AI也没想到，三年红透半边天

AI不会想到三年红透半边天。从步入社会到现在经历过互联网行业的波动虽没赶上增量发展的红利期但踩中存量竞争的内卷期。趋势在当时似乎无迹可寻回头一琢磨又千头万绪。在互联网行业卷上个几年绕来绕去的关键词就三个业务的模式产品的形态技术的迭代。企业已经不流行喊使命愿景价值观。寒气太重的冬天保暖才是关键问题。信息化到数字化的过程发展了几十年数字化到智能化的升级不过短短几年三个阶段在议论纷纷中就这样实现了落地。互联网企业热衷于追求效率人工智能的强项也正在于此。从理论上说应该是一拍即合才对。不过矛盾的问题是虽然效率明显提高如果没有足够的业务支撑很容易转向平衡成本直接的办法就是少人或换人混乱的节奏就会拉开序幕。在互联网的企业看来这叫做顺势而为。三个阶段的发展过程就是普通的互联网民工也能清晰感知变化产品业务和技术不断的升级换代试图顺应发展的趋势。在职场初期阶段经历过增量发展的尾巴。大部分的公司只选择为核心业务搭建信息化的产品可以高效的服务更多客户向市场描绘预期广阔的故事。有钱有闲的大厂意识到其它流程也需要信息化。比如常见的组织协作纸质表单的审批流程稍微投入一点时间改造可以明显的提高效率并且每件事都能留下清晰的痕迹。信息化过程主要是线下到线上。对线下交互的场景和流程建模研发相应的软件产品技术栈的选择简单轻量快速提高效率和规范留存数据记录可追溯。公司内的组织协作需要边改造流程边适应信息化的系统。从线下转到线上是当时的主流方向不过发展总会遇到新问题不同系统之间被隔离场景和数据就像孤立的小岛。在职场的中期阶段存量竞争的口号顺势而出。从增量发展转向存量竞争会倒逼企业提升运营的效率在信息化的业务流基础上自然想到连接各个产品系统使不同的场景和数据进行交互和数据流动。不再是线下到线上的搬迁而是打通端到端的效率重构。此时很多企业意识到产品可以向平台模式进化把人和流程以及数据在线管理从而达到跨部门跨系统的高效协作整个过程是产品系统适配组织效率。一条消息读没读都能做到实时反馈。大中台和小前台的说法当时也火了好几年平台产生的数据被公司当成资产管理效率得到极致的提高但办公的体验开始两极分化。数字化的过程是从线上的角度观察线下。把不同场景下的产品进行端到端的连接业务流的交互更加高效数据因为流动发挥出价值开始细致的采集和治理设计各种分析模型产品系统连起来像一个复杂的在线平台。在此基础上组织高效协同运营也精准细致。技术栈层面开始打造分布式架构设计业务和数据中台各种自动化流程和效能分析通过数据判断效果进而影响决策。在职场的当下阶段就是基于数据学习而来的人工智能。数据早于AI之前就已经被大公司青睐从数据中挖掘有价值的信息服务于各行各业。抽象的话术叫赋能说一个最简单案例。假设张三此刻购买一辆车谁拥有这个动作的即时线索谁就知道张三不再需要车但是需要相关的配套产品这就是挖掘数据的价值。在阅读大量的数据样本后软件和算法开始走向智能化学会了分析和优化以及做决策。信息和数字化基础之上AI开始理解用户的意图。智能化的过程模型从数据中发现规律验证规律使用规律。AI可以理解组织协作使用平台的系统功能直接解决各种用户需求目前主流的模型产品居然就是一个简单的对话框。千人千面的定制化需求几款模型组合就能应付。围绕多种分析预测规划编排推荐的算法组合基于海量数据的学习覆盖各类系统化产品直接提供通用的AI能力。大部分复杂的业务体系包括如下几个产品系统客户线索和档案管理销售的全流程广告营销和运营。需要多个专业团队精细管理才能维持业务运转。人工智能出场的短短三年AI接管的自动化流程越来越多在一个智能体中集成各种能力分析挖掘客户线索生成营销推广的话术执行投放管理的策略售后服务的问题解答流程走完直接出效果分析。