企業(yè)內(nèi)部B端產(chǎn)品如何有效落地AI？作者結合實戰(zhàn)經(jīng)驗，詳細剖析了其中的難題，并分享了一套實用的方法論，助力團隊在AI落地過程中實現(xiàn)認知對齊與業(yè)務價值最大化。
正文開始前，這里先疊個甲。
1.小弟只是拋出自己在實踐過程中的一些方法論總結，并不會涉及到具體的技術實現(xiàn)、AI方向問題，這些不在這篇文章的討論范疇內(nèi)。
2.小弟的觀點可能是錯的，因為我只是從我的視角拋出一些我總結的方法論，這不一定適用于其他場景，歡迎各位大大理性討論。
在內(nèi)部B端場景落地AI的各種難題
想必做內(nèi)部B端產(chǎn)品的各位，在最近兩年AI爆發(fā)后，都遇到了一個問題“怎么把AI給整合到我們的業(yè)務上來？”
大家都期望利用“強大”的AI來實現(xiàn)“增長、盈利、降本、增效”這幾個目的，但是實際操作起來，或許就犯難了。
這里會遇到的問題，我分成了兩類：
1.人的問題
這是指在AI落地的過程中，與我們相關聯(lián)的各利益方會拋給我們各種各樣的問題，這些問題會阻礙我們的業(yè)務推進?？梢苑譃閳F隊自身、業(yè)務方、公司高層方面的問題。
首先，團隊自身層面可能出現(xiàn)“定位”、“路徑”等的問題。
比如，大家常常會感到困惑，不知道AI到底能幫我們做什么？具體應該怎么做？能做成什么樣？
想不清楚這些問題，我們對待AI落地，無從下手。
其次，來自業(yè)務方會存在“AI方向”、“資源調(diào)配”、“認知對齊”等的問題。
比如，AI這個領域方向太多了，技術路線也很多元。有時候，團隊會有點迷茫，不知道該往哪個方向發(fā)力，不知道哪個方向才是最適合我們業(yè)務、最能出效果的。
又比如，業(yè)務會出于各種原因不配合我們，像是“覺得AI會取代我們，不積極支持”、“想法天馬行空，可能他們經(jīng)常被各種“行業(yè)顛覆的”短視頻洗腦。一開口就是訓練個行業(yè)大模型，明天就業(yè)務全鏈路升級”。
想不清楚這些問題，執(zhí)行起來困難重重，還容易走錯路。
最后，也會感受到來自“管理者”的“認知對齊”等問題。
有些管理者對AI的期望值可能定得過高了，天天想著用AI去替代某個團隊、干掉某個流程，追求顛覆性的效果。這也有可能是很多自媒體天天鼓吹行業(yè)顛覆有關，很多高層是充滿焦慮的。
他們可能不能很清晰地認識到AI當前能力的邊界在哪里，對團隊的實際能力和項目落地的復雜性，認知也可能存在偏差。
這一塊如果沒有處理好，我們可能無法獲得資源支持項目。甚至可能被懷疑我們能力問題，導致職場生涯受到影響，甚至工位不保。導致“AI真正落地到業(yè)務”這個愿景，就無從談起了。
2.事的問題
對齊人的認知之后，就是怎做事的問題。在這個過程中，可能遇到以下方面的問題：
AI落地的步驟應該是怎么樣的？先做系統(tǒng)，還是先想辦法讓業(yè)務用起來？
設計系統(tǒng)框架的時候，要怎么設計，才能和已有的業(yè)務系統(tǒng)結合起來，而不造成成本的浪費。
諸如此類的問題，都對應著AI落地的“方法論”，缺乏方法論的指引，可能使得AI的落地困難重重，導致項目由于實現(xiàn)成本、人力資源、價值呈現(xiàn)等諸多原因而流產(chǎn)。
前期工作，認知對齊！
下面，就來講講我對于這兩類問題的解決思路。
首先先講講“人的問題”，人的問題其實都是“認知”層面的問題。為了解決這些層面的問題，需要分別進行自我、業(yè)務、向上等3個方向的認知對齊，也對應著來自3個方向的問題。[自我認知]明確自身團隊的定位和邊界
首先是自我認知，這里第一步是要“明確自身團隊的定位和邊界”。
我們要先明白，我們當前團隊在AI應用層面的定位是怎么樣的？我大致分為4個類型的團隊及其能做到的AI探索程度：
第一類是無相關開發(fā)能力的團隊。是指我們沒有相關的技術人力資源來構建AI相關的功能。這種情況下，只能聚焦部署成熟開源項目、工具，或者是購買第三方的成熟AI服務。比如在圖片生成場景直接使用MJ、SD，在視頻生成場景使用可靈、即夢。
第二類是有基礎開發(fā)能力的團隊。是指能夠配置僅用于開發(fā)系統(tǒng)的技術人力資源，但并無AI相關的技術人才。在這種情況下，只能進行AI能力相關的API與業(yè)務系統(tǒng)整合，或者單獨開發(fā)面向內(nèi)部的AI系統(tǒng)。此外，還可以進行RAG技術應用，進行簡單的大模型調(diào)教，用來滿足企業(yè)定制化的訴求。
