在今年上半年，AI業(yè)內不斷有大模型創(chuàng)業(yè)者堅定的預言：“2024年AGI元年，是人工智能和大模型應用的爆發(fā)之年。”現在越來越多的企業(yè)和個人開始接觸和擁抱AI能力。小編作為最早一波進入AI 2.0 賽道的產品人，今天從產品角度，分享一個AI 2.0 時代的非共識認知的理解。

“Auto-pilot”模式這個概念可能99%的AI應用向的產品人還沒有接觸過。這個非共識觀點來源，小編最早是在閆俊杰（MiniMax 創(chuàng)始人兼 CEO）的一篇分享中看到。

閆俊杰：假設我們有更好的模型，能力比現在再顯著地提升，比如所有的測試都可以做得非常好，它可以獨立來工作了，就不是一個 copilot、可能是一個Auto-pilot（全能助理），這顯然會產生更多完全不一樣的產品形態(tài)。但是這個東西不是產品設計出來的，而是當你把技術 Push 到某一個階段的時候，這個產品自然就清楚了。

小編目前負責的AI項目中就有一個是符合“Auto-pilot”模式特性的產品。恰好前兩天也跟琢磨事的主理人智勇討論了關于“Co-pilot 和 Auto-pilot”的差異與價值。關于智勇的觀點，可以在文末的鏈接中詳讀。接下來將分享一下我對這兩類AI產品模式的理解和認知。

#01Co-pilot，輔助智能（半智能）

Co-pilot 這個產品模式，作為深耕AI2.0產品的朋友，肯定非常熟悉了。這個模式的產品思路：

結合自有業(yè)務資源 or 業(yè)務場景中，洞察場景中的長尾線索，通過Native + AI的手段，提供原有解決方案無法覆蓋 or 人力本身無法滿足的價值，并使之成為一種新的解決方案。輔助業(yè)務角色完成業(yè)務需求。

從定性的角度來看，小編理解，他的核心指標：單維度智能水平的提升，同時將人工參與度降低。

在Co-pilot 模式下，雖然引入了大模型技術，但目前的AI產品受限于模型能力缺陷、數據數字化程度低、訓練成本高等困境，模型輸出結果大多穩(wěn)定于60-80分之間的交付水平。這個分值雖然不高，但對于業(yè)務場景并不是沒有價值。

這里小編以AiPPT這個產品來說明一下這個觀點。

AiPPT是一款“輸入一句話，通過AI自動生成大綱和PPT”的AI工具，在2023年8月上線后，11 月過 100 萬訪問量，今年 5 月訪問量在 490 萬左右，驗證了國內付費 PMF，單月收入達到數百萬人民幣。

接觸過AiPPT的產品同學應該對這款產品的能力有體會，AiPPT的功能對PPT制作中的物料收集和PPT繪制有一定幫助，但并沒有體驗到PPT制作效果的10倍提升。那為什么AiPPT能在國內驗證付費PMF，月入數百萬呢？

趙充（愛設計&AiPPT.cn創(chuàng)始人/CEO）：其實我們的核心用戶群跟 Office、金山是岔開的。Office、金山的核心用戶是那些高頻使用 PPT的人，其中很多是用 PPT 去賺錢的，比如說投行、4A 廣告公司這種需要把 PPT 做得很好，去客戶那兒做 presentation 的。但我們的用戶群并不一定是高頻做 PPT 的人，他可能一年就做個兩三次，甚至很多人這輩子第一次寫 PPT 就是用 AiPPT。因為之前的金山或者 Office 其實使用門檻比較高，而 AI 來了之后，大家寫 PPT 的流程變了，可以用對話的方式直接去做，門檻大幅降低了。

在AiPPT創(chuàng)始人的分享中，可以看出，AiPPT的目標用戶并不是高頻使用的PPT的“傳統(tǒng)用戶”，而是在PPT制作場景下的長尾用戶群體，即低頻用戶群體。AiPPT體現的內容制作低門檻的特性，對于極少制作PPT的用戶群體，相較于傳統(tǒng)PPT工具的使用體驗差異，可定性為10倍效果的提升。因此在“Co-pilot”模式中，產品價值取決于場景定位，好10倍的體驗來自于用戶定位。

但另一方面，在原有數字化解決方案較完善的場景中，雖然“Co-pilot”模式可以通過更低的用戶成本、更低的使用門檻、更高的生成效率，提供輔助用戶決策的線索/素材。但這種方式對業(yè)務價值創(chuàng)造效率的提升是相對有限的。

同樣是AiPPT這個產品，雖然在PPT制作這個場景下，找到了長尾線索，解決了一部分用戶的痛點。但就整個PPT制作場景，它當前的能力并沒有辦法解決大多數 or 主流用戶的需求。

延伸一下：AiPPT的產品迭代規(guī)劃，在趙充的分享中也有提到，主要兩個方向：一方面是通過技術手段訓練可以直接生成PPT的大模型（重構并精簡傳統(tǒng)PPT制作流程）；另一方面是通過積累專家級的經驗數據（視覺中國的數以萬計的PPT模板），讓AI生成的效果更符合主流用戶的需求。AiPPT的產品迭代規(guī)劃，也是目前AI產品的主流迭代思路。

