2023年似乎已經成為了人工智能的時代，AI 浪潮不僅讓我們對人工智能的能力有了一次全新的理解，而且所有人的工作和生活都將受到不同程度的影響。本文作者將和大家分享自己對人工智能的理解和看法，感興趣的童鞋快來看看吧。

2023年第一季度，AI成為了舞臺上聚光燈下的主角。一系列新名詞如 ChatGPT、Notion AI、New Bing、GPT-4、MidJourney v5、office copilot、Adobe Firefly、Chat GPT插件等接踵而至，一場場發布會效果展示讓人們對人工智能的能力有了一次次全新的理解，似乎一夜間人工智障真的變成了人工智能。作者認為這場 AI 浪潮將徹底顛覆所有人的工作和生活，尤其是辦公室白領們，如醫生、心理咨詢師、數據分析師、律師、前端程序員、設計師等，都將受到不同程度的影響。藍領工人的達摩克利斯之劍大概率是Boston Dynamics 或 Tesla Bot ，已經在路上……

如果你還不清楚發生了什么，強烈建議你靜下心來，看看ChatGPT-4發布會、Office 365 Copilot發布會、Adobe Firefly發布會這三場發布會，拋開偏見，想想自己的或親朋好友的工作和生活將會受到哪些影響，哪些工作真的不可替代。

2月中旬時，作者基于當時 ChatGPT 的能力，寫了一篇文章預測 AI 會給企業協同辦公場景帶來哪些改變（感興趣的朋友可以看一下）。3 月中旬，微軟office365 copilot發布會的內容印證了作者的部分預測。過去一個月，作者與身邊的互聯網從業者們做了多次交流，也閱讀了大量文章，同時親身體驗了Notion AI，New Bing、GPT-4、MidJourney、stable diffusion、D-ID等AI產品，對這一輪AI可能帶來的改變有了一些全新的認知。本文將和大家分享和交流。本文分2部分展開論述，分別是：

上篇-基于 AI 的人機交互方式改變將徹底改變我們的生活

人人都有“賈維斯”的時代即將來臨，這將帶來大量新的變革和平臺利益分配重構。作者將嘗試基于當前office365和ChatGPT Plugins服務能力，結合案例，預測未來我們的我們的生活場景會出現怎樣的改變。同時做一些簡單的預測，分析當前大公司（以流量-廣告變現的大公司）可能面臨哪些挑戰。

下篇-企業的智能數字化升級來了，重復性工作消失，協作效率極大提升

企業效率升級將迎來大變革，真數字化轉型要來了。從過去單點功能智能到全鏈路智能化升級；重復性工作逐步消失；創意類工作機器輔助完成更高效；企業人才管理模式顛覆性改變，HR系統可能應該大變身，企業運作人效極大提升；企業協作卡點診斷，預判資源浪費環節；逐步實現企業的數字孿生，基于此驅動企業決策和戰略制定。

文章末尾將分享作者的一些學習/閱讀資料，不定時更新，分享資料將包括但不限于：

1. midjourney AI作圖相關教程，關鍵詞，示例，題詞工具等
2. stable diffusion AI作圖教程及使用示例
3. 如何的使用ChatGPT獲取理想答案，推薦好用插件，好用工具等
4. 企業數字化轉型相關課程，文章等
5. 600多款AI服務/產品列表和說明，持續更新中
6. 其他

當作者看完微軟發布會后，作者便堅信未來ChatGPT或者說大語言模型將成為所有應用服務的基礎，人機交互方式的改變從更深層級改變我們的生活，智能助理服務解決我們一切問題，大多數app都提供底層服務能力，人機交互的改變或將帶來新一輪的服務升級，除了娛樂、社交之外，一切皆通過自然語言與智能設備溝通，進一步降低使用信息化服務的門檻。

上篇內容包括 AI參與后的人機交互方式改變的思考，互聯網大廠的服務模式改變的思考，人類數字孿生的思考等。大語言模型發展很快，國內的百度，360，騰訊都以放出新信息。為了方便理解，下文中以ChatGPT代替大語言模型，你也可以把它想成是未來足夠好用的文心一言、360GPT等服務。

一、我們的生活將發生哪些改變

1.1 AI助理服務將從根本上改變人機交互

ChatGPT出現前，所有公司的語音助手（Siri，小度，小愛等）都是針對特定場景的服務/應用喚醒，解決非常非常有限的問題，但ChatGPT帶來的是一種通用的人機互動方案，可以處理各種場景的問題，這是繼人機交互頁面面世以來，又一次巨大變革，不亞于馬車時代汽車被發明。

大語言模型與應用融合的方案初次亮相是現在微軟Office 365的copilot發布會中，這讓我們看到智能助理融入具體場景會發生什么奇妙的變化，緊接著發布的ChatGPT plugins更是將ChatGPT作為入口，這種野心就非?？膳铝?，它想做未來用戶服務的第一入口，變成超級超級應用，未來除了娛樂/社交外（忽然發現騰訊的基本盤-游戲和社交-穩穩的，同時他還在做GPT），會不會人們與網絡信息互動的方式將會從之前分化的一個個app，又變成了人機互動對話呢。