第三類是有小模型開發(fā)、微調(diào)能力的團隊。是指團隊中有基礎的AI技術人才。在這種情況下，可以嘗試特定場景的模型微調(diào)、定制化小模型開發(fā)，用來滿足特定場景下的業(yè)務訴求。
第四類是有大模型自研能力的團隊。有這種能力的團隊，基本上已經(jīng)是大廠級別了，可以進行更深層次的創(chuàng)新應用的探索。
第一類和第二類重點在于“整合”，即“通過研究市面上對業(yè)務有用的AI能力”，結合業(yè)務流程整合到業(yè)務上來，提供”業(yè)務+AI“的提效效果。而第三類和第四類重點在于“創(chuàng)新探索”，需要結合業(yè)務訴求和AI能力進行模型開發(fā)，相對來說“存在投產(chǎn)比不可預估”的風險，但是如果成了，收益也是十分顯著的。
我們可以對標目前自身團隊的配置，明確下我們屬于那一類，也了解下目前我們能基于AI做到什么樣的程度。
這里的關鍵是清晰認知團隊當下真實能力水平，不盲目追求高大上。
[自我認知]AI落地B端的多個階段
基于我們對自身團隊定位和邊界的認知，我們也可大致了解下AI落地B端的多個階段，從而認知到我們可以做到什么程度。
階段一，是單點接入賦能
指將AI作為獨立工具解決特定、孤立的業(yè)務痛點。比如業(yè)務需要生成一張圖片，生成一個視頻，我們就接入相關AI生產(chǎn)能力，從而實現(xiàn)單點的賦能。此外，像是智能文檔提取、基礎問答機器人、會議紀要自動生成等，也算屬于單點能力賦能。
這一階段的特點是易上手、見效快、范圍窄。達到的成本較低，通過部署成熟開源項目、工具，或者是購買第三方的成熟AI服務就能滿足。是前文提到的“第一類無相關開發(fā)能力的團隊”可以有做到的階段。
階段二，是工作流整合賦能
AI能力不再孤立，而是嵌入到現(xiàn)有的核心業(yè)務流程或系統(tǒng)中，為整條鏈路提供自動化或智能化解決方案。假設我們原本制作了一個圖片生產(chǎn)能力，那這個系統(tǒng)就是關聯(lián)業(yè)務的靈感庫、素材庫，自動生產(chǎn)圖片素材，然后上傳到我們的投放系統(tǒng)上。從而實現(xiàn)了“需求——制作——使用”業(yè)務流程的閉環(huán)。
這一階段可以通過貼合業(yè)務流程，最大限度發(fā)揮AI的“提效”、“提質”作用。這一階段需要“有基礎開發(fā)能力的團隊”的支持，從而進行系統(tǒng)開發(fā)，或者利用企業(yè)的數(shù)據(jù)資產(chǎn)進行RAG調(diào)教，從而用來滿足企業(yè)定制化的訴求。
階段三，是工作流智能調(diào)度階段
就好像最近爆火的Manus、Lovart這些工具，他們可以通過用戶輸入一句話的需求，由大模型理解用戶訴求，并規(guī)劃任務執(zhí)行順序，同時調(diào)度所需的AI工具，最后完成任務的執(zhí)行。
這都體現(xiàn)了現(xiàn)在的AI工具的一個趨勢。AI工具越來越多，面對復雜且繁多的工具，人會陷入選擇的困境。而且部分場景下，還會涉及到多個工具的組合使用，這無疑進一步加大了選擇的成本。
所以現(xiàn)在的AI工具呈現(xiàn)的趨勢，是一個“從人找AI”到“AI找人”的趨勢。通過AI理解用戶的“需求”，再智能匹配對應的AI工具，并完成任務規(guī)劃和執(zhí)行。
目前這一階段大多數(shù)是通用解決方案，如果在內(nèi)部定制化的場景落地，需要有一定“小模型開發(fā)、微調(diào)能力的團隊”。
階段四，是數(shù)字員工階段
但這個階段屬于“對未來的展望”。意思是把員工的技能拆解一個個的AI工作流程，然后通過對業(yè)務環(huán)境進行感知，然后執(zhí)行計劃，最終進行滿足業(yè)務訴求的行動。
但是目前這個只是一個展望，就不講太多了。
通過分開這個四個階段，我們可以大致對應上前面提到的4個類型的團隊，在當前，階段1、2、3、4一定程度上對應著團隊類型1、2、3、4的上限。
但這也是當前階段的對應關系，后面隨著2、3、4階段能力的“SaaS”工具化，僅有第一類能力的團隊，也可以應用上最新的AI技術?，F(xiàn)在工作流類工具越來越多，已經(jīng)有一定這樣的趨勢體現(xiàn)。
[自我認知]對內(nèi)B端的壁壘
雖然當前階段，大部分廠商都是通用場景方案，而不是滿足企業(yè)的定制化需求。因此，他們對于我們垂直某行業(yè)的B端企業(yè)來說，這些AI能力的提效程度有限的，這里存在著“最后一公里的問題”。
在這個階段，我們可以結合通用方案的情況和我們的垂直行業(yè)需求，構建相關的AI工具，提高AI在具體業(yè)務下的準確度，給到業(yè)務定制化的解決方案，最高效地滿足業(yè)務訴求，從而輔助解決外部AI能力的“最后一公里”問題。
