(gè)解法。我們一起來看看。

這篇文章，是寫給大模型公司決策者和產(chǎn)品經(jīng)理的。

不知道你們會(huì)不會(huì)有這樣的困惑：自家模型能力不錯(cuò)，功能也齊全，完整對(duì)標(biāo)AI頭部大廠，為什么就是增長(zhǎng)困難，沒人用？

回答這個(gè)問題前，我先講個(gè)小故事。

在我上篇文章告別AI焦慮，普通人快速上手用好AI大模型的3個(gè)關(guān)鍵能力剛發(fā)布后，有個(gè)前同事主動(dòng)為我推薦釘釘AI助手，他覺得這產(chǎn)品的“普適性”做的很好，理由是其內(nèi)置的AI助理模版，能快速幫他設(shè)計(jì)好角色定位。而不像其他產(chǎn)品，還要學(xué)習(xí)提示詞，多輪對(duì)話才能得到想要的答案。而且每次對(duì)話都要從0開始，很麻煩。

實(shí)際上，這個(gè)行業(yè)的人都知道，釘釘AI助理就是個(gè)智能體。像智譜清言、文心一言這些產(chǎn)品也都支持，甚至可能效果會(huì)更好，但為什么沒人為它們發(fā)聲呢？

本質(zhì)上，這考驗(yàn)的，是產(chǎn)品經(jīng)理在定義產(chǎn)品時(shí)，對(duì)需求的洞察深度。很明顯，很多國(guó)內(nèi)的AI企業(yè)，并沒有找到合適的需求結(jié)合點(diǎn)。

都說做AI產(chǎn)品，不能拿著錘子找釘子。但怎么發(fā)現(xiàn)釘子，又怎么能看到哪里要打眼？這篇文章，我想提出我的一個(gè)解法。

那就是：先工具，再AI；先入場(chǎng)，再推廣；先單點(diǎn)，再泛化

怎么理解？我一個(gè)個(gè)展開聊

一、先工具，再AI

任何一項(xiàng)新技術(shù)的到來，優(yōu)先改變的是生產(chǎn)力。無論早期的蒸汽、電力能源，還是如今的互聯(lián)網(wǎng)和AI，都不例外。

AI本質(zhì)上是技術(shù)，是一種通過文字理解，快速完成“生成”任務(wù)的能力。

就像互聯(lián)網(wǎng)背后是TCP/IP，移動(dòng)互聯(lián)網(wǎng)底層是5G。只靠協(xié)議是不夠的，只有疊加了瀏覽器、疊加了移動(dòng)OS和智能硬件，技術(shù)才能真正發(fā)揮價(jià)值。

因此，AI落地首先要思考的，是能承載“生成”能力的工具該如何設(shè)計(jì)。

當(dāng)然，你可能會(huì)說，工具不是有了么？就是個(gè)對(duì)話框，對(duì)話界面就是工具啊。

但我們可以想想，如果類比PC端的瀏覽器、移動(dòng)端的操作系統(tǒng)，一套Chat交互，是否能足夠放大AIGC能力？

• 解這個(gè)問題，還要回到ChatGPT本身的含義，人們可能過于注重Chat，而忽略了GPT，也就是「Generative Pre-trained Transformer」生成式預(yù)訓(xùn)練變換器這一定義。
• Generative（生成式）：目標(biāo)是學(xué)習(xí)數(shù)據(jù)的分布，并能生成與訓(xùn)練數(shù)據(jù)相似的新數(shù)據(jù)。Pre-trained（預(yù)訓(xùn)練）：就是總結(jié)一般規(guī)律的建模過程，本質(zhì)上是對(duì)規(guī)則和方法論的整理。
• Transformer（變換器）：則能快速準(zhǔn)確地理解上下文，并借助自注意力機(jī)制生成具備連貫性和可理解性的內(nèi)容。

總的來看，GPT模型，是以Transformer架構(gòu)為基礎(chǔ)構(gòu)建的基于神經(jīng)網(wǎng)絡(luò)的語言預(yù)測(cè)模型。它可以分析自然語言，并根據(jù)對(duì)語言的理解預(yù)測(cè)出最佳的響應(yīng)回復(fù)。

因此，能理解人類語言，并預(yù)測(cè)出最佳響應(yīng)。圍繞這一抽象概念去設(shè)計(jì)工具，就可以讓AIGC技術(shù)有更好的承載。

那究竟什么樣的工具，才更適合大模型落地呢？我們先說什么業(yè)務(wù)不適合。

凡是不需要信息吸收和傳遞，只基于想法來完成的生產(chǎn)動(dòng)作，不太適合和大語言模型結(jié)合。如下圖：

這類生產(chǎn)動(dòng)作，從有需求到完成任務(wù)，流程極短，且整個(gè)流程依賴執(zhí)行者個(gè)人的認(rèn)知、經(jīng)驗(yàn)和技巧，期間也不太需要溝通、交流，最后產(chǎn)出實(shí)體物或服務(wù)體驗(yàn)。典型例子是技工、匠人、服務(wù)業(yè)。

