为什么有的AI产品黏性差？
|
fangfang
2024年7月4日 12:0
本文热度 1235
|
你有没有一种感觉：
最近两年里，AI产品变多了。大型语言模型公司，也不再夸耀自己模型有多少参数。取而代之的，是把模型变成了应用。各种各样AI工具出现后，大家开始围绕具体场景下的能力展开。比如，用AI来画图、写文章、搜索信息、制作思维导图，甚至修改文件。看上去，大家都开始使用AI了，AI已经成为了日常生活的一部分。但是，没过多久，我就会收到朋友发来的信息，问我有没有好用的画图软件、做PPT的工具，或者语言转文字的软件？看到这，你会有所疑惑，既然有那么多AI工具了，为什么还要去问别人呢？事实上，有不少人没有用上自己的AI工具，或者说，工具并没有真正融入工作流程。他们在产品刚发布的时候试用了一下，就不再使用了。
为什么会这样？我觉得，主要在“期望、需求、工作流”的三者关系的掌握上。
01
你猜今年AI工具有多少个？
我问了好几个AI，都没有给出一个很确切的答案。但是，找到一些信息，可以看看：
斯坦福大学人工智能研究所（Stanford HAI）发布一个《2024年人工智能指数报告》。报告里说，去年，产生51个有名的机器学习模型，此外，报告还提到，2023年总共发布了149个基础模型。我问过ChatGPT，它告诉我，像GPT和BERT的模型，理论上可以用在上千个不同的应用和任务上。豆包回答是，大概几百个。所以，我也不敢随便下结论，你可以想象一下，现在产品应用的空间有多大？然而，面对众多的工具，你实际上会在电脑上下载，并记住多少款呢？也许很少，只有印象分罢了。很多人对AI期望太高，用一次觉得不好，就不用了。特别是刚开始接触AI的新手，认为AI能做平时做不到的事。有些人不太会写作，期望AI能一下子帮他们写出一篇完美的文章；我自己也曾经有过类似的误解。之前要为一个客户做PPT，一心想着让AI一键生成，结果还特意开了一个月的会员。后来发现，AI做出来的效果不如自己亲自动手来得好。实际上，这是一种误解。AI更像“倍增器”，它能增强一个人已有的能力，如果基础是零，那么，无论怎样放大结果还是零。前几天，一个朋友要在会员日给50多个客户发送礼品。公司运营的同事把所有客户的地址信息整理好，放在Excel表格里。但是，当他要把信息送到库房发货时，遇到了问题。库房有自己的专业系统，必须把信息的格式改成系统要求的模板。他就来找我，希望我推荐一款软件。我说，很多AI都可以，你需要什么样的格式，直接让它按照指令做就好了。我给他推荐一款后，他折腾了一上午，还是没能找到合适的解决方案。所以，很多人希望完全靠AI来解决问题，期待不用自己动手，就能得到完美的结果。
实际上，AI只是一个工具。它确实能帮助我们，但前提是自己也要做好准备，临时抱佛脚光想着依赖工具，是得不到自己想要的答案。
你想要什么东西，通过某个工具、功能解决问题的过程就是需求；很多人面对AI根本说不清楚需求，主要在于他们不懂AI。千万不要以为这是一个浅显的问题。这里有三点，一，AI技术对于许多用户来说是新颖且复杂的，我们可能不太清楚AI能做什么，也不知道它的局限在哪里。AI需要我们给它明确、具体、有条理的指令，才能正确地工作。但是，人类喜欢用自然、含糊的方式交流。这种方式会导致第二点：它只会疯狂输出。要明白，AI目前还不能自己创造东西，它处理的是庞大知识库中已有的信息。如果没有具体的背景信息，AI只能根据你的每一句话的意思来回答。当你和朋友一起时，你可能会问：“今天吃了吗？”虽然你没有具体说明上午还是下午，但在那个特定的情境中，你的朋友能理解你的意思。这个问题“吃了吗？”通常都会得到一个预期内的答案。显而易见，人类交流包括了情感、上下文的依赖和个人的偏好等非量化因素，这些是很难通过简单的指令传达给AI，AI无法感知细微的内容，所以，它的预测能力和准确性常常受到限制。比如，KimiChat、豆包，豆包这样的工具，如果你让它们处理一个任务，比如上传一份文档，生成思维导图，或者做个总结，它们只会给出回答，不能像人一样回问你。但AI搜索类工具不同。当你提出一个问题时，它们会反过来问你几个问题，这样做的目的，迫使你更深入地思考问题，这种效果反而挺好。他想让AI帮他写几个文案。问来问去，AI就是没给出满意的答案，他觉得AI太笨了。当我问他具体怎么提问的时候，他说他只说了，“你帮我写几个文案，我要用在哪哪哪”。想想看，我们人在工作时，领导给你布置任务，要是没听懂，肯定会说：“领导，能换种说法再说一次吗？我没懂。”但AI做不到这一点，它只能理解后直接告诉它的内容。所以，如果你想要AI写出特定风格的文案，最好的办法是先给AI看几个类似的例子，让它学习一下。它学会之后，才能帮你生成想要的内容。“我想写几个文案，你能先问我一些问题，比如我想要什么样的文案，我的背景信息是什么，要用在哪里？”。你和AI都做不到，这容易造成第三个问题出现，即：推理能力变差。我认为，AI语言推理能力其实不差。像Kimi、豆包、做长文本模型的产品，对话字数在10万到20万字内都能应付自如。这意味着，只要对话内容不超过字数限制，AI可以和用户进行无限轮的对话。如果你觉得它的能力差，关键问题可能是：自己没有表达清楚。想一想，如果一会儿说它说得很好，一会儿又说不对，那AI怎么能搞清楚你到底需要什么呢？最后，对话就变得乱七八糟了。