真是分久必合，合久必分的趨勢，從門戶（分）->搜索引擎（合）->垂直服務（分）->人機對話（合）。但作者認為ChatGPT并不適合做這個超級入口，下文會有具體描述。

從滿足用戶需求來看，有了人工智能加入后的產品解決方案似乎更趨近最優解，舉例來說，面對一個日常復雜任務時，我們當前的操作路徑是在各種超級應用切換，然后點點點，滑滑滑，有智能助理輔助完成目標任務的交互可能好到超出想象（下文案例分析中的內容不是臆想，是以ChatGPT-4發布會上表現出來的能力作為基礎，但也需要當前APP服務進行相應改造），相信很快就能看到落地服務。

1.1.1 案例1-關于減肥計劃

背景：快到夏天了，為了穿衣服好看想要減肥。

當前不會用ChatGPT的提問方式：你對ChatGPT說：“我想要減肥，給我一個減肥計劃”，這是當前ChatGPT給出的答案，我們會發現，ChatGPT-3.5給出的都是片面的介紹，沒有什么是可操作性，ChatGPT-4給的計劃已經看起來挺靠譜的，但是具體實操還會有難度，因為沒有落到具體每天上和動作上。

會用ChatGPT-4的提問方式：對ChatGPT提問的模板：角色設定+背景信息+目標任務+期望結果。按照這個模板，我們可以這么對ChatGPT說：（設定角色）你現在是一個健身教練和營養調理專家，（背景信息）我現在的體重是150斤身高是179厘米，（目標任務）請根據我的身高體重對我進行身體分析，同時給出了一個表示每月減重5斤的減肥方案，同時給出我每周詳細的訓練和飲食計劃，（期望結果）我個人比較偏向跳繩減肥，希望每天的飲食食譜都有所不同，計劃精確到一周每天不同時段做什么，然后通過表格的形式展示給我。來看效果：

未來效果：我只需要跟我的智能助理說：我想要減肥，幫我出一個完整的減肥計劃。然后智能助理可以自己為這個目標設置更專業的角色，同時調取我的體重秤數據，健康數據，體檢報告等，為我制定一個科學的每日減肥方案，包括健身計劃，飲食計劃，并將健身計劃添加到我的日程中，設置提醒，或者提前預約我的健身房時間，同時給出對應動作的指導視頻，它將成為我的私人教練，我只需要對著手機做動作，它會校準動作說明并給出安全提示。飲食計劃的食材已經添加到購物車中，可以一鍵下單即可周圍超市配送到家，同時還可以附贈對應食材的烹飪方法視頻。

下文會討論如果要實現這套服務，可能的數據存儲和調取邏輯，人機交互設計。

1.1.2 案例2-關于旅行攻略

背景：正值春天，我希望周末帶一家人去賞花，需要提前準備一份賞花攻略，確保一家人都滿意。

當前：先查看周末的天氣確定溫度天氣，空氣質量等；如果天氣適合，緊接著會去小紅書和馬蜂窩選擇適合的賞花地點，準備開始做攻略，攻略需要考慮到賞花地離家的距離，賞花路線是否適合帶娃前往，是否可以帶寵物，賞花地周末人流情況；出行方面，需要結合道路擁堵情況，考慮出發時間，出發路線，安排返程時間和計劃等；吃飯方面，一家人吃飯如何選擇，需要打開美團或大眾點評，選擇目的地，然后找目的地附近的餐廳，考慮家人的口味，選擇餐廳并預約。這么看來，需要打開多個APP，還需要提前關注一些道路信息，降價信息，天氣變化信息等，然后整理一份自以為很完善的文檔文檔。

AI助理+：只需要跟我的智能助理說：“周末想要一家人去賞花，幫我做一份完整的攻略，你可以跟我確認一些信息?！本o接著助理會根據目標任務，判斷需要喚醒哪些服務，并根據我的歷史數據，開始工作。

首先它會快速調取天氣信息，直接分析周末是否適合出行，并給我反饋，如果適合，他會根據歷史信息，讓我確認是否是自駕游出行，是否是帶上老婆孩子父母一起出游，得到確定答復后，它會告訴我它會去相關服務中為我查詢整理信息，我可以先忙其他事情，他搞定后會將攻略微信發給我。

然后它就會按照我去篩選路線，賞花地，餐廳的思路，調取相關應用，通過用戶評論識別和攻略內容識別，為我定制化生成3套方案，方案中會比我做的更好，比如她可以根據歷史數據，給出周末出行當天的道路擁堵情況預測，給出更好的規劃，同時它會結合多篇攻略內容整合比對，給出一份完整的攻略計劃，比如會根據前一周抖音上的分享視頻，給出目標景點的人流預測，結合過往家人外出聚餐數據，給出餐廳選擇甚至點餐建議。

給出3套攻略后，我如果不滿意還可以繼續生成，或整合幾套方案，如果對某一套方案滿意可以直接將出行計劃圖發送到家庭群里面，方便大家熟悉行程和計劃，整體上我的投入時間可能也就需要說兩句話，背后的服務調用查詢信息，評估信息，組合信息都由智能助理完成。

