柚子快報(bào)邀請(qǐng)碼778899分享：人工智能 AI 重塑產(chǎn)品設(shè)計(jì)

http://yzkb.51969.com/

作者：明明如月學(xué)長， CSDN 博客專家，大廠高級(jí) Java 工程師，《性能優(yōu)化方法論》作者、《解鎖大廠思維：剖析《阿里巴巴Java開發(fā)手冊(cè)》》、《再學(xué)經(jīng)典：《Effective Java》獨(dú)家解析》專欄作者。

熱門文章推薦：

（1）《為什么很多人工作 3 年 卻只有 1 年經(jīng)驗(yàn)？》（2）《一文掌握大模型提示詞技巧：從戰(zhàn)略到戰(zhàn)術(shù)巧》（3）《AI 時(shí)代，程序員的出路在何方？》（4）《如何寫出高質(zhì)量的文章：從戰(zhàn)略到戰(zhàn)術(shù)》（5）《我的技術(shù)學(xué)習(xí)方法論》（6）《我的性能方法論》（7）《AI 時(shí)代的學(xué)習(xí)方式： 和文檔對(duì)話》

配套視頻：《AI 重塑產(chǎn)品設(shè)計(jì)》直播錄屏

一、背景

自從去年用過 GPT 3.5 之后深受震撼，發(fā)現(xiàn) AI 已經(jīng)不再是簡單的“語音助手”，而是可以真正理解并回答你的問題。因此，就比較熱衷于 AI 工具的使用， AI 知識(shí)的學(xué)習(xí)。 從去年開始，一直參與 AI 在業(yè)務(wù)應(yīng)用上的探索，積累了一些經(jīng)驗(yàn)，也有一些自己的想法。 本文，主要從《AI 重塑產(chǎn)品設(shè)計(jì)》的主題來講講 AI 時(shí)代老板的期待和實(shí)際落地的差距，講解 AI 擅長什么不擅長什么，AI 產(chǎn)品設(shè)計(jì)的一些變與不變，AI 產(chǎn)品設(shè)計(jì)的要與不要，業(yè)務(wù)接入 AI 的常見路徑以及對(duì)未來的展望等。

二、AI 重塑產(chǎn)品設(shè)計(jì)

2.1 老板眼中的 AI 和實(shí)際落地之間的 GAP

有些老板眼中的AI是100多人一個(gè)活，然后通過各種自動(dòng)化各種 AI 工具。然后讓就 3 個(gè)人就能干，這樣的就可以降本增效了，比較簡簡單粗暴的。 哪怕你沒有從事過 AI 的落地。你就看各種自媒體包，包括網(wǎng)上各種新聞。都是在吹超越了 GPT4 了，然后又怎么樣了，又淘汰程序員了，反正各種就是有點(diǎn)夸張。總感覺可能馬上要淘汰了。 那你比如說你用這些模型去做，你結(jié)合你業(yè)務(wù)的時(shí)候，你會(huì)發(fā)現(xiàn)，這也不行，那也不行。理想很豐滿，現(xiàn)實(shí)很骨感。你會(huì)發(fā)現(xiàn)這也不行，那也不行，怎么辦？然后有的時(shí)候你可能苦思冥想，覺得這個(gè)可以做。做完之后發(fā)現(xiàn)其實(shí)沒多少人用。有些人可能甚至明確的去吐槽你說你幫助不大。沒啥用，那你就還是很灰心的。 **現(xiàn)在的 AI 它不能夠完成一個(gè)多條鏈路的生產(chǎn)。**舉例來說，比如說，我準(zhǔn)備了一個(gè)文檔，讓 AI 幫我做成我現(xiàn)在。相對(duì)來說比較有結(jié)構(gòu)化，比較漂亮一點(diǎn)的 PPT。不太行的。比如說我想讓我比較喜歡寫文章，那把我網(wǎng)上的歷史的給他幾篇文章。給他說我要寫什么東西，比如說我要寫ai重塑產(chǎn)品設(shè)計(jì)。然后給它一個(gè)主題，然后當(dāng)它結(jié)合我之前的風(fēng)格，然后自動(dòng)的去寫自動(dòng)的去排版自動(dòng)的去生成圖片，自動(dòng)去對(duì)文章進(jìn)行潤色，自動(dòng)起標(biāo)題自動(dòng)發(fā)布，其實(shí)也是不現(xiàn)實(shí)的，就現(xiàn)在來講的話還是不太現(xiàn)實(shí)的。 我們現(xiàn)在實(shí)際的AI應(yīng)用中是什么情況？**通常來說只能完成一個(gè)環(huán)節(jié)的或幾個(gè)小節(jié)點(diǎn)？**比如說。比如說我們你現(xiàn)在如果是程序員，產(chǎn)品給你一個(gè)需求，它自動(dòng)幫你把技術(shù)方案給你寫完，然后自動(dòng)幫幫你把代碼給你寫完，自動(dòng)幫你測試好，自動(dòng)幫你發(fā)布。比如說現(xiàn)在寫代碼，可以用AI 智能代碼補(bǔ)全插件可以自動(dòng)幫你補(bǔ)全一個(gè)函數(shù)，補(bǔ)全一小段代碼，然后可以幫你寫一個(gè)工具類，比如說你去提交代碼的時(shí)候，它可以幫你寫 git 的message等。 在 做 AI 落地的過程中你需要找一個(gè)或幾個(gè) AI 能夠勝任的這些環(huán)節(jié)把它接入進(jìn)去。就現(xiàn)在還是沒有到，說由點(diǎn)到線到面，然后到體的過程，現(xiàn)在還只是點(diǎn)。它通常還不串不起來。大家現(xiàn)在如果想做 AI 應(yīng)用的話，可以按照這個(gè)思路來搞，每個(gè)人的業(yè)務(wù)不一樣，看你業(yè)務(wù)的話有哪些點(diǎn)可以用 AI ，不一定非得整個(gè)全部都用 AI。