但是隨著外部廠商的發(fā)展，隨著他們能力、場景、行業(yè)的深耕，有可能某一天有某家廠商會推出“能滿足我們業(yè)務需求”、“好用”、“便宜”的工具的，那這樣我們內(nèi)部B端產(chǎn)品團隊的努力就白費了。
所以說，我們在探索AI方向的時候，也要考慮壁壘構建的可行性。
個人覺得，判斷是否能形成壁壘可以有這幾個方面：
1.是否具有足夠的定制化優(yōu)勢？
第三方廠商（SaaS）是做多家公司需求的，做的是標準化產(chǎn)品，在特定場景上一定存在效率流失，相比起定制化工具，不夠好用。而且有些特殊的業(yè)務場景，第三方廠商并不一定能賦能。就算第三方廠商推出低代碼平臺，短時間內(nèi)這里還是有巨大的入坑門檻。
因此我們要判斷，我們企業(yè)的流程是否有足夠多的定制化場景，能夠區(qū)別于第三方廠商提供的“賦能”，保證使用內(nèi)部的工具能夠有足夠高的效率提升。
同時，我們要保證這里的定制化場景是否足夠多，是否會被第三方廠商在短時間內(nèi)覆蓋，以保證我們能夠區(qū)別于第三方廠商，不然老板是沒有理由為“內(nèi)部B端產(chǎn)品團隊”買單的。
2.是否能夠積累行業(yè)最佳實踐？
第三方（SaaS）是行業(yè)平均水平的最佳實踐，內(nèi)部系統(tǒng)是企業(yè)的最佳實踐。如果我們內(nèi)部企業(yè)是能夠形成領先于行業(yè)的最佳實踐的，那么我們便不需要第三方廠商的賦能，而是可以自行探索，并進行沉淀，從而實現(xiàn)自我內(nèi)部的賦能。
3.是否能避免數(shù)據(jù)風險和安全問題？
這一點是頭部公司和處于競爭激烈行業(yè)的公司的擔心點。采用內(nèi)部系統(tǒng)是能夠一定程度避免這些風險的。所以我們要判斷我們所處的行業(yè)，是否能通過內(nèi)部系統(tǒng)避免這種風險。
如果不是頭部公司，或者競爭并不激烈的行業(yè)，這一塊的風險是相對較小的，那么我們便有可能不需要通過自研內(nèi)部系統(tǒng)來規(guī)避風險。
4.是否能夠提供更便宜的解決方案？
部分SaaS提供的定價往往很高，會打包販賣一些不需要的額外服務，導致整體溢價。因此，如果內(nèi)部B端產(chǎn)品能結合業(yè)務的實際需求，提供剛好合適的功能，并且控制整體的開發(fā)成本。那么我們相對SaaS來說，也是具有一定的優(yōu)勢的。
以上四點，是我們推動內(nèi)部AI落地的時候需要考慮，并逐漸做起來的事情。否則，某一天外部市場的顛覆，可能會使得我們的努力前功盡棄。
[業(yè)務認知]掃描業(yè)務機會點
以上3點自我認知輔助我們梳理了“我們能做什么的問題”，接著我們就要去探索“我們要做什么”。就需要找到業(yè)務的方向，這時候需要先進行業(yè)務認知，掃描業(yè)務的機會點。
我的思路是這樣的：
首先，我們需要進行領域劃分，盤點好大致的業(yè)務類型。就假設公司會涉及到設計、客服兩個領域。
然后我們針對這兩個領域拆解其中的業(yè)務流程，梳理其中的核心環(huán)節(jié)，比如：
設計的核心流程是“尋找靈感”、“制作草稿”、“收集素材”、“成稿”、“上線”。
客服的核心流程是“客服培養(yǎng)”、“了解問題”、“解決問題”、“跟進”、“反饋收集”、“記錄報告”、“客服管理”等環(huán)節(jié)。
接著，我們需要通過這些業(yè)務流程，分析AI的切入點，重點是找到其中的痛點，比如重復、低效、易錯、信息過載等的情況。
這個過程十分考研我們對業(yè)務的理解能力，所以我們可以通過“業(yè)務調(diào)研”、“業(yè)務訪談”、“業(yè)務輪崗”等方式挖掘其中的切入點。
然后，我們可以評估這些切入點是否能被當前（基于團隊能力的）AI技術解決或優(yōu)化，并分析其中的可行性難度。
假設我們從設計領域的“尋找靈感”方向找到“行業(yè)情報收集”、“靈感提取”切入方向，我們可以線去分析其中所需的AI技術。
比如行業(yè)情報收集需要信息采集，也就是爬蟲技術，這里基本最核心的功能不涉及AI，AI只會在“提高采集精準度”上發(fā)揮作用，所以這個方向整體實現(xiàn)難度是“簡單”。
又比如靈感提取需要對多模態(tài)物料進行分析，提煉出可供素材設計的靈感。這里涉及到“圖片/視頻內(nèi)容提取、圖片/視頻內(nèi)容分析”兩方面的技術，目前內(nèi)容提取相對較為簡單，但是分析出行業(yè)所需信息是難的，所以這個方向實現(xiàn)難度是中等。