1.1.3 案例3-關于出差匯報

背景：公司臨時通知明天早需要出差去上海分公司給客戶做一次面對面項目進度匯報，剛剛接到通知，你需要盡快準備材料和安排行程。

當前：因行程緊急，所以需要快速整理項目進度，產出結果，需要跟項目相關同事溝通，獲取大量信息，并整理ppt，團隊其他成員可能需要放下手頭工作，進行全力配合，八成大家還需要加班，而且你在飛機或高鐵上也要一直工作匯總準備，同時，你還需要趕快選擇航班，訂酒店，具體三餐如何解決，還需要查看上海的天氣，準備衣物，整理行李箱，如果晚上有時間還可以計劃一下夜晚游外灘的計劃，定返程機票等等，你會在幾個app中來回切換。

AI助理+：你先跟他說一句，幫我整理一份項目xxxxx的進度資料，整理好的資料扔到項目群里@項目經理和產研leader幫忙確認一下，看看是否有需要補充的，讓運營leader核對一下具體數據，下午3點之前給出確認就好。然后智能助理會快速快速整理項目進度和相關數據，然后在群里@對應的同事，并且設置一個群提醒。你只需要最終整理一下即可，根據Copilot發布會的內容，它甚至會幫你添加每一頁PPT應該怎么講。

緊接著，對智能助理說，幫我安排一下出差行程，明早8點我需要到上海分公司參加一次匯報會，幫我做一個計劃，并添加到我的日程。然后智能助理會查詢目標地的天氣信息，給出穿衣建議，同時會查詢合適的航班，并在確認后完成預定，同時在滴滴完成去機場和機場到酒店的接送機服務，根據分公司地址信息，訂酒店，然后并給出附近三餐特色美食推薦，同時給我一份從酒店到附近景點的出游計劃，同時給出游玩和小吃建議等。這個過程將極其絲滑。

從上面三個案例中，你會發現2點變化，首先，如果不希望長篇大論的輸入，那么我與智能助理互動時，需要帶上大量我個人的背景信息作為潛在輸入的prompt，這些信息就是我們在數字化自己的行為，是一種人的數字孿生；其次，如果機器做了大量信息整理類工作，人似乎可以更專注于豐富自己的體驗和享受生活，機器會幫你完成很多繁瑣耗時的事情。

數字孿生（Digital twin），或譯作數字映射、數字分身、數位雙生，指在信息化平臺內模擬物理實體、流程或者系統，類似實體系統在信息化平臺中的雙胞胎。借助于數字映射，可以在信息化平臺上了解物理實體的狀態，甚至可以對物理實體里面預定義的接口元件進行控制。

數字映射是物聯網里面的概念，它指通過集成物理反饋數據，并輔以人工智能、機器學習和軟件分析，在信息化平臺內建立一個數字化模擬。這個模擬會根據反饋，隨著物理實體的變化而自動做出相應的變化。理想狀態下，數字映射可以根據多重的反饋源數據進行自我學習，從而幾乎實時地在數字世界里呈現物理實體的真實狀況。我們在流浪氣球中看到的數據卡，就是一種對人類的數字孿生。

1.2 人機交互方式的改變可能帶來哪些挑戰和機會

作者在寫這部分的時候，腦子里面一直出現的都是鋼鐵俠托尼和智能助理賈維斯的交互場景，你會發現當面對目標任務時，托尼和賈維斯的互動很簡短，因為有大量的信息輸入是賈維斯根據鋼鐵俠的過往行為數據自動補全的，它知道托尼的喜好，作息習慣，身體狀況，危機時如何選擇等等。不知道大家是否還記得，在外骨骼轉身這個事情上，鋼鐵俠競爭對手公司的外骨骼會以腰部為軸直接轉180度，導致駕駛者直接掛了，這就是機器需要理解大量的物理世界人的行為習慣……如果想要使用真的好用的人工智能實現人機互動。那么就需要在簡短輸入后，智能助理自動補全大量的假設和用戶習慣信息，而這些信息來源于日積月累的行為記錄。

回想一下，手機（未來可能是眼鏡，植入芯片等）從最初就讓我們不斷的錄入我們的信息，功能機時代，存儲手機號碼，短信等，移動互聯網來了以后，我們的支付，生活娛樂/工作/生活數據大量沉淀在各種app上，我們真的在自然而然的進行著自己數字化備份云端的工作。

人機交互的模式改變，帶來數據的存儲和調取方式改變，我們先來看看Office365+ChatGPT方案和ChatGPT Plugins方案，然后我們再來聊聊作者認為未來可能的方案，先說結論，我認為這一輪終端廠商（蘋果，華為，小米，vivo，oppo）做第一入口的機會更大。

1.2.1 Office365+ChatGPT方案

微軟的發布會上，介紹了一種超級應用+大語言模型互動的解決方案，當時看到這套方案后，作者曾認為未來所有的應用都會需要這樣一個copilot，都需要做自己內容的graph，有需求直接跟應用中的助理說，即可根據圖譜和大語言模型返回滿足需要的內容，產品或服務。

