ChatGPT 人工智能 GPT4 伦理 生成式 医疗 监管 安全 机器学习 深度学习 神经网络 计算机视觉 强化学习 模型 算法 应用 开发 研究 工具 平台 框架 数据集 训练 部署 安全 合规 培训 投资 LLM,llm AI,ai,Ai 大模型 大语言模型 制图 生图 绘图 文生图 文生视频 生成式AI AGI 世界模型 sora chatGPT,chatgpt,ChatGpt claude openai Llama deepseek midjourney 红熊猫模型 Red panda,panda Stable Diffusion,StableDiffusion,stable DALL- E 3 DALL E DALL Flux,flux 扩散模型 混元大模型 文心一言 通义千问 可灵 Pika PixelDance 豆包 月之暗面 零一万物 阶跃星辰 搜索增强 MiniMax Talkie Agent prompt fastai LangChain TTS 微调 提示词 知识库 智能体
# 热门搜索 #
搜索
脉脉林凡:AI落地商业的3词6字5概念
3572点击    2024-10-15 16:44

过去一年中,人们对于AI生成式大模型的态度已经发生了深刻变化。


有的公司想利用它降本增效,却无法达到预期业务增长,有的公司斥巨资研发,也迟迟无法达到期望的成功,作用微薄,白白“烧钱”。


大型企业怕落后、中型企业想降本、小型企业想超车。可以说,患有AI焦虑症的人,基本上涵盖当下的所有公司。


都说AI潜力无限,它真的是万能的吗?


“AI的应用场景一定不是全链路应用,而是用于关键环节。”


利用AI赋能成立“一人公司”,最快几年可以实现?


“AI赋能超级个体,大概3到5年即可成立一个一人公司。”


企业怎么把握交互式AI的变化风向,抓住风口?


“下一个交互层变化一定是是语音交互的变化,把握变化初期的风向,就可以迎风而上。”


近日,脉脉创始人兼CEO林凡老师做客混沌,结合自身在AI技术和企业管理中的丰富经验,深入剖析了企业在AI应用落地中的关键环节,同时,通过提出“AI落地评估三原则”并拆解相关案例,帮助企业找到那些真正能产生价值的落地点,为企业技术研发提供切实可行的解决方案,获得了同学们“听一堂课省几千万”的如潮好评。


01

企业AI应用落地前的认知准备


1.AI做不到什么


AI不是灵丹妙药,这是人们首先要明确的一个基础认知。


很多企业希望通过AI实现快速降本、快速增收、快速创新的目的,但直到今天,AI的发展水平仍不能满足企业想要立即降低一半人力成本的需求。


诚然,很多企业通过尝试,利用AI提升了企业10%至20%的效益,但距离100%的目标差距依然非常大。但如果能出现原生应用,很可能会带来重大创新突破,但这种发展需要时间。



2.AI能做到什么


现在,很多美国公司立足AI技术,在应用场景中找到了一些非常好的结合点。


例如,Meta利用AI优化广告定向、内容推荐和广告创意,广告回报提升了32%;领英利用AI生成用户Profile和工作描述,会员收入和招聘收入实现10-15%的提升;知识产权方向的创业公司利用AI收集材料撰写律师函,大幅降低成本,等等。


以上这些事情在技术层面都很容易解决,甚至在GPT3.5时期就可以实现对文案的优化和改进。但美国的公司将这种技术与应用场景有机结合起来,达到了“朴实无华但有效”的效果,即使技术并不酷炫,但商业结果的成效是显而易见的。



3.什么样的公司适合应用AI


先说结论,我认为只要不是纯体力劳动的公司,都可以用好AI。其中,大公司比较适合做增收,即用AI技术优化关键环节,从而实现收入的增加;创业公司比较适合做突破,类似于上面提到的知识产权公司。此外,我认为每家公司都可以做提效,例如将程序员使用的Github copilot转换为cursor,一定会在编程领域得到20%至30%的提升。


