为什么有的AI产品黏性差?
|
fangfang
2024年7月4日 12:0
本文热度 627
|
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