如果參考上面這個模型，那么小紅書可能會有一個自己的助理服務，我跟他說我要找一下給寶寶的輔食食譜，然后這個消息經過加工，補全我的寶寶年齡，寶寶什么過敏，寶寶喜歡吃什么，不吃什么，之前的點贊收藏，之前關注過的up主等信息，然后在小紅書的所有內容圖譜中去匹配，然后給我一個每天寶寶餐飲計劃，點擊即可查看對應食譜內容對應的做法，這個排序同時參考了用戶評論加權，這個方案我在當時感覺似乎是一種相對最優方案了，但存在一些問題，原有平臺的內容，推薦，搜索等服務將會受到極大沖擊，同時對內容創作者的正向激勵也可能受到影響，也依然存在的返回結果加廣告的問題。

還有一個比較嚴重的問題，就是當一個任務需要多服務協同時，那么這套方案就不好使了，當時也在想如何解決，還沒想清楚，ChatGPT Plugins來了，讓作者認知出現了新的迭代。

作者額外做一下腦洞，未來可能出現一門新生意，關于信息檢索或信息查詢類的場景，整理數據包，舉個例子，如果我需要去云南旅游，那么一個整理完備的云南基礎旅游攻略數據集就是必須的，里面包含了景點，住宿，餐飲，路線等一系列信息包括網友評論，小紅書，馬蜂窩的各種熱門攻略，用戶可以直接將數據包扔到自己graph中，然后通過與copilot溝通，分分鐘生成一套私人定制旅行攻略。

也有可能很多人基于這個能力，為一些不會使用copilot的用戶提供定制服務，比如為年長的父母生成一份精確的北京旅游攻略等，雖然現在也有旅行團，之前年長者擔心自己走不明白的困擾，無奈抱團的窘境可能被解決，別忘了，ChatGPT已經能讀圖了，完全可以帶著耳機，拿著手機，助理實時幫你解說該怎么走，該做什么地鐵。

如果企業希望做一次戰略咨詢，可以向一些數據服務公司申請對應方向的資源庫調用權限，然后公司的智能助理便可以根據這些數據幫助企業診斷問題，設計戰略和落地計劃，真的是充滿無限想象空間。

1.2.2 ChatGPT Plugins方案

從ChatGPT Plugins發布來看，ChatGPT希望成為超級入口，用戶有什么需求跟它說，它去根據語義理解調取用戶已經安裝的應用，然后去通過應用提供的API，完成特定的交互動作，所有操作頁面都在ChatGPT中，你再也不需要一個個打開多個應用了，這個設計好處就是可以將大量應用服務能力接入到ChatGPT中，真的如發布會所說，讓應用成為它的“眼睛和耳朵”（低情商的說法就是：服務和平臺被管道化了，曾經把運營商逼成管道的互聯網公司是否可能因為ai也變成了管道呢？）雖然這個方案解決了多個應用協同的場景，但同時引出一些問題。

上文中討論了，需要沉淀下來大量的用戶行為數據作為潛臺詞prompt輸入，在這個設計中，其實ChatGPT只是完成用戶錄入信息理解和任務分發給目標應用，并返回應用找回信息作呈現，用戶的行為數據依然沉淀在各個應用當中（原有應用的推薦模型還需要大改），這是成本最小的接入外部能力的方式。

但是，作者認為，這種體驗大概率不會給用戶創造最優體驗，因為API返回的結果可能是廣告投放的結果，也就是助理拿到一個廣告信息，而且在這種交互中，視覺空間呈現有限，那么廣告可能會賣的的更貴，這就衍生出下文的討論，如果有平臺不提供廣告，就做深度圖譜給出最優解的返回，他的返回質量是最好的，那么其他大廠會怎么辦？即使沒有這種服務，如果用戶有多個這類應用PK，導致大平臺為了可以在pk中勝出不敢給太多廣告，那么可能會導致下文討論的互聯網大廠流量/廣告變現邏輯被迫下線，似乎又到了自己革命還是等著外部不知道在哪里的競爭對手來革你的命的時候了。

1.2.3 作者推理中可能的方案

根據前文所述，如果希望可以與智能助理簡短對話完成目標任務的最優體驗，就需要助理服務可以存儲和備份用戶大量私人數據，這個時候，ChatGPT作為入口就感覺不是很穩妥，所以作者才認為手機廠商做這個事情非常順暢（智能眼鏡，手表，植入芯片覆蓋有限，產品都不成熟），而且手機廠商確實也在做這方面的事情，只是之前的不夠智能而已，蘋果的siri，華為的小藝，小米的小愛等，同時，如果希望返回結果時用戶理想或滿足用戶需求的，那么在與應用/服務/平臺對接時，可能也需要做大量設計。

參考微軟的copilot和chatgpt plugins，作者認為未來的服務可能會類似下圖交互。在請求個人隱私數據prompt時，如果做的安全一些，每一次請求都用區塊鏈技術，記錄請求與返回信息，增加雙身份真正等方法確實個人數據安全，同時確保不會被惡意請求拿到用戶私密數據。

當請求具體產品或服務時，終端智能助理+大語言模型要能根據返回商品或服務信息的評論等多種維度進行重新評估，也就是替我多平臺比價，比質量等，如同人篩選產品一樣，這樣才不會讓智能助理返回一堆廣告投放的產品，其實在這個返回對比邏輯中，作者認為廣告投放的效果可能并不會太好，核心還是要看產品/服務的質量，因為如果返回的只是競價高的產品/服務，但是在跟其他app返回結果pk中失敗，可能展示機會都沒有，如果在結合到當前一些大公司已經在做自己的私域流量，那么私域流量服務的客戶可能通過品牌自有平臺提供最優服務體驗，而不用在依托于平臺和廣告了。