类似于文案撰写等工作,都可以由AI先行生成,然后再由公司人员进行挑选和优化。之所以有的游戏公司可以用AI替代一半的设计师,就是因为AI非常适合偏创意型的设计工作。



02

找到AI组织提效的关键节点


在企业内部想要去做AI的创新,实现组织提效和业务进展,可以参考以下AI落地评估三原则。


1.AI落地评估的三个关键原则


这三个关键原则分别为:规模,场景,技术。很多企业在不知晓AI落地评估的三个关键原则之前,AI的创新工作都是发散且收效甚微的。但明确这三个关键原则,且进行评估之后,公司内部的很多项目就可以被先期砍掉,避免不必要的投入。



在利用这三个关键原则进行评估之前,还需要明确一些基本概念。其中,跟场景有关的一个是工作流、任务节点,另一个是创收、降本。跟技术有关的一是单轮交互、多轮交互,二是“文科”、“理科”,三是文本、多模态。下面,我们分别展开。


工作流、任务节点,是将复杂长期的运营策略简化为一系列具有逻辑关系的工作流程,简而言之,就如同流水线一样,每个人都属于自己的任务需要完成,由企业选择AI来做哪些步骤。



关于创收降本,企业想用AI,无非是创收和降本两个方面。很多人在进行探索的时候,会习惯从业务角度考虑这件事。很多企业家想到AI落地的第一落点就是智能客服。然而,举例来说,如果公司的客服成本占比只有3%,自研技术投入1000万,帮公司省掉了1.5%的人力成本,这么做其实并不值得。


在技术层面,典型的单轮交互,就是输入一次+输出一次,例如提问+回答,就是一个完整的单轮交互。而多轮交互则是有问有答,回答完多个问题后,引向购买产品或服务的终点,达到销售转化的一种过程。4

这两种模式在技术的研发难度上面是差了一个量级的。可能前者在研发阶段只需要花费100万,但后面的就需要花费1000万。


关于“文科”“理科”,例如,营销文案、销售话术、客服话术,都是研究让措辞更生动、描述更具体,而这是文科生擅长的事情,这些事对于AI而言是简单的,甚至可以打到80分。但同样能力的AI在理科生擅长的领域只能做到基本合格,即初级员工的水平,因此企业很难直接用这种能力的AI去处理数据优化方面的工作。



关于文本、多模态,实质上是通过把文字、图片、语音、视频这些由人的感官体验到的东西,交付给统一的模型进行处理。所处理的数据要比单纯文本高出几个量级,因此,所需要的技术能力更为复杂,投入也更为巨大。



综合整个AI落地评估三原则,就是在尽可能规模大的一个业务中找最核心的有优化空间的场景,用尽可能简单的技术来解决问题。同时结合现金流的情况决定做与不做。企业目前已经拥有较大规模,且创收或降本(即场景)的变化量较大,占比大于10%,同时技术难度为单论交互搭配文科类,每年投入100万就可研发的项目是必须做的;企业在行业中拥有较大规模,场景变化量在3%左右,技术类型为多轮交互搭配文科、单论交互搭配理科,每年投入1000万的项目是可以做的;还待验证规模的新兴企业,场景变化量较小,占比小于1%,技术类型为多模态或多轮交互搭配理科类,每年需要投入1亿的项目,则需要非常谨慎地去做。



2.案例拆解


案例1:Linkedln


Linkedln利用AI生成用户Profile和工作描述,例如在个人简历前面增加一段可以迅速吸人眼球的话,让用户可以更好地展示自己的特长,优化生成个人简历,从而更顺利地找到工作。仅此一项应用,就让Linkedln增收了2亿美金,业绩提升了10%到15%。


此外,Linkedln还会帮助企业招聘发布职位。Linkedln发现很多人无法在手机上对招聘岗位进行完整的文字表述,因为要写的内容太多了,书写过程很麻烦。于是,Linkedln通过一些简单问题选项,综合公司过去发布的行业内容,自动生成岗位描述,让想退出编辑的人从70%降低到50%,职位的发布量相应也增加了30%至40%。