因此，为避免这种情况，要从心底认识到：要试着把需求整明白。
完成一个任务或项目所需要经过的一系列步骤或活动的顺序。它帮助我们把复杂的工作分解成一步一步的具体操作。你在一家公司负责处理订单。一个典型工作流可能包括：接收订单、确认库存、打包商品、安排发货、发送发货通知给客户。每一步都有明确的指示和顺序，确保整个订单处理的过程既清晰又高效。理解你的工作流、能在实际操作过程中帮到你的理想AI就属于AI agent。比尔·盖茨提到过的AI agent，他说，AI agent一个能够与你对话，了解你的生产线特有需求的超级机器人。它不仅可以帮你自动完成任务，还能根据你的业务环境来个性化调整生产流程，使得整个生产线运行得更加高效和顺畅。现在市面上很多AI产品目标是正确的，实现通用AI agent之路解放双手，把繁琐的事情交给AI处理。但方法有问题，现在，如果建一个AI代理，它只会对话，做不了其他的事。工作流是横向的，目标是竖向的。就像前面的例子，从接收订单到发货，这是一个竖向的最终目标。过程目标是什么呢？尽可能地标准化每个步骤，比如接收订单要先做什么，然后做什么。只有明确步骤，我们才能减少不必要的麻烦。你想让AI帮你写一本20万字的小说。从主题创意、角色塑造、设定世界观、制定大纲、生成每章初稿等，都是步骤。主题创意、角色塑造都是横向工作，如何标准化横向工作，需要你自己来梳理。梳理完毕后，才能交给AI按照固定流程来操作。如果一开始就想一口气搞定纵向问题，很难做到。显然，如果没有将AI真实地融入工作流和业务场景，就难以有效地使用它。因此，一方面，我们要对自己的工作流程有一个全面和清晰的了解，包括哪些任务重复性高、耗时长，以及哪些过程可以交给AI来处理。千万不要把AI当作新来的超级英雄助手，期待它像超人一样解决所有问题，这不现实。但看起来，现在所有AI代理都想这么做。另一方面，分步骤、模块化地处理问题至关重要。通过这种方法，才能有效地开始利用AI，否则很容易回到传统的工作流程中。
对于AI产品公司而言，需要思考如何将产品有效地融入个人的工作流程中；而对于个人而言，则应努力探索如何对横向工作进行标准化操作程序（SOP）的制定。
我如何运用AI进行SOP化的实践？主要有以下三个方面：我一直坚持“不折腾、重器轻用”的原则。加尔定律（Gall’s Law）说过，任何能正常工作的复杂系统，都是从一个简单的系统演变来的。市面上的AI产品，不是界面超简单，就是功能超多。我个人的选择是，只用它最擅长、最实用的功能，把这个功能融入我的工作流程。前几天百度发布了一个新产品叫「橙篇」。试用后发现，它的“全文校正”功能特别好用。因此，我就只用这个功能。简单来说，每个产品都有一个最强的功能，你只需要把这个功能用到极致，就足够了。我经常外出见人。有时候，聊天中，朋友们会分享一些业务上的想法。我会下意识地问他们：“这段话讲得真不错，我能录下来吗？等会儿整理好后，我把文字发给你。”这样一来，自己能学到很多东西；二来，朋友们也很高兴我帮他们整理，所以，我经常用录音软件。你可能不信，我用苹果手机自带语音备忘录。虽然简单，但足以收集信息。回到公司后，我就把录音交给讯飞听见处理。这一个小小的行为，给我带来巨大能量。说到底，我们每天都有很多大小不一的任务需要处理。关键是要考虑，哪些环节可以交给AI来做。不过，我还没有找到一款很方便的应用，可以直接把长时间录音并转换成文本。如果有，我肯定会是第一个付费用户。还有一点，以前我经常记录灵感，那些突然冒出的想法会快速写进笔记软件。现在在想，市面上这么多AI产品，怎么还没有一款能直接说话，马上转成文字保存的笔记软件呢？或者说，笔记软件加上AI功能，为什么没有考虑到这种用户场景呢？值得进一步探索。我做项目PPT时，有五个步骤：先定个框架、准备内容、选个模板、优化素材，最后生成文档。整个过程中，一般让AI帮忙处理框架部分。有时我用腾讯文档的AI一键生成框架，有时候也会用其他软件；围绕框架，会整理出关键知识点，这个步骤可能需要两种软件配合完成。至于模板，WPS里有很多现成的，我会直接下载，然后清除里面不必要的内容。最后文档生成，我会把模版、内容统一上传到AIPPT相关的软件中，一键完成，之后再润色。所以，这就是我的工作流，不同任务需要不同软件和流程来完成。因此，我觉得，AI产品黏性差原因的原因有很多。其中产品没有找到核心优势，是公司视角；至于个人视角，那就是：工作每一个环节都要标准化。
该文章在 2024/7/4 12:00:45 编辑过
400 186 1886