#02Auto-pilot，全能智能（全智能）

“Co-pilot”模式對于AI業(yè)內深耕的產品人來講，是一個共識。而“Auto-pliot”模式，可能絕大多數產品朋友的第一印象是汽車行業(yè)的智能駕駛。而今天我分享的并不是軟硬結合方向，而是軟件方向。

基于小編在這個方向的實踐經驗，以及一些業(yè)內調研。小編認為Auto-pilot 模式的產品邏輯：

基于業(yè)務場景，剖析“執(zhí)行解決方案的業(yè)務角色（真人）”的能力矩陣，將角色的經驗數字化，角色的能力模型化。將各維度的能力模型融合起來，使之成為一個全新的解決路徑。替代原有業(yè)務角色完成業(yè)務需求。

在實際的產品落地時，PM需要結合自有業(yè)務資源 or 傳統(tǒng)場景中，洞察崗位經驗可數字化程度占比較高的角色；剖析角色的能力屬性，將AI可替代的角色能力剝離；同時將塑造能力的經驗數字化、模型化、矩陣化，融合成新的角色能力模型；將新的AI角色替換原本的人工角色，使之成為一個全新的解決路徑，驗證PMF；

說到這里，可能讀者朋友對Auto-pilot 模式的價值沒有清晰的感知，那小編依舊以AiPPT 這個產品為例：

AiPPT在當下的定位，是Co-pilot模式，即一個AI工具。在進行PPT制作過程中，依舊需要人的參與。而如果將其定位于 Auto-pilot 模式，那么它就不是一個AI工具，而是一個PPT制作智能專家（智能人）。在Auto-pilot 模式下，讀者朋友接到老板的任務制作一個匯報PPT，就可以將這個任務交給你的AiPPT助手，你無需關心過程，只需等待這個智能人把成品交給你即可。

作為產品人的你，在看到這個例子，是否能清晰的感知到 Auto-pilot 模式的產品價值呢？

1. Auto-pilot 模式的適用條件

從落地層面考量，AiPPT 是否應該向“Auto-pilot”模式發(fā)力呢？小編的認知里，AiPPT并不適用于Auto-pilot 模式，或者說在“Auto-pilot”模式沒有被普及前，這個產品并不適合做第一波吃螃蟹的人。

至于原因，小編認為適用于Auto-pilot 模式的產品需符合如下3個條件：

1. Auto-pilot 模式適用于垂直于行業(yè)的業(yè)務角色。
2. Auto-pilot 模式適用于偏向生產力方向的角色。
3. Auto-pilot 模式適用于非嚴肅場景的業(yè)務角色。

小編將通過幾個案例，逐條闡述一下這三個前提條件的背后思考。

1.1. Auto-pilot 模式適用于垂直于行業(yè)的業(yè)務角色：

以AiPPT為例，由于PPT適用的場景非常廣泛，有人可能用它做融資PPT，有人可能用它做畢設PPT。如果將AiPPT設定為智能人的角色，它除了要具備PPT制作的能力和基本審美能力外，還需要具備各類場景的業(yè)務認知能力，才能達到代替真人完成這個角色的任務。而在當前的業(yè)內環(huán)境下，各個細分行業(yè)的專家級的數字化經驗數據并不完善，且在完善后，變成公域共享數據的難度極大，因此這類垂直于內容制作領域的AI產品在較長時間內都無法以智能人的形態(tài)達到用戶需求。

1.2. Auto-pilot 模式適用于偏向生產力方向的角色：

而據“Tech星球”，獵聘旗下AI面試產品“多面·Doris”相關負責人表示，某銀行校招，僅在面試環(huán)節(jié)，若采取傳統(tǒng)線下5分鐘快面，需要20位HR用3天完成5000個面試，如果使用多面AI數字官Doris，48小時就能完成5000個面試，相當于一個數字面試官2天時間能完成20位HR 3天的工作量。

以AI在招聘場景為例，在招聘環(huán)節(jié)中，招聘HR的職責主要是找簡歷、聯系候選人、意向溝通、面試等。而招聘職責的工作流程已經十分標準化，并且在過往的業(yè)務系統(tǒng)中，是可以梳理出高質量的過程性數據，進行能力模型訓練。因此目前AI2.0的能力特征在這樣的場景下，是可以替代HR角色的招聘職責的。而在大型企業(yè)中，由于職責分工明確，人力招聘是由專人負責的。結合AI 2.0的兩種產品模式，“Auto-pilot”模式相較于“Co-pilot”模式，在這個場景下的業(yè)務價值更高。

但同樣在這個場景下，AI面試官是否能完全替代HR的角色呢？在小編當前的觀點中是無法完全替代，因為在這個場景下，人力資源的角色分為兩個方向的職責，一個方向是如上所述的簡歷收集、及快速篩選符合面試訴求的候選人。這個維度是可以通過“Auto-pilot”產品替代的。