职位发布以后,Linkedln还有一整套商业模式,例如通过推广职位来更好达到招聘效果,更多的人发布了职位,推广费用也等比例提升,招聘收入实现同步增加。这其实是非常简单的一项技术,但是带来的商业价值是巨大的。



案例2:Meta


Meta做了一件非常有效且技术层面极易操作的事情,就是优化广告创意。


众所周知,facebook一年有几百亿美金的广告收入,许多企业都会选择将广告投放到facebook上面。但现实中,真正能够写出有创意的广告文案的企业仍是少数。而meta背后有一个很大的广告库,所以知晓哪些广告能够在哪些领域打动目标客户。企业在生成一个广告创意后仅仅需要在facebook投放,meta会根据facebook用户的习惯,为广告创意提供修改和优化的服务建议。仅此一项,就直接为meta带来了几十亿美金的收入。伴随广告效率的提升,用户也更愿意点击这样的素材,广告转化率也同步提升,更多的广告主愿意投入更多的钱到Facebook上进行推介,从而形成良性循环。


就技术难度而言,Meta对广告创意的优化依然是单轮交互,技术难度并不大,但效果出奇的好。对于业务已经成熟的大公司而言,只要找到关键的节点,稍微花点时间就可以解决这个问题。



案例3:character.AI


character.AI曾经一度是AI的创业明星代表。它有很多虚拟的角色,人们可以在平台上与虚拟的角色聊天互动,然后通过订阅的方式进行付费。同时,它采用的是多人持续交互的方式,技术层面非常难。企业为了进一步吸引用户,还要做多模态,包括语音以及其他方式的拓展。场景离变现很远,技术又难,是极具挑战的一件事情。虽然前期获得了几亿美金的融资,一度也曾有过50亿美金的估值,但最后还是以25亿美金估值卖给了谷歌,由此可见,这种方式的成功率并不高。



作为创业者,除了要看自己公司内部的情况,肯定也要在当下时代中做一些新的事情。所以,在企业内部采用创新应用的时候,一定要把视野放到行业维度之中观察,寻找行业里面的创新机会。这种思考方式,不同于公司维度上的思考。




03

抓住AI驱动的行业新杠杆


下面,我们将三原则从企业的维度提上来,换到行业的维度看,行业里面有哪些大的可能性和大的机会。


首先我们还是要系统性的看一个行业的体量和规模。越大的行业,创新的机会就越多的,能够解决的问题也越多。万亿市场规模的肯定比千亿市场规模的要值得做,千亿的肯定比百亿的要值得做。


从产品角度来讲,如果做的是关键创收岗位,肯定比辅助创收的岗位值得做。辅助创收岗位肯定要比同创收关系不明确的岗位更值得做。


从场景的角度讲,工作流在企业内部的时候,往往通过找工作流的关键任务节点来判断。但到了行业的维度,工作流会变得更复杂。我们往往称之为产业链。所以在这个维度上,我们考虑的事情已经不是任务节点,而是职能,某一个工种在整个产业里面到底起到什么样的价值。同样的工种在不同行业里的价值是不一样的。


关于技术难度,其实是类似的。比如文本和多模态技术,不管是企业内还是行业内,都会看这个事情难度的差异性。但是一旦到了行业的维度,其实就没有所谓的单轮多轮的交互的选择了。因为你要替代的是某些职能,不管是作为它的辅助,还是真正替代这个职能本身。但是在多轮交互里面,会涉及到选择封闭问题集合还是开放问题集合。交互的问题种类非常广泛的就叫做开放问题集合,有领域边界的则是封闭问题。另外,有些行业的默认错误容忍度是比较高的。例如销售说错一件事是有机会圆回来的。但医生一旦说错专业知识后果会很严重,因此相比销售业,医学界的错误容忍度是非常低的。


所以在做技术的选择,职能的替代的时候,我们要清楚地意识到这三个维度的难度差别是巨大的。


今天,有很多人开展在教育行业内进行关键工种的替代,例如班主任。因为用AI去实现人和人之间的交互和对答的时候,它的效率是明显高于人类的。


在一些具有中等难度的行业,例如医疗行业中的轻问诊,是具有一定难度的。因为患者需要特别明确和靠谱的回答,但凡有一个错误的回答就会酿成大错。而且,问诊距离后面可以获利的买药环节还有一定距离。