2.2 AI 擅長什么，不擅長什么？

你如果要搞AI的應(yīng)用的話，你要知道AI它擅長什么，不擅長什么。你啥也不懂，你就沒法搞。那 AI 上來什么，現(xiàn)在的現(xiàn)在這個(gè)階段。就是說 AI 現(xiàn)在就是說日新月異搞不好，過幾天又出現(xiàn)什么新技術(shù)，就有一個(gè)什么質(zhì)變，這都不好說。

2.2.1 能力：能

那現(xiàn)在來看的話，就比如說文本圖片，視頻的這種生成有一些現(xiàn)成的模型。比如說信息的檢索，語言的理解，就比如說。比如說以前可以代替搜索引擎了，以前百度里可以給你返回一些文章，然后你去理解現(xiàn)在的話，它可以你提出一個(gè)問題，它自動(dòng)去搜索知識(shí)，然后回答你的問題。 語言理解，你可以和他做一些對(duì)話。知識(shí)的整合，比如說你可以上傳一個(gè)PDF或論文，然后讓他給你總結(jié)，給你問問，針對(duì)這個(gè)論文或者文章問一些問題，他幫你回答這些。比如說模式識(shí)別，你有一些需要從一些文本中找出一些關(guān)鍵信息或者是之類的，它也可以做到。

2.2.2 能力：不能

現(xiàn)在 AI 還不太具備復(fù)雜的人類感情。雖然 AI 也具備一些常識(shí)推理，但是就是比較弱，就是說如果比較復(fù)雜的推理的話，還是容易出錯(cuò)。實(shí)時(shí)決策，AI 相對(duì)來說還是需要很長的一個(gè)運(yùn)算時(shí)間，對(duì)于這種需要快速反應(yīng)的話，還是不夠的，不是在每個(gè)領(lǐng)域可能不是每個(gè)領(lǐng)域都能夠做到很實(shí)時(shí)的。 那比如說長時(shí)記憶，就比如說你很久之前和他聊過一個(gè)天，你突然提到他有可能不記得他可能是基于這種新新的聊天和你進(jìn)行了交流，但是的話其實(shí)現(xiàn)在已經(jīng)正在被解決了，比如像 GPT 的話，現(xiàn)在就可以有那種嘗嘗試記憶功能了，你可以讓他去記錄一個(gè)事情。后面再跟他聊這個(gè)事情，他還能記住。然后一些視覺任務(wù)就比如說，你給他一個(gè)圖片或者一個(gè)視頻的話，他能夠提取的信息還是有限的。就比如說你現(xiàn)在和比如說和你現(xiàn)在單身和一個(gè)相親對(duì)象去相親，其實(shí)你如果能夠把整個(gè)過程，比如假設(shè)整個(gè)過程都能錄下來，他的微表情，他的語氣什么都能搞出來？然后你理論上你給 AI，然后他去分析一下對(duì)方的表情，對(duì)方的語氣，對(duì)方的這個(gè)內(nèi)容能夠給出非常專業(yè)的建議，但是現(xiàn)在其實(shí)還是非常困難的。

2.2.3 任務(wù)：能

接下來講一些任務(wù)，常見的任務(wù)，比如說一些問答常見的一些客服問答，然后文本的翻譯，然后內(nèi)容的創(chuàng)作，你可以先讓AI 來做。起個(gè)文章標(biāo)題、寫個(gè)文章大綱、創(chuàng)建一個(gè)思維導(dǎo)圖、寫一個(gè)文章的草稿都可以的，比如說你上傳一篇論文，自動(dòng)給你總結(jié)也不錯(cuò)。 尤其作為程序員的話，我們工作中已經(jīng)開始用公司內(nèi)部已經(jīng)有那種。代碼智能代碼補(bǔ)全插件了，幫我們?nèi)パa(bǔ)全一些代碼可以幫我們寫單元測試等。

2.2.4 任務(wù)：不能

需要深度理解和分析的一些復(fù)雜系統(tǒng)，還不太行。需要發(fā)明創(chuàng)造的不太行，它可以根據(jù)已有的一些知識(shí)幫你去分析，需要開創(chuàng)性的一些思路的話，現(xiàn)在還不太行。一些實(shí)時(shí)的決策有些因?yàn)楫吘?AI 需要做運(yùn)算，有些模型還是有點(diǎn)慢的，GPU 比較少并發(fā)比較高，再加上網(wǎng)絡(luò)延時(shí)之類的，做實(shí)時(shí)決策，還是有一些問題的。然后還有一些非常規(guī)問題的解決，就一些非標(biāo)準(zhǔn)的，或者是極端情況下的一些場景的話，他的回答可能會(huì)不好。那還有一些需要精確控制什么物理世界的設(shè)備。 我覺得現(xiàn)在的話已經(jīng)逐漸在改善，然后我覺得隨著 AI 這個(gè)智能化程度的不斷發(fā)展，那這些他不能做的事情也越來越少。 但，目前情況下來看，現(xiàn)在大概是上述情況。