另一個維度是對高契合度、高端候選人進行綜合面試。而這個面試場景中，對話交互的情況更加復雜和多元化，要根據崗位候選人的實際面試情況（表情動作、語態(tài)神色、溝通技巧等），有針對性的進行面試策略的調整。其能力項更加偏向于情商維度。而當前的大模型能力，在復雜的對話交互場景中，對人情世故的精準化判斷能力是短期內難以提升的缺陷。

1.3. Auto-pilot 模式適用于非嚴肅場景的業(yè)務角色：

以AI在醫(yī)療場景為例，由于其模型輸出結果的誤差對應的代價極大。在嚴肅場景中，AI在較長階段內是無法取代真人，獨立完成業(yè)務需求的。

2.Auto-pilot 模式的核心指標

在Co-pilot 模式中，小編有闡述過其核心指標（定性）是：單維度智能水平的提升，同時人工參與度降低。而在 Auto-pilot 模式中，小編認為其核心指標（定性）是：多維度智能融合后的綜合水平的提升。

這里可能讀者朋友并不能直觀的理解的其差異點，用白話說，就是Co-pilot模式下，產品即工具，不論是AI問答、AI寫作、AI繪畫，核心目標是解決準不準的問題。而Auto-pilot 模式下，產品即人，而將智能人替換掉真人后，核心目標就不再是準不準，而是解決好不好的問題。而好的定義，在較多場景下并不代表的是準。

這里小編用一個“懂車帝的智能主播”這個案例，來解釋一下這個觀點。在真人營銷直播的場景中，觀眾提出的問題，比如：

這個商品怎么樣？性價比高嗎？

營銷主播的回答策略是，如果這個商品是他今天的主推商品。那回答的策略一定是正向的。對商品進行營銷賣點/亮點的闡述。如果這個商品不是他的直播間主推商品，那么主播可以選擇不回答或者就事論事的回答?！罢_的答案不一定是對的答案”。

因此在營銷場景下，角色的智能水平，不光取決于它的智商水平（準確率），同時更取決于它的情商水平（運營策略基于用戶場景的靈活調用）；

3. Auto-pilot 模式的定價模式

在“Co-pilot”模式下，當前的應用層主流定價模式是：訂閱模式為主，以用戶數量為主要計費單元。按訂閱付費的模式，本身較為適用于提供連續(xù)服務或產品持續(xù)更新的產品。這反映了 AI 應用作為工具輔助人類工作的主流定位。

AI應用主流定價模式采用“訂閱模式”，我認為這有2個核心原因：產品價值難以量化 & 盈利并非首要目標。

• 產品價值難以量化：眾所周知，AI產品的基礎層（算力消耗）主要以用量付費模式，但在應用層卻沒有被廣泛應用，這也反映了許多 AI 應用的價值難以量化，“嘗鮮AI產品技術”比“解決問題本身”對用戶來說可能更剛需。
• 盈利并非首要目標：許多 AI 產品目前的首要目標是驗證其PMF。設置付費門檻的目的是，快速篩選核心用戶，并聚焦真實痛點。

而在“Auto-pilot”模式下，以AI面試官這類已被驗證市場價值的類“Auto-pilot”產品為例。目前主要被市場認可的定價模式是，按面試人次收費。如：海納AI面試服務的價格是一個人面試一次大概是在15-30元左右。

在“Auto-pilot”模式下，客戶可以接受“以交付成果為導向”的定價模式的核心，是在這個模式下，產品價值可以被清晰的量化。客戶可以簡單的計算出使用產品帶來的投產比。

在小編的認知中，“Auto-pilot”模式在未來可能被廣泛普及的定價模式可能存在以下兩種模式：

• 以“交付成果為導向”的定價模式：這種模式下，客戶只需為成功/有效的結果付費，例如成功的交易量結算、有效的售賣線索等。這種模式可推動產品價值與客戶利益進行強關聯的建立，并加速產品的普及。
• 以“使用時長為導向”的定價模式：這種模式下，客戶需求更偏向于存在長尾效應的收益。例如AI教師，AI品牌主播等。

這兩種模式的產品出發(fā)點是“Auto-pilot”下，產品即人。那勞動者的發(fā)薪方式取決于他的崗位定義。例如：銷售場景就是底薪+交易量分紅，教育場景就是課時費（按小時計算）等。

以上就是小編今天的分享，歡迎各位讀者朋友與小編進行圍繞AI產品認知的交流碰撞。

參考文章

MiniMax 閆俊杰：今天的 AI 應用都不會成為 Super App，但這不重要

AI PMF 系列：賺到 RMB 的 AiPPT、賺到美金的 ACE Studio 和賺到留存的捏Ta | 42章經

琢磨事AI碰撞局第二期小記

AI 應用如何賺錢？全球 AI-Native 公司定價策略解密

打工人的命運，掌握在AI面試官手上？

角色中心式計算：AI大模型顛覆性的起點與終點