我們可以按這個表格的形式，嘗試列舉到所有的切入點，并盤點其中AI技術的實現(xiàn)難度。
判斷實現(xiàn)難度可以通過下面幾個方法輔助調(diào)研。
這個AI技術有多少相關的公開信息？我們可以查查這個AI技術，有多少公開的學術研究、專利、媒體報道。相關的信息多說明這個方向具有一定的可行性。但是也有可能說明該方向只是前沿研究性質的內(nèi)容，距離實際落地還有距離，所以在調(diào)研完這個方向后，我們還要調(diào)研下后面兩個方向。
這個AI技術有多少企業(yè)在發(fā)力？我們可以查查這個AI技術，有多少企業(yè)在發(fā)力研究，或者表示對這個方向有研究意愿。發(fā)力的企業(yè)多說明這個方向具有一定的價值，且具有較高的可行性。當然，這里也有一些企業(yè)在“做難且正確的”事情的，因此這個判斷維度主要是作為輔助參考。
這個AI技術有多少開源能力/商業(yè)化能力？我們可以查查這個AI技術，有多少已經(jīng)現(xiàn)成的開源能力，或者是商業(yè)化能力的。因為這意味著，這個AI技術已經(jīng)具有一定的成熟度了，我們可以直接站在企業(yè)的肩膀上發(fā)力。
核心是判斷是否有足夠的借力點，省的我們重復造輪子。
[業(yè)務認知]業(yè)務價值預估與優(yōu)先級排序
然后我們進入下一步，對業(yè)務價值進行預估，從而確定最終的業(yè)務實現(xiàn)優(yōu)先級。
因為有些AI方向雖然看起來高大上，但是一結合業(yè)務并無什么卵用，那研究并落地這些AI能力的目的是什么呢？只是為了看起來牛逼嗎？
比如我們是一個內(nèi)部客服系統(tǒng)，最近AIGC很火，我們在客服系統(tǒng)上增加了生成圖畫內(nèi)容的功能。這看起來很高端，但實際上并不能解決客服業(yè)務中的“用戶問題解決”的核心訴求。
比如我們是一個內(nèi)部的視頻處理系統(tǒng)，最近讓角色跳科目三很火，為了趕上熱點，我們趕緊在系統(tǒng)上弄了一個圖片跳舞的AI能力?？雌饋泶_實挺跟熱點的，但是實際內(nèi)部業(yè)務上會用到多少這種需求？做了似乎浪費人力成本。
所以我們要梳理一套內(nèi)部的價值評估標準，用來對多個的AI切入方向進行梳理。
價值判斷有幾個維度：
1.用戶數(shù)量：該AI能力能被多少內(nèi)部B端用戶所需要？這決定了AI發(fā)揮作用的范圍，即用戶量有多少？
2.使用頻次：該AI能力能被使用的頻率有多少？這決定了AI能力能否經(jīng)常性發(fā)揮作用，還是偶爾被用一兩次。
“用戶數(shù)量”和“使用頻次”兩個維度都是用來判斷AI能力方向的需求規(guī)模的。如果最終盤下來只有一兩個人能夠使用上或者整體使用頻次很低，那么可以說這個AI能力其實發(fā)揮作用的空間很有限。
3.提效價值：使用AI能力后，能夠節(jié)省人力多少成本。一般在同等工作內(nèi)容和工作質量下，對比人工處理的時間和機器處理時間的差異。
4.產(chǎn)出價值：使用AI能力產(chǎn)出的內(nèi)容，能在業(yè)務中發(fā)揮多少價值。這里可以用直接產(chǎn)生的收益，或者間接產(chǎn)生的輔助收益進行衡量。
“提效價值”和“產(chǎn)出價值”兩個維度是用來衡量AI能力的單次價值的。
我們可以使用一個公式來進行整體AI方向的價值衡量：
AI方向價值=用戶數(shù)量*人均使用頻次*單次提效價值+用戶數(shù)量*人均使用頻次*單次產(chǎn)出價值
通過使用量化價值和量化的成本對比，我們便能判斷這個方向的性價比和優(yōu)先順序。
舉一些實際的例子。
假設我們在研究AI美術相關的能力，目前有視頻編輯和圖片編輯兩個方向，但是團隊人力有限，我們要選擇優(yōu)先哪個方向呢？
那么我們便按上面4個維度進行拆解：
以上數(shù)據(jù)為虛構示例。
可以看這個表，可以分別算出兩個內(nèi)容的具體值。
AI視頻編輯的工具價值乘起來是400w，當然這是一個假設值。
AI圖片編輯的工具價值乘起來是110w
那么很明顯可以看到，AI視頻編輯工具的價值是整體偏高的。目前這兩個技術都有借力，所以成本相似。因此，在不討論其他因素的前提下，AI視頻編輯工具是更值得探索的。
這個過程中，我們可以保留一些“當前團隊能力無法滿足，但高價值”，且在適當“補充人力”后可夠到的方向。用于后續(xù)爭取資源。
因為我們最終是為AI的價值服務，而不是需要局限于當前的團隊能力。
[業(yè)務認知]基于已有方先與團隊對齊