服务的用户虽然有骂声但企业的选择一贯坚定。三大阶段的变化过程对比当前智能化的现状总能找到一丝熟悉的味道。信息化和数字化的过程产品的形态变化很清晰。信息化阶段围绕场景建模固定的流程和界面改动起来非常麻烦数字化阶段提供可配置的界面可以编排流程设计各类数据表单。到智能化阶段在对话中理解意图实时生成界面动态调用不同API功能。大模型的诞生可以理解为产品业务和技术发展到一定阶段后的产物依赖技术和市场的共同演进每一步都为下一步打下基础。在模型推向市场的初期能力边界和准确性不稳定更多作为产品的增强选项。比如广告和销售链路AI最初嵌入的流程很少只涉及自动填写内容给少量的用户智能推荐企业用较少的投入判断业务流中的真实效果。但AI的能力还在快速提升并且想象空间巨大。不仅可以发红包请奶茶还能写代码做产品解决问题。越来越多的产品被迫降级为API功能AI理解具体的需求然后动态组合这些能力分层设计的架构之下原有的产品虽然没消失但隐藏的越来越深。从客观规律来说AI持续发展必然会成为原生的底层。完全用AI设计产品的新形态大模型本身就是产品不再用传统的表单和流程而是用简单的对话进行颠覆式的创新。在热门的编程领域写代码的方式已经被改变。当某天模型的能力再次升级完全覆盖和超越传统的产品功能那背后的开发者该何去何从人工智能的花式技能里写作和编程最受专业人群推崇。这两个领域具备极强的杠杆效应。写内容是自媒体的流量基础编程是软件开发的高效手段一边靠内容积累流量另一边快速做产品验证市场两者之间相辅相成。借助AI低成本试水创业不论是产品还是流量甚至是积累实践经验顺手抓到什么都不亏。最近使用AI编程连续开发多款产品。起初有各种天马行空的想法测试AI写代码的能力边界结果自己的短板暴露一清二楚开始转向工具型产品制作把不常用的付费场景用AI工具开发出来。连续多款产品练手才意识到AI编程的价值。单纯用自然语言表达可以做出还不错的完整产品前提是用最强的模型开通顶配的会员。产品的质感和高度最终是被个人的能力约束。对通用的软件公司来说也会担心被大模型的能力直接淹没假设模型的算力和效率持续提升很多标准的软件流程可以快速的复制出来甚至用AI作为原生的底层基础。普通的产品城墙再高都不如划船安全。比如常见的客户销售系统就算没有AI编程之前也有很多免费开源的代码工程导入AI编程工具中快速改造就是投入成本更低的产品。不过这只是效率提升发挥不出杠杆效应。还是需要具备设计产品的眼光定义内容的角度和框架然后由AI完成具体的执行这样才有一丝稀缺的竞争条件。有效率有独特的质感只是折腾的一道门槛往里走每一步都沉重。过去到现在的不同阶段就像是跨度越来越大的阶梯。以前积累的经验在AI进程中未必都有价值如果想顺着智能化的风口走至少要用心去琢磨已有的思维和经验哪些要慢慢的放下哪些要快速的积累。从写内容和做产品的角度看新手也能轻松的横跨两个领域与互联网行业的卷天然契合。三年前不流行AI工具不也号称人人都是产品开发者个个转向全栈。工具和流程的操作经验在贬值套路化的文案和报告模型可以写的更加标准项目管理和分析自动执行资料信息可以搜索后再给答案。每个具体的事项都可以指挥AI作为手替。单个任务似乎简单高效全流程却更加复杂借AI横跨这两个领域要对整体有全面的理解知道不同环节谁执行更合理。问题发现和定义方案的判断和选择还是需要自己动手更考验个人的综合能力。使用当下顶级的AI编程花费一到两周的时间产品的最小可用版本落地相关的开发文档罗列清楚从不同角度写一批社媒文案。虽然推广效果不确定但从执行和反馈可以发现问题在哪。在互联网行业那么些年看热搜头脑发热的次数不少有时候冷静下来想一想基础的逻辑从来没变过不过故事和模式却各自精彩。AI可能也没想到短短三年就红透半边天。