2.3 AI 產(chǎn)品設(shè)計(jì)中的變與不變

2.3.1 AI 產(chǎn)品設(shè)的變

（1）設(shè)計(jì)思維需要與時(shí)俱進(jìn)

我覺得最需要轉(zhuǎn)變的是設(shè)計(jì)的思維。 上圖是工業(yè)革命的第一輛汽車，它其實(shí)就相當(dāng)于是一個(gè)蒸汽機(jī)或者是發(fā)動(dòng)機(jī)就放在三輪自行車上。和現(xiàn)在的現(xiàn)汽車，不管從形態(tài)、從舒適度、速度還是駕駛體驗(yàn)，差距是太大了。 在技術(shù)革命的初期，其實(shí)就是很多人還是停留在上一個(gè)時(shí)代。包括現(xiàn)在各種什么 AI 的筆記，什么 AI 思維導(dǎo)圖，什么AI生成PPT等等?，F(xiàn)在很多的 AI 其實(shí)都是這種情況?，F(xiàn)在的 AI 筆記軟件，也可能還是相當(dāng)于圖中的三輪車，AI 幫你生產(chǎn)一點(diǎn)內(nèi)容可能相當(dāng)于是它發(fā)動(dòng)機(jī)。我覺得未來肯定，不是這樣子的產(chǎn)品的形態(tài)。還有可能會(huì)發(fā)生非常大的變化。

比如兩三年前我就認(rèn)為購物軟件還不夠智能。如果足夠智能的話，它了解我，比如說了解我，買電子產(chǎn)品我喜歡上京東買自營的，買一些便宜的生活用品可能傾向于去淘寶或拼多多。如果它了解我的喜好，就能夠自動(dòng)的幫我去選商品，根據(jù)我的經(jīng)濟(jì)情況、個(gè)人的喜好十個(gè)候選商品，然后我自己決定買哪個(gè)，然后，付錢即可。這樣就可以節(jié)省大量的時(shí)間。之前有很多人覺得這是異想天開是不可能的?，F(xiàn)在其實(shí)已經(jīng)有類似的產(chǎn)品開始出現(xiàn)了。它還不太成熟。就比如說你，你你可以輸入一個(gè)想買的東西，然后他會(huì)從各種平臺(tái)上幫你去選一下，然后用 AI 去甄選推薦給你，但是還不太成熟。我覺得未來的話可能會(huì)成為常態(tài)。就我覺得在這個(gè)時(shí)期，看誰能夠擺脫之前的那種傳統(tǒng)互聯(lián)網(wǎng)的這種產(chǎn)品形態(tài)的這種復(fù)述，能夠大膽的去想去嘗試，去破除舊的傳統(tǒng)的產(chǎn)品形態(tài)對(duì)你的影響。

（2）各角色都需要了解 AI 常識(shí)

還有一個(gè)變化，就是說各種角色都需要了解AI知識(shí)了。 以前的話，比如說算法同學(xué)其實(shí)像模型這些或者算法，其實(shí)主要還是算法同學(xué)來搞。他需要知道說什么算法能做語音識(shí)別什么算法，能識(shí)別圖片，什么什么模型，能干什么事情。 現(xiàn)在其實(shí)不太一樣了，不管你是產(chǎn)品經(jīng)理還是運(yùn)營、開發(fā)同學(xué)、測試還是算法的同學(xué)，都需要了解一些 AI 的知識(shí)。

比如提示詞的調(diào)優(yōu)。比如你是一個(gè)產(chǎn)品經(jīng)理，你想去實(shí)驗(yàn)一下，你看一下這個(gè)大語言模型行不行，那就是他需要去寫一個(gè)提示詞，然后問一下。如果提示詞搞發(fā)現(xiàn)效果不好，就需要加一些例子，加一些要求，給出一些明確的步驟等不斷的調(diào)優(yōu)。

在產(chǎn)品設(shè)計(jì)的過程中，如果你直接使用這個(gè)模型，效果不好，可以嘗試使用 RAG 技術(shù)。比如可以先把相關(guān)的知識(shí)先搜到，然后給模型做參考，然后再讓模型去做處理，那效果可能會(huì)更好。

還有AI 工作流設(shè)計(jì)模式，前段吳恩達(dá)分享就做個(gè)相關(guān)分享。比如你要設(shè)計(jì)一個(gè) Agent 的類型的產(chǎn)品。或者你的 AI應(yīng)用的時(shí)候，你可以想去參考這種模式，如果哪些模式你都不知道，怎么去設(shè)計(jì)？你不管是什么角色。你需要就都已經(jīng)開始需要了解AI的知識(shí)了，只是了解要求的深度可能不同。