完成了方向梳理后，我們需要再次和業(yè)務團隊進行對齊，形式可以是通過把方向制作成大致的說明文檔。這里需要看團隊的理解能力，可以是文字說明，也可是高保真原型。
這里需要做的事情主要是：
第一，通過把已有的方向和團隊對齊，讓業(yè)務設想下自己使用這些功能時候的場景，從中甄別哪些是偽需求，從而修正我們的方向設計，避免我們由于“業(yè)務理解程度不高”導致的方向錯誤。
第二，一定程度上進行業(yè)務價值的前期驗證，我們需要得到“頻次預估”、“價值預估”，修正我們一開始的價值判斷，從而優(yōu)化我們的功能排序。
第三，我們需要給業(yè)務打預防針，減少“AI取代他們”的顧慮。
減少業(yè)務的顧慮，是要建立“AI是與人協(xié)創(chuàng)”的認知。
AI是對“能被總結出規(guī)律內(nèi)容”的歸納，本質上是滯后于“不斷創(chuàng)新發(fā)展”的前沿領域的。
我們要知道，人能做的事情，AI才能去做！
AI就好像是個實習生，擁有各項技能，但是不會怎么用，需要我們總結出一套SOP，指導他們進行業(yè)務。而他們也會在這個過程中不斷成長，只要我們還能夠帶他們，教會他們新的知識和內(nèi)容，那么我們就不會被他們?nèi)〈?/p>
我覺得AI和我們的合作其實可以分為三層。
1.最底層是低復雜度的基礎工作，這些工作內(nèi)容占據(jù)了最高的工作量。
這些工作可由AI完全自動進行，不需要我們耗費人力。
2.第二層是有一定挑戰(zhàn)的工作，這些工作里AI能夠輔助我們進行一些重復工作，但是最重要的關鍵還是在于我們?nèi)俗陨淼呐袛嗪蛨?zhí)行。
在這一層，我們和AI是合作的關系，AI在這里充當?shù)氖俏覀兊闹帧?/p>
3.最頂層是復雜度最高的工作，這些工作往往是具有創(chuàng)新突破性質的工作。
這些工作從本質上講，是無法被AI替代的。除非我們遠遠落后于行業(yè)前沿。行業(yè)的大模型知識遙遙領先于我們。
該領域也是我們的核心壁壘，只要我們能走在AI前面，那么AI將很難追上我們。
[向上認知]基于對齊結果向上管理
到這時，我們就已經(jīng)有了基于“自我認知”和“業(yè)務認知”得出的AI方向了。
這時候我們需要進行向上管理。
首先，我們要對齊“預期”。需要告知：
團隊邊界：我們的團隊能做到什么程度的內(nèi)容，如果要做到這個程度的內(nèi)容，需要打造什么樣的團隊。
方向與價值預估：我們需要告知目前能做到什么事情，并告知相關價值。
風險預估：我們需要告知，哪些方向是目前“實現(xiàn)難度大”的，需要告知實現(xiàn)難度大的內(nèi)容，具有“ROI不確定”的風險。
通過對齊這些內(nèi)容，我們需要做到：
確認上級的預期，調(diào)整優(yōu)先級。因為我們得出的方向，往往是缺乏高層戰(zhàn)略視角的。所以我們要從向上管理的過程獲取信息，從而修正我們的方向。
爭取資源，并以此成立AI專項小組。
為什么要成立AI專項小組呢？
首先是可以獲取人力資源優(yōu)勢，對齊目標，補齊人力。使得我們可以更高效率地推動AI的落地。
其次是通過專項小組，我們可以借此調(diào)度其他各線業(yè)務的支持。因為AI只是一個技術能力，所有業(yè)務都是+到AI上的，所以不能光整能力，需要業(yè)務基本盤，需要來自業(yè)務的支撐，需要充分調(diào)度各業(yè)務線的支持，如有特殊情況，能獲取到來自上級的支持。
然后，通過小組的方式，我們可建立“邊際成本遞減”的成本優(yōu)勢，打造企業(yè)內(nèi)的AI中臺服務。由一個統(tǒng)一的小組來承擔AI研究任務，可以顯著降低重復成本、研究成本、學習成本和部署成本，只需投入一次，便能為整個團隊服務。而且專門的AI研究小組能夠集中人力資源，攻克技術難題。
最后，可以更好地運營“AI落地”這件事情。因為AI落地不僅僅是開發(fā)層的事情，更多是運營層、管理層的事情，要有一個能夠從全局把控團隊“應用AI這件事”的組織，做好團隊AI+這件事情。
圍繞共創(chuàng)生態(tài)的AI落地
接下來，我們就要開始推動“AI落地”的這件事情了。
小的認為，在對內(nèi)B端，AI技術要能真正賦能業(yè)務，并不是先研究一個很叼的技術能力，然后再去找業(yè)務看看“有無什么作用？”
這就像拿著錘子，去到處找釘子。這不過就是一種自嗨的偽需求。
而我們應該做的，是找到釘子，再拿個合適的錘子過來。不是AI能做什么？而是我們的用戶需要什么？
所以說，我們是要在業(yè)務中發(fā)現(xiàn)有價值的需求場景，然后基于這個需求去研究相關的AI能力，最后結合業(yè)務發(fā)揮作用。