高难度的行业也有很多,例如养老行业的精神陪伴。今天中国的老龄化问题越来越严重,这是人们所熟知的。从养老产业角度看,整个国家的养老产业已经有10万亿的规模了,在未来5年时间里可能会增长到20万亿的体量。并且它的上下游业态十分丰富,天花板也很高。



但问题是,今天的养老产业大多集中在“硬件”层面,包括社区的建设、养老院的建设以及医疗服务。但整个行业很少关注老年人精神层面的需求。老年人对倾诉、陪伴、认同等精神需求十分强烈,尤其是空巢老人、单身老人、疾病老人。年轻人可以通过游戏、影音、交友等方式丰富精神世界,但这些事情没有很好地平移到老年人群体,或者说平移的很生硬。


今天中国的养老体系,多是老年大学,学习摄影、舞蹈、绘画,这真的是老年人的真实精神需求?这种服务与满足老年人的需求有多大的联系?同理,老年人旅游看似是一种精神满足,但实际上只是老年人打发时间的一种方式而已。


老年人最明显的需求,一是希望自己的表达被倾听、被接受。例如,最近很多老人开始出书,写回忆录,这就是一种倾诉的方式。二是希望得到陪伴,尤其是得到表扬和夸奖。实际上,老人对于精神上面的需求,远远大于他们对物质或者硬件层面的需求。


让我们按照AI落地评估的三个关键原则进行分析。


从规模角度来讲。首先,这个行业受服务质量的影响很大,它可以达到百亿规模还是万亿规模,当下也并不能够确定。从场景角度来讲,老年人的精神陪伴,大概率是需要子女付费的,而不是自己付费,因此它属于辅助创收。从技术角度来讲,老年人的精神陪伴的技术难度很大。首先,与老年人很难打字沟通,只能通过语音和视频的方式。其次,聊天的过程错误容忍度高。



我认为做好老年人陪伴agent落地这件事情,服务评估的标准一定是用户交流时长和频率。第一次聊的好,老人才愿意继续聊第二次、第三次。从使用者角度看,对象一定是老人,但从付费角度看,大概率还是老人的子女。因此,如果让老年人去付费,无论从定价还是缴费都会遇到困难。但如果向老人提供服务,并且及时向老人的子女沟通报告,就会容易很多。



03

创始人如何找到企业新平衡


在当下时代,机遇与挑战并存。有些人开始心灰意冷,选择躺平;有些人想利用AI做一些事情。如何去平衡机遇和现实的挑战?


这里,我希望大家记住跷跷板这幅图。


1.极简版


如果只考虑一件事情,无非就是现金流和机会之间的平衡。


在充分明晰上述三条原则后,就可以对现有项目进行评估,不合适的就砍掉,能变现的就立即去做。



2.中级版


这一阶段,就需要考虑现金流、行业经验、技术能力和机会的平衡。


企业家所看到的规模和场景,很多时候是同自身认知和经验有关系的。如果超出了自身能力,没有相关领域的经验,尽量就不要做,或者是配合别人去完成。



3.高级版


除了现金流、行业经验、技术能力之外,企业中最重要的就是创业者心境,它对于平衡具有非常大的影响。如果创业者保持的是积极心态,那么现金流、行业经验、技术能力可能都不重要了,只需要一直向前冲,撬动的机会就会很大。但如果创业者保持的是消极心态,比如很多大公司选择砍掉创业业务以节省现金流,那么企业撬动的机会就会很小。



由此可见,创业者心境对于创业和机遇的把握至关重要。我想强调的是,乐观不是一种情绪,而是一种视角。你看到乐观的人,乐观的公司,乐观的行业,你就会拥有乐观的视角。


文章来自于“ToB行业头条”,作者“林凡”。


AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费)


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/(付费)

2
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md