（3）產(chǎn)品落地過程中,各角色合作更加緊密

在 AI 產(chǎn)品設(shè)計(jì)過程中，各個(gè)角色的合作更加緊密了。 產(chǎn)品經(jīng)理需要了解了 AI 知識(shí)，可以寫提示詞，拖拖拽拽做預(yù)研。 AI 產(chǎn)品應(yīng)用過程中，如果模型需要微調(diào)的話，開發(fā)同學(xué)也可能需要輔助構(gòu)造一些訓(xùn)練數(shù)據(jù)。 算法同學(xué)需要更加深入了解業(yè)務(wù)。以前崗位界限比較明顯，算法同學(xué)專注算法相關(guān)任務(wù)即可，把這個(gè)模型訓(xùn)練好就行了，現(xiàn)在其實(shí)不行了。現(xiàn)在對(duì)于算法同學(xué)來講的話，他必須更加深入了解業(yè)務(wù)。就比如說一個(gè)任務(wù)需要接入AI，那它可能需要做任務(wù)拆解，比如說好幾個(gè)步驟，那其中有些步驟用 AI有些步驟就不適合用 AI，那么你算法同學(xué)就必須要給出一個(gè)比較權(quán)威的結(jié)論。比如說我們嘗試用一些簡單的提示詞就生成幾百行代碼，發(fā)現(xiàn)生成的速度特別慢，然后效果也不好，前面生成錯(cuò)了，后面錯(cuò)的越來越離譜，那后面那個(gè)算法同學(xué)了解我們業(yè)務(wù)后，建議部分工程化方式去輔助填充，有一些用 AI 自動(dòng)補(bǔ)全，補(bǔ)全的效果和補(bǔ)全的速度有很大提升。

（4） 創(chuàng)新思維更重要,創(chuàng)新想法更容易落地

AI 時(shí)代的話，我覺得創(chuàng)新思維更重要，創(chuàng)新的想法更容易落地了。

比如基于 Dify 平臺(tái)，可以快速的基于大模型簡單拖拖拽拽，寫寫提示詞，少量配置和開發(fā)，就可以搭建一些有意思的工具。比如這個(gè)工具，打開之后可以對(duì)著一個(gè)物品去掃，然后讓他去寫一個(gè)金句，寫一些有意思的內(nèi)容，比如夸怪，然后寫一個(gè)小文書文案、外賣好評(píng)。以前外賣好評(píng)自己還要憋，還要寫多少字以上，才能返現(xiàn)，現(xiàn)在直接對(duì)著拍就可以了，非常便捷。

以前的話其實(shí)是很難想象的，做這種工具的話，可能需要花很長的時(shí)間?，F(xiàn)在可能就拖拖拽簡單的一些開發(fā)或者是簡單的組合就可以。

2.3.2 AI 產(chǎn)品設(shè)的不變

（1）經(jīng)典的設(shè)計(jì)原則不變

我覺得有些東西是不變的，比如說一些經(jīng)典的設(shè)計(jì)原則是不變的。

比如置于用戶控制之下、減少用戶的記憶負(fù)擔(dān)、保持界面的一致性。然后還有一些簡潔性，一致性可用性，這些東西都是不變的，你不可能設(shè)計(jì) AI 產(chǎn)品的時(shí)候，這些原則就不符合了。

比如說減少用戶的記憶負(fù)擔(dān)。萬知可以上傳文檔，然后去設(shè)置一下那個(gè)字?jǐn)?shù)、場景，然后就可以生成大綱，再生成PPT。假設(shè)它不提供你設(shè)置字?jǐn)?shù)、頁數(shù)，還有受眾場景。讓你在提示詞里去寫這些東西，那么用戶他很有可能就漏，他忘了說頁是什么，忘了說受眾是什么，效果肯定是不好的。 有了這個(gè)功能，用戶就不需要去記這些東西，不需要他在提示詞里寫頁數(shù)寫的字?jǐn)?shù)、寫受眾、寫場景是什么。 比如說有同學(xué)用過 coze，已經(jīng)支持通過對(duì)話的方式自動(dòng)創(chuàng)建 Bots。也可以自動(dòng)的幫你優(yōu)化提示詞，自動(dòng)選擇插件，自動(dòng)幫你去創(chuàng)建對(duì)話框什么的，就減少了用戶的記憶負(fù)擔(dān)。

（2）經(jīng)典的設(shè)計(jì)模式不變：插件化

一些經(jīng)典的設(shè)計(jì)模式不變，比如插件化。

比如說傳統(tǒng)的谷歌瀏覽器，通過各種插件滿足各種不同的需求，讓上谷歌瀏覽器非常受歡迎，非常具有生命力。

那現(xiàn)在比如有些人用過效率的桌面工具 Utools 或者 Alfred，它也是通過各種插件滿足你的各種需求，也很受歡迎。

那現(xiàn)在的 AI 平臺(tái)，比如說 Coze，也是提供了各種插件，那么你可以基于大模型，然后調(diào)用各種你需要的插件做組合，然后能夠滿足你非常個(gè)性化或者非常復(fù)雜的這種需求，煥發(fā)出強(qiáng)的生命力。