因此，個人認為，我們是需要構建一個“共創(chuàng)生態(tài)”，以此輔助我們挖掘真需求，進行AI落地。圍繞這個目的，我總結了3點方法論。
[建設基于AI的業(yè)務協(xié)創(chuàng)機制，積累最佳實踐]
[圍繞最佳實踐構建系統(tǒng)功能，積累業(yè)務戰(zhàn)果]
[圍繞系統(tǒng)成果深化共創(chuàng)生態(tài)，構成良性循環(huán)]
下面具體談談。
[建設基于AI的業(yè)務協(xié)創(chuàng)機制，積累最佳實踐]
我們第一步是“建設基于AI的業(yè)務協(xié)創(chuàng)機制，積累最佳實踐”。
一個AI能力的落地，并不是可以直接從功能開發(fā)入手的，而是需要先判斷其與業(yè)務場景的適配程度。
因為一個AI模型被吹得“能力很強大”，并不等于在企業(yè)的定制化場景下“能力很強大”，很有可能AI的效果就是不行的。
所以要落地一個AI技術，要先進行“可行性研究”、“業(yè)務測試”，再是“功能開發(fā)”等步驟。
因此從發(fā)現(xiàn)一個AI技術，距離真正落地還有很長的距離，而我們不可能讓業(yè)務等我們先走完流程才用上AI，這會讓業(yè)務浪費極大的機會成本，也會在內(nèi)部積累一定的怨言。
所以，我們需要構建一個“基于AI的業(yè)務協(xié)創(chuàng)機制”，其可以做到：
通過一套標準化、快速的AI測試驗證方式，保證快速驗證AI技術與業(yè)務的適配程度。而且在后續(xù)AI迭代的時候，能夠告訴業(yè)務最佳的選擇。
通過一些快速部署的機制，讓業(yè)務能夠快速用上最新的AI能力，并在這個過程中，進一步判斷AI和業(yè)務的適配程度，并積累業(yè)務的AI最佳實踐。讓業(yè)務輔助我們篩選掉一些“原本確定下來可實現(xiàn)、有價值，但是實際實現(xiàn)起來存在卡點”的方向，這些方向有可能是因為當前AI能力未能滿足業(yè)務訴求，有可能是通過實踐發(fā)現(xiàn)“價值沒這么高”。
如果團隊有能力在后續(xù)提供系統(tǒng)化解決方案，這個過程可以培育一批核心的種子用戶，也便于后續(xù)促成“共創(chuàng)”生態(tài)。
而“基于AI的業(yè)務協(xié)創(chuàng)機制”，主要由以下流程構成。
AI探索：基于業(yè)務方向進行AI工具的實驗與探索，對市面上的AI能力進行初篩。
能力引入：構建能夠讓業(yè)務使用外部工具的形式，一般有以下3種形式。第三方賬號：申請預算購買賬號，做好分發(fā)與管理，通過分發(fā)賬號的方式讓業(yè)務進行AI體驗。開源部署：通過借助開源工具、第三方平臺部署到內(nèi)部，給內(nèi)部使用。API：通過接入API，通過提需求或者簡單上到系統(tǒng)的方式，給到業(yè)務使用。
業(yè)務試用：一批核心的業(yè)務成員，給我們業(yè)務視角去評估AI，輔助我們判斷AI是否真的能帶來價值。
最佳實踐沉淀：通過業(yè)務使用，記錄并沉淀我們的最佳實踐案例庫，用于為后續(xù)系統(tǒng)化做準備。
整體流程就是，先由AI探索者進行研究初篩，然后引入到內(nèi)部進行業(yè)務使用，最終沉淀成最佳實踐。
這個過程中，我們需要建立以下內(nèi)容：
AI情報信息源：AI的發(fā)展是日新月異的，我們需要建立優(yōu)質的信息獲取渠道，以便我們能及時獲取到最新的AI情報，然后進行實驗與探索，從而找到對業(yè)務有價值的AI能力。
內(nèi)部評價體系：需要內(nèi)部建立一個統(tǒng)一且規(guī)范的AI評價標準，用來進行市面上AI能力的橫向對比，以及AI能力迭代時候的縱向對比。通過量化的方式，來找到最適合業(yè)務的AI工具。
協(xié)作SOP：如果某個AI能力未能提供系統(tǒng)化解決方案，需要人力的方式保證業(yè)務運轉。比如接入API來進行視頻生成，需要業(yè)務方提交物料給到技術生成。如果需求方過多，會由于管理混亂導致效率低下。因此需要形成一套指引協(xié)作的SOP，來規(guī)范對接的流程，每個過程提交的物料。一來保證團隊的高效，二來降低溝通成本。
最佳實踐知識庫：這套“基于AI的業(yè)務協(xié)作”的過程必定會積累不少價值的AI使用最佳實踐。我們需要把這部分內(nèi)容沉淀，并復用到其他業(yè)務方上。
因此，我們要構建一個統(tǒng)一入口的知識庫。