未來很可能是終端智能助理與應用或服務的智能助理進行對話，進而生成獨屬于這個客戶的需求返回結果，這就需要對接的應用服務平臺進行系統改造，終端助理與各個平臺之間的助理互動是Plugins模式，智能助理內部的數據校準返回是Copilot的模式，實現智能對智能，進而返回理想結果，確保用戶輸入少，返回精準，體驗最優。

還是以旅游為例，當前的ChatGPT-4可以很好的識別我要做一個事情需要關注哪些點，如下圖所示，大語言模型面對制作旅行計劃時，考慮的非常全面，按照上面的分類，其實已經可以清楚需要調取哪些應用，并且知道需要與我互動拿到哪些補全信息，哪些信息是我的個人隱私數據庫中有的，因為它可以識別我的相冊，大概率都能給出我具體的穿搭建議，看了上面這些注意事項，作為一個去云南玩過的人，都沒有考慮的這么周到。

上面的描述都有可能是過度狀態，終態可能像流浪地球2中的腦機接口備份，或如同駭客帝國中的一樣，插管進入元宇宙，這些暫時不得而知。

1.3 移動互聯網大變局前夜

過去20年的互聯網和移動互聯網商業模式上幾乎是一樣的，通過內容/服務/產品聚攏流量，然后流量/廣告變現或對服務端收費利益分成，從搜索引擎到超級應用都是這個模式，但是這套玩法在人機互動的助理服務場景下可能就會有問題。

雖然看到新聞說new bing要在chat中加廣告，這套廣告策略未必奏效，而且ChatGPT Plugins的方案感覺有些偷懶，如果API返回的結果都是廣告信息，那么智能助理服務可能變得很雞肋，但是作者也跟ChatGPT對話，它是有能力將同一個購物請求向多個平臺發布，這個時候返回結果就有了pk機制，那么如果返回結果質量差，可能連顯示都不能，所以智能助理請求的結果應該是平臺選出的最優解。

這個時候又有兩種做法：

第一種，我只根據我能識別的關鍵詞來進行檢索，然后給助理返回結果，這個時候可能忽略大量信息，那么返回結果就未必是最優的，也就是當前Plugins這種模式，因為單靠一個API，原有平臺在不做任何底層數據改造的情況下，搜索邏輯大概率不會很好的接受大量用戶prompt；

第二種，為了提供更加好的服務，需要對平臺內容喂給大語言模型，也就是要將自己的產品和用戶的使用場景做關聯，盡可能接收到目標請求可以接受到用戶的訴求，如果極致一些，小紅書需要對每一篇筆記的每一張圖片和文案進行預訓練，當一個用戶需求（可能大量prompt）過來時，可以定制化的返回目標需求信息，也就是可以個根據用戶訴求，將幾篇筆記整合到一篇，整合筆記的時候兼顧評論的反饋。這又對平臺如何激勵創作者提出了挑戰，但這種服務感覺是可以做成類似于costa或山姆超市會員制收費的邏輯，也就是想要享受這種專屬內容服務可以通過付費獲得

對于大廠來說，如果真的因為人機交互模式改變，被迫需要改變原有的流量/廣告變現邏輯，對其收益影響會非常大，船大掉頭難，阿里巴巴21年廣告收入3000多億，收入占比近40%，會員模式雖然可以解決一定的收入問題，但這個時候最怕不講武德的免費模式公司進場，會不會因為人機交互的改變，AIGC的進場，讓全部互聯網公司來一場大地震呢？讓我們拭目以待，有沒有“屠龍少年”出現，如同字節跳動般殺出大廠的包圍，甚至是顛覆當前的大廠格局。

二、我們的工作將發生哪些改變

當前全球已經進入到一場AI軍備競賽，各大高校實驗室和各公司AI-Lab均已入場，大量創業成功人士重新出山組建團隊要抓住新一輪變革帶來的紅利，雖然有千人倡議暫停AI訓練6個月的倡議書，但作者感覺開弓沒有回頭箭，就像汽車代替馬車一樣，國內百度，騰訊，360等都已官宣入場，為了保持自身優勢角度來看，OpenAI大概率還會繼續訓練優化模型，如果我們不在這些一線公司的一線團隊，現在不應該寄希望于因國家原因或安全擔憂，限制AI發展，進而讓我們短期不被替代，而應該擁抱變化，提前使用它，馴化它，讓他為我們賦能。

自2018年以來，全球范圍內的眾多企業都在積極進行數字化轉型，希望通過引入數字技術，提升企業運轉效率，從而找到新的增長點和競爭優勢。這一輪AI能力的爆發，將使企業能夠以更高的效率應對市場變化和客戶需求變化，極大提升企業家對企業的掌控，減少企業內部的資源損耗，全面提升企業戰斗力。