（3）經(jīng)典的設(shè)計(jì)模式不變：一體化

還有一個(gè)原則就是一體化，這我覺得是我觀察到的比較重要的一個(gè)原則，就是現(xiàn)在的AI產(chǎn)品其實(shí)已經(jīng)比較強(qiáng)調(diào)一體化。AI 一體化產(chǎn)品發(fā)展的一個(gè)非常重要的趨勢

Warp 就是一個(gè) AI 命令行 工具，開發(fā)同學(xué)經(jīng)常需要寫一些指令，在這個(gè)命令行工具里去執(zhí)行出錯(cuò)時(shí)，它這個(gè)命令行里面它會(huì)自動(dòng)的有一個(gè)按鈕，點(diǎn)一下它就自動(dòng)的把這個(gè)報(bào)錯(cuò)傳給 AI，然后 AI 給你一個(gè)建議，你下一步要執(zhí)行什么指令來修復(fù)它，你直接點(diǎn)擊執(zhí)行就可以了，你不需要把這個(gè)問把這個(gè)報(bào)錯(cuò) copy 出來，然后再打開 ChatGPT，然后問問半天之后拿到一個(gè)指令再回來執(zhí)行。 copilot for microsoft365 就是微軟出了對(duì)針對(duì) office 出的 AI，你可以在 word 、PPT、excel 選中一些內(nèi)容，然后告訴它該怎么改，它或者是該做什么計(jì)算，那么它自動(dòng)幫你做調(diào)整。

（4）經(jīng)典的設(shè)計(jì)模式不變：模塊化

還有一個(gè)趨勢就是模塊化。 比如說你去以前有一些手機(jī)或者一些電子產(chǎn)品，它是支持模塊化的它電池或者是攝像頭可以換。比如說現(xiàn)在單反，也支持換鏡頭。

比如你買服務(wù)器，它的 CPU、內(nèi)存、硬盤、寬帶都是可以隨意挑替換的挑選。

那現(xiàn)在比如說 Coze 這個(gè) AI 平臺(tái)，它的模型也是可以替換的，還有一些配置都是可以讓你選。設(shè)計(jì) AI 產(chǎn)品的時(shí)候也可以考慮模塊化，用戶可以根據(jù)他的這種經(jīng)濟(jì)能力或者喜好，去選擇自己的模塊。

2.4 AI 產(chǎn)品設(shè)計(jì)中的要與不要

2.4.1 AI 產(chǎn)品設(shè)計(jì)中的要

（1）要用發(fā)展的眼光看問題

要用發(fā)展的眼光看問題，就比如說你以前都是步行、馬車，那后來有了汽車，然后汽車覺得就挺好了，那后來還有火車。火車就覺得挺好，那后來有高鐵。然后還有飛機(jī)，還有宇宙飛船什么之類的，那么技術(shù)是不斷的在發(fā)展。

很早的計(jì)算機(jī)非常笨重，好幾間屋子那么大，現(xiàn)在臺(tái)式機(jī)，有了筆記本，設(shè)備越來越薄了，越來越快。 以前有電話、大哥大之類的，現(xiàn)在后來有功能機(jī)，然后現(xiàn)在有智能機(jī)，運(yùn)算的速度內(nèi)存，外觀、體驗(yàn)都在不斷的提升。 AI 其實(shí)也是這樣的，以前比如說各種語音助手，現(xiàn)在其實(shí)有的 GPT 3.5那后來有現(xiàn)在又有了 GPT4。以前那個(gè)GPT 3.5 很多人說他永遠(yuǎn)超不過人，為什么是因?yàn)樗荒苤С致?lián)網(wǎng)，它的知識(shí)永遠(yuǎn)都停留在 23年幾月幾號(hào)，現(xiàn)在 GPT4 其實(shí)已經(jīng)可以聯(lián)網(wǎng)了。包括現(xiàn)在的 天工 AI，已經(jīng)可以先搜索一堆最新的參考資料，然后再回答你?，F(xiàn)在有些人說 AI 有上下文長度限制，超過限制它就回答不了，上下文較長它回答就特別慢。未來隨著模型能力不斷增強(qiáng)，那么它能夠處理上下文，可能翻十倍幾百倍，幾千倍，甚至無限長。比如說你現(xiàn)在可能只能發(fā)一篇文章給他，未來你可能把一本很厚的墊子書直接扔給它。現(xiàn)在 AI 只能閱讀文字版的電子書，未來隨著技術(shù)發(fā)展，AI 可能直接閱讀掃描版，然后它自動(dòng)的做 OCR，然后自動(dòng)的去幫你轉(zhuǎn)成文字版，然后提問。

技術(shù)在不斷發(fā)展，你需要做提前做一些構(gòu)想，然后等機(jī)會(huì)來的時(shí)候你再抓第一批搶上去，然后去做，那你才能夠有機(jī)會(huì)。我覺得挺重要的，你要面向未來設(shè)計(jì)，就現(xiàn)在大家有什么樣的產(chǎn)品你抄來抄去的其實(shí)也沒什么用。你能夠有一些比較好的想法，那么接下來的 AI 達(dá)到那個(gè)點(diǎn)的話，你第一個(gè)做出來，你很有可能就成功了。