這里的要點在于“統(tǒng)一入口”。為什么這么說呢？因為內(nèi)部中臺的本質是復用和沉淀，如果劃分得很散亂，必定會增加業(yè)務理解成本，也不便于團隊“積少成多”形成規(guī)模化效應（AI的發(fā)展趨勢也是一種積少成多）。而且，假設我們后續(xù)要進行系統(tǒng)化，我們的系統(tǒng)也是會以這個“知識庫”內(nèi)所包含的內(nèi)容為雛形進行發(fā)展的。
[圍繞最佳實踐構建系統(tǒng)功能，積累業(yè)務戰(zhàn)果]
當我們的“基于AI的業(yè)務協(xié)作”模式跑起來，并源源不斷積累“有價值”的最佳實踐后，就需要考慮進行系統(tǒng)化建設，充分發(fā)揮AI提質、提效的作用。下面講講個人關于這一塊的想法。
1.建設核心：以Allinone為核心進行系統(tǒng)化建設。
個人認為，系統(tǒng)的建設核心應該是遵循著“Allinone”思路的。
Allinone分為四層。
所有AI能力整合，集中內(nèi)外部AI能力。
所有業(yè)務經(jīng)驗整合，集中所有優(yōu)質業(yè)務實踐、技術探索。
所有業(yè)務流程整合，集中所有業(yè)務流程，比如客服、設計從頭到尾的流程。
所有應用場景整合，所有應用場景都調(diào)用我們系統(tǒng)，比如公司的數(shù)據(jù)分析后臺、CRM后臺、投放后臺等等地方，都可以調(diào)用AI能力。
要做到內(nèi)外部AI能力層面的Allinone，需要我們保持穩(wěn)定的AI探索，并積累對內(nèi)部有益的AI能力，這一塊前文的“協(xié)創(chuàng)機制”就為此進行了一定的積累。
同時，“協(xié)創(chuàng)機制”過程積累的最佳實踐，本質就是一種優(yōu)質經(jīng)驗，由此，也構成了“業(yè)務經(jīng)驗”的Allinone。
而要做到業(yè)務流程層面的Allinone，需要我們“協(xié)創(chuàng)機制”積累的最佳實踐，深挖相關業(yè)務流程，并積累AI能力的“點-線-面”。
AI能力的“點-線-面”其實對應著前文提到的“Ai落地B端”的多個階段，單點接入賦能、工作流整合賦能、工作流智能調(diào)度階段。
我們在“協(xié)創(chuàng)”過程中搭建的試用機制，某種程度上滿足了“單點接入賦能”的訴求。但是這樣僅僅只能服務于小部分人。由此，我們可以搭建一個功能來提供這些單點能力，讓非協(xié)創(chuàng)成員也能用上這些能力。
接著，我們需要基于已有的“業(yè)務實踐”深挖其業(yè)務流程，并給到嵌入業(yè)務流程的解決方案，為整條鏈路提供自動化或智能化解決方案。這也是我們邁入“AI落地B端第二階段”的關鍵。在這一階段，AI的“提效”、“提質”作用會被進一步放大，給業(yè)務提供一條龍式的服務。
比如在階段一我們只提供了一個“客服問答助手能力”，在階段二，我們就需要考慮構建客服服務場景下一條龍式的服務，比如用戶提出一個問題，對于問答助手沒法解答的問題，我們可以記錄問題的類型，登記成工單，然后分配給合適的成員進行跟進，并在跟進完成后，由AI進行質檢評分。
最后，我們便可以進行“工作流智能調(diào)度階段”的探索，嘗試為業(yè)務流程帶來更高提效的可能性。
接著，是應用場景層面的Allinone，我們可以通過以下兩種方式來實現(xiàn)：
構建AI能力聚集地：我們可以將已有的AI能力聚合到一個系統(tǒng)上，從而覆蓋各種AI的使用場景，并由此來培養(yǎng)“這個平臺有所有AI能力”的認知，讓更多人養(yǎng)成使用習慣。
封裝并分發(fā)到各業(yè)務系統(tǒng)：大部分廠商原本就有一定的業(yè)務系統(tǒng)建設，用戶也養(yǎng)成了相關的使用習慣。因此我們可以把AI能力封裝成API、瀏覽器插件等形式，讓其他業(yè)務系統(tǒng)按需調(diào)用。
當然，這兩種方式是可以共存的，并不會互相影響。
2.構建順序：MVP原則，先驗證，后放大
確定系統(tǒng)的構建核心思路后，就是系統(tǒng)的構建順序。
這里主要是遵循MVP原則，即最小可行性原則。通過這種方式最小成本驗證價值，然后再規(guī)?；ㄔO。
也可以理解為“先上線，再優(yōu)化”。這個過程也是”積累戰(zhàn)果“的關鍵，我們可以由此積累足夠的系統(tǒng)價值證明。
當然，各位都是做產(chǎn)品的，這個原則大家耳朵估計都聽到起繭子了，這里就不多贅述了。
3.兜底策略：海王思維，兩手準備。
由于AI能力發(fā)展日新月異，我們通過“協(xié)創(chuàng)機制”選出來的AI方案可能只合適于當下，在未來卻有隨時被其他AI能力顛覆的可能性。
