如何设计大型商品，才能真正结合业务，让用户感受到价值？

2024-05-13

要时刻意识到，最好的事情还没有做好。

—— 杨植麟月之暗面（Moonshot AI）创始人

本文是为大型企业的决策者和产品经理撰写的。

不知道大家会不会有这样的困惑:为什么自己的模型能力好，功能齐全，完全标杆AI头部厂商成长困难，没人用？

在回答这个问题之前，我先讲一个小故事。

从我最后一篇文章中告别AI焦虑，普通人很快就开始使用AI模型的三个关键能力。刚发布后，一位前同事主动向我推荐AI助手。他认为这款产品的“普适性”做得很好，因为它内置的AI助手模板可以帮助他快速设计自己的定位。与其他产品不同，你必须学习提示，多轮对话才能得到你想要的答案。而且每次对话都要从0开始，很麻烦。

事实上，这个行业的每个人都知道钉钉AI助手是一个智能身体。智谱清言、文心清言等产品也支持，甚至可能更有效，但为什么没有人为他们说话呢？

本质上，这是对产品经理在定义产品时需求的深刻洞察。显然，国内很多AI企业都没有找到合适的需求点。

都说做AI产品，不能用锤子找钉子。但是如何找到钢钉，又怎么能看到在哪里打孔呢？在这篇文章中，我想提出我的解决方案。

那便是：首先是工具，然后是AI；先进场，再推广；先单点，再泛化

怎样理解？我一个个聊天

首先是工具，然后是AI

生产力是任何新技术的首要任务。无论是早期的蒸汽、电力能源，还是今天的因特网和AI，都不例外。

AI本质上是一种技术，是一种通过文字理解有效地完成“生成”任务的能力。

正如网络背后是TCP//IP，移动互联网的底层是5G。仅仅依靠协议是不够的。只有浏览器叠加，移动OS和智能产品叠加，技术才能真正发挥其价值。

因此，AI落地首先要考虑的是如何设计能够承载“生成”能力的工具。。

你也许会说，工具不是有的吗？只是一个对话框，对话界面就是工具啊。

但是我们可以想一想，如果将PC端浏览器、移动端操作系统进行对比，一套Chat交互，AIGC能力是否足够放大？

要解决这个问题，我们必须回到ChatGPT本身的意义。人们可能过于关注Chat，而忽略了GPT，即「Generative Pre-trained Transformer」生成式预训练变换器的定义。

Generative（生成式）：目标是学习数据的分布，并且可以生成与训练数据相似的新数据。
Pre-trained（预训练）：也就是总结一般规律的建模过程，本质上就是整理规则和方法论。
Transformer（变换器）：可以快速、准确地理解前后文本，借助自注意机制生成具有连贯性和可理解性的内容。

一般来说，GPT模型是基于神经网络的语言预测模型，基于Transformer架构。它可以根据对知识的认知分析自然语言，计算出最佳的响应回复。

因此，能够理解人类语言，计算出最佳响应。围绕这个抽象概念设计工具，可以让AIGC技术更好的承载。。

那么到底什么样的工具，才更适合大模型落地呢？首先我们来谈谈哪些业务不合适。

任何不需要信息吸收和传递的生产动作，仅仅基于想法，都不适合与大语言模型相结合。如下图：

这种生产动作，从需求到目标，过程极短，整个过程取决于实施者的个人认知、经验和技能。在此期间，不需要沟通和沟通，最终产生实物或服务体验。一个典型的例子是技术人员、工匠和服务行业。

而且需要使用信息理解、传递、完成价值创造的场景，更值得开发相应的AI工具来满足要求。如图所示：

要想高效运行这个过程，首先要多人参与，有一套合作过程；其次，在合作中，要依靠信息的传递和解读；第三是信息本身，也是一种可交付的输出。例如内容产业、企业合作流程、标准化培训、决策影响，我认为这些场景将更适合上下游围绕图中的圆圈开发工具。。

先进场，再推广

再好的工具，也要先让人用起来。

大语言模型的核心能力在于“生成”，而生成是一个动词。为什么要生成？生成后该怎么办？没有人愿意用这三个问题来解释清楚。

所以，让工具沉浸在实际的工作场景中，首先完成用户接触和教育，然后逐步扩大范围，才是更合适的方法。

以钉钉AI助手为例。自己的钉钉是企业内部沟通合作场景的强制绑定，符合我说的第一点:先工具，再AI。即使没有AI，工具仍然可以使用。

在此基础上，引入模板、插件、提醒引导、流程嵌入，让用户意识到在AI的帮助下，日常工作效率可以更高，理解和生成数据可以更高效。因为信息不清晰导致的工作失职减少，他们会更愿意接受AI功能。