現(xiàn)在生成 PPT 平臺(tái)大同小異的，你可以上傳一個(gè)文稿或者是寫一句話，然后讓用戶做一些選擇，它的風(fēng)格什么頁數(shù)什么，然后他給你生成一個(gè)大綱。你確認(rèn)好或修改好之后生成PPT。這種功能還是有些雞肋，無法模仿你的風(fēng)格，需要修改的太多。 比如，我們可以設(shè)想，下一步 AI 生成 PPT 的平臺(tái)，我們應(yīng)該上傳歷史的 PPT，讓它學(xué)習(xí)到我的 PPT 風(fēng)格，然后生成對(duì)應(yīng)大綱，我再去核實(shí)、修改。讓它幫我生成 PPT，如果不符合要求，可以圈選某個(gè)部分內(nèi)容進(jìn)行對(duì)話，讓 AI 幫我們快速調(diào)整。這樣本來十個(gè)小時(shí)才能做好的 PPT，可能只需要幾分鐘就可以做的差不多，然后通過簡單對(duì)話快速調(diào)整成想要的樣子。

（2）要給 AI的信息足夠完整和準(zhǔn)確

做 AI 應(yīng)用的時(shí)候。要考慮信息的準(zhǔn)確性和完整性。

假設(shè)用戶他說一句話，需要匹配到一個(gè)知識(shí)，根據(jù)知識(shí)會(huì)生成一段文本或者一段什么程序。比如有個(gè)知識(shí)，用于判斷是否為支付寶，type 的值為中文的支付寶，還是拼音支付寶？是 ALIPAY 還是小寫的 alipay？顯然，給的信息都不完整甚至是錯(cuò)誤的，AI 肯定做不好。給 AI 的信息盡量準(zhǔn)確性和完整性、避免歧義。

（3）要思考問題的本質(zhì)

設(shè)計(jì) AI 產(chǎn)品一定要思考問題的本質(zhì)。 比如說以前谷歌，百度，谷歌，StackOverflow 搜一些問題，他給你一些一堆的參考文章，然后你要去試，然后特別浪費(fèi)時(shí)間，比如說有 Bing 和天工AI 你只要需要輸入問題，然后他去幫你搜索相關(guān)內(nèi)容，然后他去回答你的問題。

很早之前也想過，我覺得百度、谷歌它本來就這樣。你是為了解決問題，你把問題交給它，它去找一堆資料，然后回答你，而不是說給你一堆資料，讓你去浪費(fèi)時(shí)間再去找，我覺得是在浪費(fèi)生命。 很多人覺得 Bing 提供可以基于問題自行搜索并回答已經(jīng)很棒，其實(shí)我覺得還不夠，下一步應(yīng)該往一體化發(fā)展。找到問題答案還是為了完成某項(xiàng)任務(wù)，假設(shè)這個(gè)問題我們需要咨詢 50次 AI ，反復(fù)從不同平臺(tái)跳來跳去非常影響效率，未來或許應(yīng)該在一個(gè)平臺(tái)內(nèi)完成完整的任務(wù)。

比如說你在寫代碼，報(bào)錯(cuò)了，我們把報(bào)錯(cuò)信息 Copy 出來問 AI ，問完之后再回來改，浪費(fèi)很多時(shí)間。未來比如說我去寫代碼的時(shí)候報(bào)錯(cuò)了，AI 應(yīng)該自動(dòng)識(shí)別報(bào)錯(cuò)，直接給一個(gè)建議，我只需要直接點(diǎn)一下執(zhí)行就可以了。比如說你是一個(gè)產(chǎn)品經(jīng)理去設(shè)計(jì)一個(gè)產(chǎn)品文稿，你不需要跳出工作環(huán)境尋求 AI 的建議，在你也在那個(gè)設(shè)計(jì)的軟件里面直接問好，不需要跳過來，它甚至可以直接把你調(diào)好。

比如說你是中國人，你去看油管視頻，有些視頻是日文、英文等，如果你對(duì)某個(gè)評(píng)論比較感興趣，那你要 copy 出來，在谷歌翻譯上去翻譯過來，或者瀏覽器右鍵去翻譯成中文。AI 時(shí)代你應(yīng)該能夠識(shí)別你是中國人，自動(dòng)提供中文字幕，甚至音色相同的中文配音，下面的外文評(píng)論自動(dòng)翻譯成中文，而不需要你自己去 copy 出去或者右鍵翻譯成中文。你在聊天軟件中和外國人對(duì)話，輸入法輸入中文應(yīng)該可以自動(dòng)翻譯成地道的目標(biāo)語言。

（4）真正 AI First

現(xiàn)在是 AI 時(shí)代，設(shè)計(jì)產(chǎn)品時(shí)，要秉承著 AI First 的理念。 比如說我們現(xiàn)在創(chuàng)建那個(gè) AI Bots 或 Agent 的時(shí)候，比如 GPTs 和 Coze，已經(jīng)提供通過對(duì)話的方式幫你創(chuàng)建這 Bots，包括提示詞、頭像等信息。如果沒有 AI First 的理念，肯定還需要你去填寫提示詞，填寫B(tài)ot 名稱，上傳頭像，設(shè)置開場白等。