個人感覺AI企業對先進的企業來說是福音，對落后的企業和職場人來說并不是非常利好，紅山資本發布了【紅杉內參】2030年生成式AI將達到專業水準，屆時AI將取代程序員等崗位！本文不提哪些職位被替代的問題，因為大概率很多崗位真的要沒了，這里只討論在這個過程中企業協作會變成什么樣，在這種變化中，我們還有哪些機會。

2.1 從單點功能智能化到全鏈路智能化升級

ChatGPT出現之前，算法模型多在某些點狀業務場景中應用，如預測流失率，產品推薦，預測用戶喜好，銷量預測，風險預測等，一般只有大公司才有可能組建自己算法團隊，而往往是集團公司發現分公司通用問題，進而在一個影響較大的業務點上積累數據，創建專屬模型，解決企業通用的一個個點狀問題，而城市個性化的問題或門店個性化的問題多數情況不可能有資源通過算法模型解決問題。

這種情況，很可能隨著ChatGPT的出現被改變，從微軟copilot表現出的自然語言理解，編程能力與功能結合來看，未來極大可能對每個特定問題均可快速建模預測。

以下面3個場景為例，我們來看一下企業可以如何提供全鏈路的智能數字化升級，所有描述均基于當前所有產品已經表現出的能力進行推理結合。

2.1.1 AI驅動的全鏈路優化

以運動品牌線下銷售為例：

關于供應鏈，企業利用AI技術優化供應鏈管理，結合一線反饋的每一店每一單的銷售、客戶與銷售人員的互動溝通數據，動態預測調整商品庫存，降低庫存成本，預測需求和市場趨勢，改善企業的采購和生產策略。

關于指導和管理銷售，高質量銷售話術服務引導可以貫穿到每一個到店客戶的每一次試穿和溝通服務中，包括學習客戶需求，提供最優推薦當前庫存中的哪幾款，直接指導銷售人員話術，提升銷售的平均能力，促進成交；

關于到店試穿體驗升級，將圖像識別和AIGC結合，如果用戶選擇的鞋子，可以根據用戶當前穿搭，智能大屏展示不同服裝搭配后的穿搭效果，解決穿搭難題，還可以給出用戶在不同場景中的模擬效果，促進成交甚至是為穿搭帶貨；

關于刺激復購，當前很多企業已經完成了企業微信添加客戶，結合客戶的購買和換季等信息，智能個性化的推送一些客戶大概率感興趣的服裝，引導到店試穿促成復購，大語言模型更擅長溝通，而定向分析模型更擅長推薦，發送消息時直接可以配上一些用戶身材相近的模特穿搭效果照片，并基于文本互動數據持續調優服務能力。

大語言模型+定向預測模型，會讓服務變得無比貼心。

2.1.2 針對細化場景的建模成本將可能降的極低

針對細分場景建模主要涉及到幾步：數據收集，數據標注，數據清洗，特征工程，模型訓練調優，模型應用部署等。

數據收集依賴前后端埋點，數據提取需要會sql，數據分析、清洗、特征工程需要會python，模型選擇和調優需要懂算法，總之跟普通職場人關系不大，但是從ChatGPT-4發布會上來看，其表現出的自然語言轉機器語言的能力，解決問題能力和推理能力，真的上面說的似乎也不是太大問題，而且很多人可能不知道，國外的微軟有Azure，國內的阿里pai，第四范式都有組件化建模能力，也就是將上述的建模過程做成一個個組件，拖過拖拽可以快速建模，想象一下，如果通過自然語言，可以有效跟機器互動，其實就是自然語言控制每個節點組件完成特定任務，加上全埋點和服務過程的語音特征提取，針對細化場景的建模很可能會變得既簡單又便宜。

2.1.3 真-智能客服

“智能客服”已經非常普及，但是體驗過的都知道，解決問題能力有限，現在的智能客服更像是搜索的延伸，通過語音轉文字，然后分詞匹配知識庫中的問題，機械的給出對應答案，擔心不準還會多給你可能提問的幾個問題，遇到復合問題，要么無法解決，要么就是答案拼湊痕跡極重。但這一輪LLM大語言模型表現出的推理能力和問題解答能力真的讓人嘆為觀止。

從推理能力來看，其解決復雜問題會更加擅長，溝通會更加順暢，還記得ChatGPT-4發布會上，演示者將python一整個文檔發給它，它可以根據發給他的一個全部文檔，獲得一個代碼報錯的解決方案，還有其通過考試的成績，未來它將如同一個專業領域的研究生助理，為用戶提供專業的貼心服務。

從構建問答知識庫來看，其對人工客服服務的內容總結能力，有可能構建智能完善的客戶疑問知識庫。比如當一個問題知識庫中沒辦法解答，客戶轉人工解決，經過人工客服的多輪回答，客戶問題得到解決，那么人工在多倫回話中的總結，其實就是這個問題的一個解答，當客戶問題得到解決時，這個問題和答案就可以作為一個新知識點加入到知識庫中，隨著服務調用和反饋，知識庫持續優化完善。

