编者按:本文来自微信公众号 适道(ID:survivalbiz),作者:适道AI组,编辑:狮刀,创业邦经授权转载。
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。
本文为专栏作者授权创业邦发表,版权归原作者所有。文章系作者个人观点,不代表创业邦立场,转载请联系原作者。如有任何疑问,请联系editor@cyzone.cn。