比如你在 Coze 中寫了一個(gè)提示詞，可能不夠?qū)I(yè)、不夠結(jié)構(gòu)化，你一下優(yōu)化，它可以自動(dòng)幫你優(yōu)化提示詞，這才是AI時(shí)代的一個(gè)產(chǎn)品。 真正 AI First 比如說要畫出一個(gè)動(dòng)漫的女性、眼前有個(gè) MAC 電腦，手上有個(gè)筆，然后右側(cè)有個(gè)筆記本和花盆等，用戶通常不太愿意描述這么詳細(xì)，那怎么辦？

現(xiàn)在已經(jīng)有了大模型，大模型可以根據(jù)用戶的這種訴求，然后給他做一些細(xì)節(jié)豐富，比如說我讓 AI 繪制能夠體現(xiàn)出使用 AI 之前要先進(jìn)行思考的一個(gè)圖片。它自己根據(jù)我預(yù)先設(shè)置一些提示詞，對(duì)用戶描述進(jìn)行豐富，自動(dòng)補(bǔ)充一些細(xì)節(jié)，然后畫出來的圖形就特別漂亮。

對(duì)所以說我們現(xiàn)在設(shè)計(jì)思想的設(shè)計(jì)產(chǎn)品AI產(chǎn)品的時(shí)候，你的產(chǎn)品本身要體現(xiàn)出這種智能化。也有這種AI first的理念，我覺得非常重要。

（5）警惕：用進(jìn)廢退

大家在做 AI 產(chǎn)品設(shè)計(jì)，或者使用AI產(chǎn)品的時(shí)，要警惕用進(jìn)廢退。 大家都知道，現(xiàn)在大家大都已經(jīng)打字來工作了，讓你去寫字，可能寫的很慢，有些字已經(jīng)忘記怎么寫了。AI 時(shí)代，比如你寫代碼，你自己先不腦子，先不思考，AI 代替你思考，你去設(shè)計(jì)一個(gè)技術(shù)方案，還要讓AI先幫你去寫，你的思考能力慢慢就退化了。當(dāng)你思考能力退化的話，你的可替代性就會(huì)更強(qiáng)。

你去在問 AI 之前一定要先思考，就比如現(xiàn)在很多同學(xué)去寫代碼報(bào)錯(cuò)了，自己先直接去問問 AI ，然后將答案 Copy過來，問題解決了自己很開心，我覺得這是肯定是不行的。

2.4.2 AI 產(chǎn)品設(shè)計(jì)中的不要

（1）不要期待 AI 一次解決所有問題

現(xiàn)在 AI 其實(shí)發(fā)展還不太行，不要去想著一句話就是生成圖片，一句話生成SQL ，一句話生成視頻，一句話生成PPT，一句話生成思維導(dǎo)圖?，F(xiàn)在好多這種產(chǎn)品，其實(shí)我都不怎么愿意用，我覺得是非常雞肋的。

比如說 ChatGPT Plus，你一句話讓他生成圖片，它會(huì)自動(dòng)幫豐富一些細(xì)節(jié)，生成出來效果會(huì)好一些。但，經(jīng)常還是有可能不符合你的需求，那么，你可以把不符合需求這部分圈出來，告訴他你要怎么改，它自動(dòng)按照你的要求進(jìn)行修改。

比如 AI 去生成 PPT，那它必須能夠識(shí)別出我的風(fēng)格，按照我的風(fēng)格創(chuàng)作，還要能夠支持我對(duì)這一頁 PPT 或者說我必須能夠圈中 PPT 的一小部分，然后告訴它給我生成什么樣的效果，如果不支持的話，我肯定是不用的，非常雞肋。

所以我們現(xiàn)在做 AI 應(yīng)用的時(shí)候，當(dāng)一句話或者一次不能夠很好的效果，可以做一些任務(wù)的拆解。其中有一個(gè)步驟需要人的參與有些步驟 AI 來做，效果會(huì)更好。

2.5 業(yè)務(wù)接入 AI 的常見路徑

下面是根據(jù)我個(gè)人的理解，給出的一個(gè) 應(yīng)用接入 AI 的路徑。 可以簡單些提示詞直接調(diào)用模型進(jìn)行嘗試。如果效果不好，可以嘗試提示詞調(diào)優(yōu)，如增加示例、加要求、自帶知識(shí)庫、長提示詞將輸入放在開頭和結(jié)尾等。還可以使用 RAG 技術(shù)，比如讓模型處理之前，先查詢候選內(nèi)容，然后讓模型參考整理出最終答案。還可以嘗試將部分任務(wù)使用 AI 實(shí)現(xiàn)，有部分任務(wù)采用工程化方式解決，比如復(fù)雜的腳本，有一部分是比較固定，可以用工程化生成骨架，其余部分讓 AI 進(jìn)行智能補(bǔ)全。

如果嘗試各種方法還是無法實(shí)現(xiàn)，大概率是模型能力不行。此時(shí)，可以選擇更高級(jí)或者更專業(yè)的模型，通?？梢匀〉酶玫男Ч?。還可以創(chuàng)建自動(dòng)拆分和執(zhí)行任務(wù)的 Agent 來實(shí)現(xiàn)復(fù)雜任務(wù)。