2.2 重復性工作逐步消失

從發布會來看，ChatGPT很擅長對信息資料（圖片合文字，視頻時圖片的集合）進行總結，大家可以仔細想一下，我們工作中有多少內容是以一個頻率在重復做的，所以才有很多人工作10年是把1年的經驗重復使用10年，很多白領的工作崗位很大一部分工作是為了應對定期的檢查，審計，核驗等，從這個角度來看，AI可以自動收集、整理和分析數據，生成詳細的報告，幫助企業做出更好的決策。

我們的日報，周報，月報，年度匯報，需要公司需要投入多少時間成本來去進行呢？因為之前沒有辦法，所以都會要求各級向上匯總匯報，其中存在大量的重復性工作和資源浪費，為了減少這種加工帶來的人力浪費，字節公司不允許做ppt，不讓對數據進行美化和加工（我當初在的時候是這樣的），通過這種方式提升信息傳遞效率，未來可能都不需要了，未來的重復性的工作將被智能助理完成，其實在字節大量的BOT在各個飛書群中匯報各個維度的數據，已經很大程度上降低了數據傳達的人工依賴了。

不少人預測文章提到，數據分析師的崗位未來可能沒有了，而且國外的咨詢公司的大批量裁員，除了經濟原因，也許和這種數據層面的分析匯總是AI更擅長的領域有關，一個掌握了AI輔助工作的員工可能抵得上過去2-4人的工作。

2.3 創意類工作機器輔助你完成

設計師。在我們的印象中，設計師是一個既需要創意，也需要長期繪畫功底積累的職業，怎么也想不到，第一波AI壓力給到了他們，midjourney，stable diffusion，adobe fly等大量的智能繪圖軟件，將繪畫變成的抽卡，作圖變成了咒語煉丹，而其成圖卻能碾壓初/中階設計師，在UI設計，原畫設計，插畫設計等領域表現極為優秀，可以看下面的效果圖，學習資料中附對應操作視頻：

內容創作者就不用說，從ChatGPT-3.5發布開始，大量指導利用ChatGPT賺錢的方法都是自媒體，通過它可以快速的寫小說，寫腳本，寫故事等。未來，作者認為頭部的內容創作者其實不會受到太大影響，但是AI的應用可能會極大的拓展其創意，同時將極大降低創作成本。

程序員。誰也想不到程序員竟然是被影響最大的群體之一，從ChatGPT-3.5發布開始，其代碼編輯能力就讓人吃驚，在ChatGPT-4發布會上，一張草圖直接轉前端頁面，應該所有的前端看了都會瑟瑟發抖吧，這個火爆了近20年的職位，可能面對前所未有的沖擊和挑戰，因為從企業降本增效來看，程序員是高新技術公司最大的成本。

攝影師。很多攝影師的收入來源就是拍一些電商廣告，但是不幸的是，當前stable diffusion和midjourney都可以快速生成模特穿一圖，可以說模特和攝影師都悲劇了，效果見下圖：

除了這些之外，所有進行輔助信息檢索，信息總結的職位都會受到極大影響，如助理律師，助理醫生，秘書等等，AI相比于人更擅長。但是這一波AI能力替代會存在一個社會問題，因為其對中/低階職位的替代，他可能把很多職場人打怪升級的晉升路給弄沒了，那么未來高階的職場人從哪里？短期來看，掌握如何使用它的職場人，還是有機會借著掌握它的先發優勢獲得一波紅利。

2.4 人力資源管理將出現顛覆性改變（招聘，晉升，管理，成長，問題診斷等）

當前企業的人力資源部門主要負責招聘，晉升管理，離職溝通，優秀一些的企業還會關注員工的健康狀態等，但是從企業效率管理這塊，人力資源似乎沒有太好的手段，對于腦力勞動者似乎很難有一個好的管理模型，所以我們看到現在甚至互聯網頭部公司的美團都開始通過考勤管理來管理員工，可見其真的沒辦法評估員工的產出和投入度價值，只能用時間一刀切，其實很多企業都會做類似管理，就是因為對產出的評估即浪費資源，有非常沒有效率。作者也經歷過一些奇葩職場場景，leader為了擴大領導人數，就要求下屬加班，就是白天都不找下屬，一到晚上7-8點就開始開會，一直開到11-12點，然后拿著部門的員工工作時長找人力部門申請招聘名額，其實根本沒什么活。從大語言模型表現出的推理能力，這些問題可能都會迎刃而解。

2.4.1 招聘

人工智能將徹底改變人力資源管理的方式。

首先，AI可以通過自動化技術高效篩選簡歷，提高篩選準確性和速度。通過深度學習和自然語言處理技術，AI可以識別簡歷中的關鍵信息，如技能、工作經驗、教育背景等，并根據企業的需求為每份簡歷打分，以評估簡歷與目標職位的匹配度。此外，AI還可以分析過往的招聘數據，從而預測候選人在特定項目團隊中的表現和潛力。

其次，人工智能還可以作為一種輔助工具，參與到面試過程中。例如，AI助手可以根據候選人的簡歷和職位要求生成針對性的面試問題，幫助面試官更全面地評估應聘者的專業技能、團隊合作能力和性格特點。這將提高面試質量，縮短面試時間，減輕面試官的工作負擔。

