“一键完成”工作的AI应用近在眼前

引言

刚刚，你拿到了3份长达200页的报告，需要在2小时内写出1份PPT。 

眼前浮现出两个选项： 

A、让AI直接生成PPT文案 

B、让AI帮你总结报告精华，但自己动手写 

理想状态下，当然是全都交给AI，但你真的敢吗？ 

这种感觉有点像 将一个“难、急、重”的活儿全都扔给刚来的实习生，结果可想而知。 

那么，“半吊子”AI应用将如何进化为“全能”AI应用？ 

a16z近期发布了文章 Owning the Workflow in B2B AI Apps 其中指出：去年，第一波AI Apps 是关于生成新内容——比如电子邮件、列表或营销文案；如今，第二波B2B AI Apps侧重于提炼信息，帮助用户节省时间，这类应用被称为“Synth AI”。 

这波浪潮的重点在于——让用户在AI App上完成尽可能多的工作，类似于完成一个工作流程。首先产生用户粘性，然后随着时间推移，扩展到更多的用例上。

据a16z观察：已经有一些初创公司这么干了！ 

01 “天选“打工 AI APP长啥样？

什么是工作流程？一系列完成任务或工作的步骤。 

例如，在知识性工作中，通常涉及信息收集、上下文应用和处理，得出洞察或决策等输出。 

Synth AI旨在让我们更快地完成上述流程。 

如何节省时间？ 

方式1：通过捕捉、存储和表达信息，使工作易于处理。 

方式2：为用户完成工作。最理想的情况是“一键完成”。 

当下，在大模型火热的背景下，提示机制以“输入→输出”为基础。例如，我们将基础模型分类为“文本-语音”或“文本-视频”来描述“输入”和自己想看到的“输出”。 

表面看来，这种模式与工作流程非常契合。

实际上，有点“傻瓜”。你必须问一句，AI才能答一句。而你期望的是，AI就像一个主动、沉默、努力的“打工人”，自己干完所有，并及时汇报进展。

目前，已有一些产品实现了这一过程——将工作流程转化为产品功能，让AI真正地“掌控”工作流程。

案例一：FigJam

在团队头脑风暴时，大家会将想法写在便利贴上。

这个场景下，目标“输出”——在乱七八糟的便利贴上，识别核心主题、具体要点。

分解工作流程：

1、归类相似、重复的便利贴；

2、定义和识别这些分类代表的内容；

3、将主题和要点总结成简洁的文档。

一般而言，这些步骤需要大家手动完成，因为每次头脑风暴的上下文和内容各不相同，死板的算法行不通。

然而，这些步骤正是LLM的强项。

例如，FigJam——Figma在线白板，原本要产品经理或研究人员花1个小时进行总结，现在只需几次点击即可完成。

案例二：Macro

距离文档上交时间还有10分钟，但团队成员的修改意见不一致。传统的做法是扔进在线文档里，各自编辑自己的部分。但这样很容易出现观点打架，显示不一致的情况。最终，leader拿到的可能是一份乱七八糟的版本。

在这个场景下，目标“输出”——汇总所有修改，整合成单一的文档。

分解工作流程：

1、识别每个版本的更改；

2、比较同一部分的多处修改；

3、总结修改的影响、相互矛盾的地方。

按照以往，以上步骤需要手动完成，至少最后要彻底检查一遍。

Macro，一款内置AI和红线工具的新一代文档编辑器完美解决。

其内置的“AI Compare”功能可以自动化如上这些步骤，只需点几次。

案例三：Claygent

在销售中，一个常规且让人秃头的任务是研究公司或潜在客户的特定属性。 

例如，“扒出”竞争对手、定价策略或POS提供商。 

理想的“输出”结果是，将所有信息集合进一张非常详细的表格中。 

分解工作流程： 

1、点进公司网站； 

2、查看标题和/网站地图，看看是否有可能包含你要找的内容的页面，并找出来； 

3、如果没有页面，请重复第 2 步。 

4、在表格中写下属性。 

5、在名单确定的情况下，对每个潜在客户重复步骤 1-4。 

上述过程看着像“人工”程序，因为数据展示方式千差万别，甚至还要找第三方文章，导致常规算法也无能为力。 

不过，LLM擅长“扒”信息，Synth AI也可以有效追踪所需输出。 

Claygent，一款用AI驱动的“网络爬虫”，就能自动化此类任务。 

例如，用户提供任务目标和所需输出格式。随着时间推移，一些如“定价模式”或“竞争对手”等常见属性信息就会出现在你面前。Claygent已经被训练好检索这些信息。 

即使用户给的目标含糊不清，Claygent也能提供最佳结果。对于由数千家公司组成的潜在客户列表，自动化这个过程，可以极大地节省时间。 

02 第二波趋势分化出两条小路

我们预计这一趋势将有两大自然进化方向： 

1. AI自动化将更主动地执行工作流程； 

2. AI自动化将重新定义用户体验。 

更主动

理想情况下，工作流程可以“一键完成”。 

如果我们相信AI能够准确地执行工作流程，并且系统能够识别何时需要执行工作流程。那么，开头的“选项A”就能实现。 

例如，在销售电话中，如果客户提出对产品的某项技术颇有微词，但是客户经理又无法解答。此时，AI代理可以自动要求对应的技术团队联系客户，客户经理不必夹在中间。这种主动性会让AI自动化扩大工作流程的范围。让AI处理更复杂的“输入→输出”场景，然后再通知人类。 

例如，当你筹备某项新工作时，没有任何可借鉴的经验。此时，AI系统会告诉你，公司某个部门的某个团队做过类似的工作，问你要不要合作，在哪方面合作。 

又例如，AI也可以主动参加会议，积极回答问题，而不只是袖手旁观，只做个记录者；AI 也可以加入你的通话，随时提示你一些大脑遗忘的信息。 

新体验

一个“更主动”的AI将从根本上改变我们与APP的互动方式。 

我的团队喜欢做一个思维实验：想象由AI驱动的CRM会是什么样？ 

在理想情况下，AI CRM与我们今天所见到的CRM完全不同。 

例如，当前我们会将账户视为关系数据库中的静态对象和字段，交易则按预定义阶段进行。 

AI APP则会吸收所有上下文数据（例如，所有SaaS应用中发生的所有销售活动），并用嵌入表示这些关系。这使得AI系统能够捕捉一些原本难以察觉的细微差别。 

AI CRM将通过不断摄取最新数据和背景信息，持续改进对公司与每位客户关系的理解。旨在对任何潜在客户、现有客户形成独有见解，鼓励客户经理采取正确行动（或AI自己主动执行），并在时机合适时，向管理层展示相关信息。 

在这种范式下，用户拿到的信息不再会是账户或阶段视图。相反，用户界面可能是摘要仪表板和通知的组合。所谓的“关系表”可能仅用于总结信息，便于大家消化理解。 

结论

未来，我们将看到AI解决方案识别出更多的工作流程。 

举个例子，人类对事物的认知很多都取决于自己的经验。因此，在人类设计AI App时，很可能是基于自己对工作流程的固有认知而设计。 

简而言之，这项工作原本可能有20个步骤，但是你觉得只有10个步骤，因为另外10个步骤是一些重复性动作，但你没有意识到。 

而AI解决方案因为能够通晓完整上下文，可以识别出所有工作内容，并重新定义一个工作流程。 

a16z认为：虽然B2B AI应用还处于初期阶段，但第二波浪潮已经开始，各家公司正在努力把控工作流程。文中的创新案例，则将成为产品进一步复杂化和自动化的基础。 

说不定，其中会蹦出下一个“杀手级”APP。 

文章来源于“适道”