如果效果還不好，說明任務(wù)的難度已經(jīng)超越當(dāng)前高級(jí)模型的極限。此時(shí)，可以考慮將任務(wù)進(jìn)一步拆解，讓不同的模型完成不同階段的任務(wù)，可以讓多個(gè) Agent 協(xié)同完成復(fù)雜任務(wù)。

如果進(jìn)行了模型拆解，使用了高級(jí)的模型效果還是不行，此時(shí)需要將 AI 無法勝任的任務(wù)拆分給人來承擔(dān)，通過人機(jī)協(xié)同的方式完成復(fù)雜任務(wù)。

2.6 一款常見 AI 產(chǎn)品淺析

下面以零一萬物的萬知?jiǎng)?chuàng)建演示文檔為例，淺析 AI 產(chǎn)品的設(shè)計(jì)。

萬知生成演示文檔，用戶選擇幻燈片模板，上傳參考的文檔，設(shè)置頁數(shù)、字?jǐn)?shù)、受眾、演示場景和圖片來源、語言等。 執(zhí)行完畢后會(huì)生成幻燈片大綱，用戶可以對(duì)幻燈片大綱進(jìn)行檢查和修改。確認(rèn)后，可以生成幻燈片。

這里可能涉及到很多技術(shù)。比如任務(wù)拆解，即文檔需要人提供，選項(xiàng)需要用戶來選擇，生成的大綱需要人來校對(duì)，生成 PPT 則是 AI 來完成。 該功能很可能會(huì)涉及提示詞的調(diào)優(yōu)，根據(jù)用戶的輸入和選擇拼接成新的系統(tǒng)提示詞然后再執(zhí)行模型調(diào)用。 人工對(duì) PPT 大綱的校對(duì)其實(shí)是為了保證傳給大模型的信息的完整性和準(zhǔn)確性。當(dāng)然，底層也可能涉及到 RAG 技術(shù)，比如根據(jù)用戶提供的信息，網(wǎng)上搜索相關(guān)知識(shí)，給出更完美的結(jié)果。在研發(fā)此類產(chǎn)品時(shí)，還可能涉及對(duì)結(jié)果的工程化二次處理。

當(dāng)然，正如前面提到的，目前的很多類似產(chǎn)品還是很難真正形成生產(chǎn)力。隨著 AI 能力的不斷提升，對(duì)于 AI 生成 PPT 一定根據(jù)用戶的歷史 PPT 學(xué)習(xí)相關(guān)風(fēng)格，能夠通過對(duì)話對(duì)某一頁 PPT 或圈選 PPT 頁面的某個(gè)區(qū)域進(jìn)行對(duì)話輕松修改，才能真正形成生產(chǎn)力。

2.7 未來暢想

未來 AI 產(chǎn)品應(yīng)該會(huì)更強(qiáng)調(diào)一體化，不需要從不同的平臺(tái)橫跳。比如我寫代碼報(bào)錯(cuò)，不應(yīng)該粘貼錯(cuò)誤到 GPT里面提問，然后再回來進(jìn)行修改，應(yīng)該在 IDE 里面可以閉環(huán)完成整個(gè)任務(wù)。正如，前面介紹的現(xiàn)在的 AI 應(yīng)用更多得是從整個(gè)鏈路中尋找一些 AI 有能力勝任且投入產(chǎn)出比較高的點(diǎn)來引入，這導(dǎo)致不同的點(diǎn)之間使用的模型可能不同，不同的點(diǎn)之間相對(duì)孤立，未來應(yīng)該會(huì)由點(diǎn)到線，由線到面，由面到體，不同的 AI 之間可以交互合作，AI 能夠貫穿整個(gè)任務(wù)生命周期。

未來，真正的多模態(tài)一定會(huì)到來。比如你想把相親的場景發(fā)送給大模型，你錄像可以將對(duì)方的每句話、每個(gè)表情、每個(gè)語氣變化都傳給模型，但是現(xiàn)在的模型更多得是對(duì)文本的處理，對(duì)圖片的描述，對(duì)視頻的簡單描述，很難像人類一樣，去讀懂每句話的同時(shí)，結(jié)合表情和語氣給出更專業(yè)的建議。

AI 能夠完成的任務(wù)占比越來越多。 沒有 AI 之前，所有活都需要人來干，管理者可以將活分配跟其他下層員工。有了 AI ，一些活可以分配給 AI。隨著 AI 能力的不斷增強(qiáng)，更加復(fù)雜的任務(wù)可以交給 AI ，人類和 AI 開始合作完成任務(wù)。未來應(yīng)該是 AI 主導(dǎo)任務(wù)，人類做確認(rèn)。

未來，一定會(huì)突破“自然語言”的局限性，人類和 AI 可以通過類似“意念”的方式高效交流。 自然語言存在輸入的效率問題，也存在表達(dá)的局限性，你很難通過自然語言全面、客觀、高效地的描述復(fù)雜的事件。雖然現(xiàn)在已經(jīng)有語音輸入，但是存在使用場景限制，雖然現(xiàn)在也有腦機(jī)接口，但是仍然存在很多局限性。

原創(chuàng)內(nèi)容，未經(jīng)允許，不許轉(zhuǎn)載

柚子快報(bào)邀請(qǐng)碼778899分享：人工智能 AI 重塑產(chǎn)品設(shè)計(jì)

http://yzkb.51969.com/

推薦鏈接