再举一个例子，Tiktok小程序是Tiktok生态下一种全新的产品形式。独立的Tiktok小程序中心，即使排水再好，也很少有人愿意主动打开。

但是这并不妨碍小程序本身DAU的持续增长。其背后的原因是它更好地与抖音主场景：视频信息流结合在一起。录像中提到的信息引起了兴趣，想要了解更多，用户可以直接点击左下角的锚点，深入体验，非常流畅。

按照这个思路，Tiktok能否将AI嵌入到客户发帖、创作视频、搜索信息、管理个人信息等场景中，让信息的创作和理解更加高效？碰巧前几天看到一篇文章，整理了字节AI产品的布局:

其中，我更看好有完整需求场景的工具，比如剪影、巨型引擎、教育。AI的引入可以让视频创作更方便，更容易推广动作，更高效的教育过程。

因此，如果我是AI大模型公司的产品经理，首先要做的不是开发AI对话机器人，也不是加强AI的生成效果。相反，我们应该首先切割一个有增长潜力的基础市场，并围绕特定人群开发内容生成工具。这个工具可以在没有AI参与的情况下实现需求，然后不断叠加模型能力，扩大应用范围。。比如围绕教师、销售职业，跟随基本业务。→泛职场需求→通过交流合作场景开发工具，逐步渗透到AIGC能力中，帮助他们更好地完成工作，提升成长。

先单点，再泛化

你可能不会在这里接受。按照这个逻辑，这些基础大模型公司是否都要进入某个特定的行业，通过项目定制和公司服务赚钱；还是直接开教育公司和营销公司，不要做大模型？这不是越来越窄了吗？

尽管事实上确实如此，但是观察当前大型企业的发展，还有另外一条突破路线，那就是单点突破。

所谓单点突破，指的是大模型能力，在某一特点上很超前。，比如kimi的超长前后理解能力就是一个很好的例子。有了这个特点，我们应该先让大家眼前一亮，然后围绕应用领域，告诉用户如何将这种能力应用到日常工作和生活中，这样会更容易植入用户的心智。

当然，这个单点，也可以指一个特定的场景，用你的大模型，独一无二，效果极佳。。比如Midjourney，生成超清晰的质感图像，开源，可以定制各种插件的Stablee。 Diffusion。国产产品更接近这个维度，比如读音频的通义理解，搜索场景的秘塔，公文写作的新华妙笔，MiniMax(星野)等等。

所以，如果基本的大型模型公司，想要把自己的品牌和产品能力打爆到C端，要么是某种能力特别突出，要么是在某个单点场景中作出口碑。。只有一些不疼不痒的功能:阅读文档、写文案、绘图、制作PPT等。，效果有限。即使你的经验有了很大的改善，也很难多样化。

对于用户来说，你提供的只是一个AI模型的实验室，可以玩，可以尝试，然后你应该做你想做的事情。毕竟现阶段大模型输出在专业领域只有60-70分，人类需要额外的精力去提升，因小失大。

看看battle

但是以上三套解决方案，也许你会提出异议，觉得我太天真了：

先行工具将带来额外的运营和开发成本，分散精力，也难以与投资者进行交差；
整合工作流程将涉及对原流程的改造，投产比例不合适，不能推进；
而且确实找不到合适的单点机会，无论是技术优势还是情景挖掘，都需要时间来打磨。

是的，但是这并不是产品经理找不到AI价值点的借口。对于想在这方面取得进步的产品经理，我再提出一个解决方案:

重新定义AI业务流程

我提出的三种解决方案是基于对现有业务流程的改造和升级。商品的设计方式。

但是有没有一种情况，是专门为AI设计的，也可以实现一套完整的业务流程？

当然有。比如现在流行的AI。 Agent自动化过程。另外，数字人也是：声音克隆。形象复制嘴型匹配对几个流程组合的产品进行剪辑拼接。

或者，除了现有的工作流之外，是否有可以通过AI技术很好地解决的新需求？

但是也有。根据《纽约时报》的最新报道，“医生们正以意想不到的方式使用聊天机器人”，其中提到：

专家们最初期望ChatGPT和其他基于人工智能的大型语言模型能够承担医生花费大量时间的日常工作，例如编写医疗保险理赔投诉或总结患者笔记，从而减轻医生的工作压力和疲劳。但是，医生们却要求ChatGPT帮助他们以更有同情心的方式与病人交流。借助于聊天机器人，医生用它来寻找传递坏消息，表达对患者痛苦的关心，或者更清楚地解释医疗推荐的措辞。

这一过程，就是脱离现有业务，AI可以发起的新场景。每个AI产品经理都应该关注这些场景。