比如，一開始AI視頻生成是runwaypikaluma比較厲害，但是現(xiàn)在基本上都是選擇可靈即夢。
因此，在落地相關功能時，需要具備一種”海王”思維：
1）做好隨時“分手”的準備：
確?；贏I相關功能的實現(xiàn)方案不要過于定制和耦合，明確好自身系統(tǒng)和AI能力的邊界。把AI能力當作一個可隨時替換的“插件”，做好隨時替換的準備，當目前使用的AI能力由于成本或者能力問題需要替換的時候，可以隨時抽身而退。
2）定期評估最佳實現(xiàn)方案：
由于當前AI發(fā)展日新月異，為了不讓企業(yè)落后，產(chǎn)品團隊需要定期接入最新的模型進行測試和驗證，利用前面搭建的“內(nèi)部評價體系”判斷最新的模型與原有模型的差異，以用于判斷“是否替換”或是“保持使用”。
當系統(tǒng)在穩(wěn)定地構建的時候，我們要注意系統(tǒng)戰(zhàn)果積累，為下一步做準備。
[圍繞戰(zhàn)果成果深化共創(chuàng)生態(tài)，構成良性循環(huán)]
基于前面兩個環(huán)節(jié)積累的最佳實踐、系統(tǒng)戰(zhàn)果，我們需要定期進行戰(zhàn)果宣導，可以通過內(nèi)部期刊、宣講會等方式來同步我們的戰(zhàn)果信息。
以達到以下效果：
通過成功案例吸引更多的使用者，并通過用戶培訓教育降低使用門檻，吸引更多AI使用者，進一步發(fā)揮系統(tǒng)價值。
構建團隊的構建內(nèi)部公信力，成為生態(tài)的牽頭人之一，便于向各方借力，進一步推動AI落地。
通過拋磚引玉的作用，挖掘更多的”生態(tài)共建者“，拓展共創(chuàng)規(guī)模，輔助我們找到更好的AI方向、AI需求，保證我們的AI應用能確實圍繞”團隊的真需求“開展。
圍繞”共創(chuàng)生態(tài)“這個內(nèi)核，我們先推動業(yè)務協(xié)創(chuàng)探索，積累最佳實踐，圍繞最佳實踐落地系統(tǒng)，然后通過戰(zhàn)果宣導刺激更多共創(chuàng)需求，再進行使能探索。
如此，便構成了一個良性的循環(huán)。
小結
以上，便是我個人關于內(nèi)部B端產(chǎn)品落地AI的實戰(zhàn)經(jīng)驗分享了。當然這些經(jīng)驗只是我從個人的經(jīng)歷中提煉出來的，并不一定適用于所有場景，但希望能個到各位啟發(fā)。
《官路權途》:觸電一刻,命運改寫!「續(xù)讀」
獵天爭鋒商夏沐清雨，凌天保鏢專職高手另類保鏢專職保鏢超凡兵王葉凌天李雨欣。醫(yī)路官途，凌游秦艽，演繹著權謀與醫(yī)術的交織傳奇。蓋世狂徒蕭北辰與幕紫嫣，鴻途奇才陸羽彭靜，各自在官場與江湖中掀起波瀾|——。權謀升遷有道，手腕謀局者季子強葉眉，升遷記與扶搖直上青云路，描繪出官途的權力巔峰畫卷。官路扶搖，崔向東樓曉雅，..
《官路權途》齊寶觸電奇緣,官場風云再起!「續(xù)讀」
《官路權途》齊寶觸電獲讀心術，官場風云突變！「續(xù)讀」今日推薦：《官路權途》作者：風水——|。點擊文末超鏈接開始觀看吧～第318章關晶晶的消息根本就不是什么功訣，只是一種對于神識運用的論述！這都什么東西?。〔贿^，花了那么大的精神修復了這個玉簡，齊寶也只能認真的去了解這理論了。雖然神識的力量是自己還有呢？
從四位女性視角解析《重生之官路商途》:權謀背后的情感密碼
#小說推薦#小編的精彩推薦：《商運紅途》玩轉官場職場小說，卻被老婆戴綠帽，工作被辭，強推第一本：《重生之官場天才》作者大號吹一吹短書評：平民子弟車禍身亡，突然成為官場豪門少爺——。是繼續(xù)放縱自己，還是換一種人生--官路楊帆？本該是兩個人的人生線索，從此都交錯在他。內(nèi)容摘要：包振華側身躲過，拍手好了吧！
延伸閱讀：與 淺談企業(yè)：內(nèi)部B端產(chǎn)品||落地AI{的實踐} 的相關文章
【IGN】《鳴潮》共鳴者「奧古斯塔」、「尤諾」演示
假如《紅警》等即時戰(zhàn)略游戲里的建筑物血量全部×10，這些游戲的觀賞性會不會更佳?
《 有 輻 之 人 》
《偽COD處決》第十期
2000 萬筆“重建”不羨仙，離人與故鄉(xiāng)的重逢，還有很多事可以訴說
ぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬぬ￤だれかぬいてくれ￤VOCALOID
12歲被六旬老頭鎖屋內(nèi)猥褻半年，從此得了精神分裂，流浪街頭十年成為三和大神
“成人安撫奶嘴”走紅
道歉信
我把車改造成移動錄音棚，給北京寫了首歌