而需要借助信息理解、傳遞，完成價(jià)值創(chuàng)造的場(chǎng)景，更值得開發(fā)對(duì)應(yīng)的AI工具來滿足需求。如下圖所示：

這樣的流程想高效運(yùn)轉(zhuǎn)，首先是要多人參與，有一套協(xié)作流程；其次在協(xié)作時(shí)，依賴信息的傳遞和解讀；第三就是信息本身，也是一種可交付的產(chǎn)出物。比如內(nèi)容產(chǎn)業(yè)、企業(yè)協(xié)作流、標(biāo)準(zhǔn)化培訓(xùn)、決策影響，我覺得這些場(chǎng)景會(huì)更適合圍繞圖中圓圈部分上下游開發(fā)工具。

二、先入場(chǎng)，再推廣

工具再好，也要先讓人能用起來。

大語言模型的核心能力，在“生成”，而生成是個(gè)動(dòng)詞，為什么生成？生成什么？生成之后怎么辦？不解釋清楚這3個(gè)問題，也是沒人愿意用的。

因此，讓工具沉浸在實(shí)際工作場(chǎng)景內(nèi)，先完成用戶觸達(dá)和教育，再逐漸擴(kuò)大范圍，才是更合適的一條路。

拿釘釘AI助手舉例，本身釘釘就是強(qiáng)綁定企業(yè)內(nèi)部溝通協(xié)作場(chǎng)景的，符合我說的第一點(diǎn)：先工具，再AI。甚至沒有AI，工具照樣可用。

在此基礎(chǔ)上，引入模版、插件、提示引導(dǎo)、流程嵌入，讓用戶潛移默化感受到在AI的輔助下，日常工作效率可以更高，信息的理解、生成效率更高，由于信息不清晰帶來的工作失誤減少，就會(huì)更愿意接受AI功能。

再舉個(gè)例子，抖音小程序，是抖音生態(tài)下一個(gè)全新的產(chǎn)品形態(tài)。單獨(dú)的抖音小程序中心，就算引流再多，也很少有人愿意主動(dòng)打開。

但這不妨礙小程序本身DAU的持續(xù)增長(zhǎng)。背后的原因，就是它很好地和抖音主場(chǎng)景：視頻信息流結(jié)合在了一起。視頻中提及的信息引發(fā)興趣，想了解更多，用戶直接點(diǎn)左下角錨點(diǎn)就可以跳轉(zhuǎn)深入體驗(yàn)，非常順滑。

沿著這個(gè)思路，抖音是不是可以在用戶發(fā)表評(píng)論、創(chuàng)作視頻、檢索信息、管理個(gè)人資料這些場(chǎng)景嵌入AI，讓信息的創(chuàng)作和理解效率更高呢？剛巧前兩天還看到一篇文章，整理了字節(jié)的AI產(chǎn)品布局：Zpedia | 字節(jié)生AI半年大考，超級(jí)APP工廠如何繼續(xù)跳動(dòng)？

其中我更看好本身就有完整業(yè)務(wù)場(chǎng)景的工具，如剪映、巨量引擎、教育。AI的引入，可以讓視頻創(chuàng)作更方便、推廣動(dòng)作更容易、教育過程更有效。

因此，如果我是AI大模型公司的產(chǎn)品經(jīng)理，第一件事要做的，既不是開發(fā)一個(gè)AI對(duì)話機(jī)器人，也不是強(qiáng)化AI生成效果。而是先切一個(gè)有增長(zhǎng)潛力的利基市場(chǎng)，圍繞特定人群開發(fā)內(nèi)容生成工具，這個(gè)工具可以沒有AI參與，也能實(shí)現(xiàn)需求，再不斷疊加大模型能力，延展應(yīng)用范圍。比如圍繞教師、銷售職業(yè)，沿著基礎(chǔ)業(yè)務(wù)→泛職場(chǎng)需求→溝通協(xié)作場(chǎng)景來開發(fā)工具，逐漸滲透AIGC能力幫他們更好完成工作，晉升成長(zhǎng)。

三、先單點(diǎn)，再泛化

到這里可能你會(huì)不服氣。按這個(gè)邏輯，這些基礎(chǔ)大模型公司，是不是都要進(jìn)到某個(gè)具體行業(yè)，靠項(xiàng)目定制、企業(yè)服務(wù)掙錢；或者直接開個(gè)教育公司、銷售公司，別干大模型了？這不越做越窄了？

盡管實(shí)際上確實(shí)如此，但觀察現(xiàn)有大模型企業(yè)的發(fā)展，也有另一條突破路線，就是單點(diǎn)突破。

所謂單點(diǎn)突破，指大模型能力，在某個(gè)特性上非常超前，如kimi的超長(zhǎng)上下文理解能力，就是個(gè)非常好的例子。有了這個(gè)特性，先讓大家眼前一亮，再圍繞應(yīng)用場(chǎng)景展開，告訴用戶如何把這個(gè)能力應(yīng)用在日常工作生活中，就會(huì)更容易植入用戶心智。

當(dāng)然，這個(gè)單點(diǎn)，還可以指某個(gè)具體場(chǎng)景，用你的大模型，獨(dú)一無二，效果巨好。比如生成高清質(zhì)感圖像的Midjourney，開源且能定制各種插件的Stable Diffusion。國(guó)內(nèi)產(chǎn)品比較靠近這個(gè)維度的，像是讀音頻的通義聽悟、搜索場(chǎng)景的秘塔、公文寫作的新華妙筆、陪伴社交的MiniMax（星野）等等。

因此，如果基礎(chǔ)大模型公司，想向C端打爆自己的品牌和產(chǎn)品能力，要么就是某項(xiàng)能力特別突出，要么就是在某個(gè)單點(diǎn)場(chǎng)景做出口碑。只卷一些不痛不癢的：讀文檔、寫文案、作圖、做PPT等功能，效果有限，就算你體驗(yàn)上改進(jìn)了很多，也很難有差異化。

對(duì)用戶而言，你提供的，就只是個(gè)AI大模型的實(shí)驗(yàn)室，能玩一下、試一下，然后，就該干嘛干嘛了。畢竟現(xiàn)階段大模型的輸出，在專業(yè)領(lǐng)域只有60-70分，還需要人類花額外精力優(yōu)化，得不償失。

四、battle一下

不過上面的3套解法，也許你會(huì)提出質(zhì)疑，覺得我太天真：

• 工具先行會(huì)帶來額外的運(yùn)營(yíng)和開發(fā)成本，分散精力，也難向投資人交差；
• 融入業(yè)務(wù)流程會(huì)涉及對(duì)原有流程的改造，投產(chǎn)比不合適，無法推動(dòng)；
• 同時(shí)也確實(shí)找不到合適的單點(diǎn)機(jī)會(huì)，無論是技術(shù)優(yōu)勢(shì)還是場(chǎng)景發(fā)掘，都需要時(shí)間打磨

是的，但這不是產(chǎn)品經(jīng)理挖不到AI價(jià)值點(diǎn)的借口。對(duì)于想在這方面有所突破的產(chǎn)品經(jīng)理，我再提出一個(gè)解法：

重新定義AI業(yè)務(wù)流

我提出的3個(gè)解法，是基于對(duì)現(xiàn)有業(yè)務(wù)流的改造升級(jí)，以AI+的方式設(shè)計(jì)產(chǎn)品。

但有沒有一種場(chǎng)景，是專門為AI設(shè)計(jì)，也能實(shí)現(xiàn)一套完整業(yè)務(wù)流的？

當(dāng)然有。比如當(dāng)下流行的AI Agent自動(dòng)化流程。此外，數(shù)字人也是：聲音克隆+形象克隆+口型匹配+剪輯拼接幾個(gè)流程組合的產(chǎn)物。

再或者，有沒有現(xiàn)存工作流之外，能靠AI技術(shù)很好解決的新需求？

當(dāng)然也有。

有篇來自紐約時(shí)報(bào)的最新報(bào)道《醫(yī)生們正在以意想不到的方式使用聊天機(jī)器人》，其中提到，專家原本期望ChatGPT和其他基于人工智能的大型語言模型能承擔(dān)醫(yī)生花費(fèi)大量時(shí)間的例行工作，如撰寫醫(yī)保理賠申訴或總結(jié)患者筆記，從而減輕醫(yī)生的工作壓力和疲勞。

然而，醫(yī)生們卻要求ChatGPT幫他們以更富同情心的方式與患者進(jìn)行溝通。借助聊天機(jī)器人，醫(yī)生用它來尋找用于傳達(dá)壞消息、表達(dá)對(duì)患者痛苦的關(guān)切，或者更清晰地解釋醫(yī)療建議的措辭。

這樣的流程，就是脫離現(xiàn)有業(yè)務(wù)之外，由AI可以發(fā)起的新場(chǎng)景。

這些場(chǎng)景，都值得每一名AI產(chǎn)品經(jīng)理關(guān)注。

五、結(jié)語

最后，我想以一句口訣來幫你記住這篇文章我提出的3套解法：

工具為舟，AI為帆；入場(chǎng)為港，推廣為航；單點(diǎn)起航，泛化揚(yáng)帆

這句記憶口訣，是我基于對(duì)“好內(nèi)容”的理解，在寫文章時(shí)向AI提出的需求，AI也很好地完成了這個(gè)任務(wù)。

但有沒有一款大模型，能直接把這個(gè)創(chuàng)作場(chǎng)景融入寫作流程，我第一個(gè)申請(qǐng)?jiān)囉煤屯茝V！

互動(dòng)一下

你用過的大模型產(chǎn)品，有沒有符合“先工具，再AI；先入場(chǎng)，再推廣；先單點(diǎn)，再泛化”特點(diǎn)的？期待你的分享與我討論。

如果你覺得這篇文章有啟發(fā)，也歡迎分享給身邊做大模型的企業(yè)和產(chǎn)品經(jīng)理~