最后，人工智能還可以應用在試用期員工的績效評估中。通過收集試用期員工的每次產出、匯報和會議記錄，AI可以實時分析他們的工作表現和成長趨勢。此外，AI還可以對員工的溝通方式、問題解決能力和創新思維進行深度分析，從而為企業提供更全面、更準確的員工評估報告。這將使企業更好地選拔和留住合適的人才，提高整體人力資源管理效率。

2.4.2 晉升和績效評估

晉升和績效評估方面人工智能將為人力資源管理帶來革命性的變革。目前，晉升和績效評估往往依賴于leader的主觀判斷，一些民主公平的公司采用的360度環評。然而，這些方法仍然存在一定程度的偏見和不公平。通過運用人工智能，我們可以實現更為客觀、公正的晉升和績效評估。

首先，AI可以對每個員工的產出進行量化匯總。通過收集和分析員工參與的項目、完成的任務、工作報告和會議記錄等信息，AI能夠準確評估員工的工作表現和價值。這樣一來，員工的晉升和績效不再僅僅取決于他們自己的陳述，而是基于客觀的數據和分析結果。

其次，AI可以識別那些摸魚滑水的員工。通過分析員工的工作時間、產出質量和頻率，以及與團隊成員的互動等指標，AI能夠找出那些沒有充分投入工作的員工，從而幫助管理層更好地優化人力資源。此外，AI還可以幫助發現那些具有潛力、值得培養的人才。通過對員工的技能、溝通能力、創新思維和團隊合作精神等方面進行深入分析，AI可以預測哪些員工在未來具有較高的發展潛力，從而幫助企業制定更有效的培訓和晉升計劃。

最后，AI還可以為企業提供更加精細化的績效管理建議。例如，它可以針對每個員工的特點和需求，提出個性化的改進措施，幫助他們更好地發揮自己的潛能。

2.4.3 人才管理

在管理方面，人工智能將有助于解決現有的一些問題，如對員工產出價值管理的失控，過度依賴時間卡管理，以及日報、周報和月報的編寫等。借助AI，企業可以實現更高效、更智能的員工管理。

首先，AI可以自動跟蹤和記錄員工的工作數據，如日程、會議、文檔、溝通和郵件等?；谶@些數據，AI可以自動生成日報、周報和月報，不僅節省了員工的時間，還能減少報告中的夸大和潤色現象。同時，AI還可以根據這些報告為每個員工的每一天的工作投入度打分，從而更準確地評估員工的工作表現。

其次，人工智能可以幫助企業更好地識別和管理員工的心態、穩定性和情緒。通過分析員工在溝通、郵件和社交媒體等渠道的言行，AI可以檢測出員工的情緒波動、壓力水平和滿意度等指標。這些信息對于預測員工的離職風險、調整工作安排、提高員工滿意度和減輕員工壓力等方面都具有重要價值。

此外，AI還可以為企業提供個性化的管理建議。例如，它可以根據員工的工作表現、技能和興趣等因素，為企業制定定制化的培訓和發展計劃。這將有助于提高員工的職業成長速度，增強企業的競爭力。在遠程辦公日益普及的背景下，人工智能還可以協助企業實現更高效的團隊協作和溝通。通過智能日程安排、自動會議記錄和實時翻譯等功能，AI可以幫助企業建立更加緊密、高效的跨地區團隊，提高全球業務的協同性。

2.4.4 企業問題診斷

公司做大，層級變深之后，總會衍生出一些問題。

派系斗爭導致的資源浪費：AI可以通過分析公司內部的溝通、會議和項目進度等信息，發現是否存在派系斗爭和資源浪費現象。一旦識別出問題，AI可以向管理層提供相關建議，如引入外部壓力、調整團隊組成或調整資源分配等，以便盡早解決問題，防止企業陷入長期的內耗。

項目泥潭：AI可以對公司的各個項目進行持續監控，評估項目進度、團隊協作和風險等因素。如果發現某個項目可能陷入泥潭，AI可以提醒管理層及時采取措施，如調整項目計劃、增加資源投入或進行團隊再組織等，以保證項目的順利進行。

配合度不高和推活現象：AI可以通過分析員工的工作記錄、溝通和反饋等信息，發現那些配合度不高、推卸責任的員工。針對這些問題員工，人力資源部門和管理者可以盡早介入，進行溝通、培訓或調整崗位等，以改善團隊協作和提高工作效率。

員工滿意度和離職風險：AI可以根據員工的工作表現、溝通記錄和反饋等數據，評估員工的滿意度和離職風險。企業可以根據這些信息，及時采取措施改善員工的工作環境和福利，從而提高員工的忠誠度和留任率。

創新能力和市場敏感度：AI可以幫助企業分析市場趨勢、競爭對手和客戶需求等信息，評估公司的創新能力和市場敏感度。如果發現企業在這些方面存在不足，管理層可以及時調整戰略、優化產品組合或加強研發投入等，以提高企業的競爭力。

2.4.5 員工能力培訓

在員工能力培訓方面，人工智能可以幫助企業更有效地傳授銷售冠軍或優秀員工的經驗，提高員工的整體業績。以下是幾個可能的應用場景：

1. 實時指導：通過為每個員工配備耳機，讓AI助理參與員工的日常工作，為他們提供實時指導和問題分析。這樣，員工可以在處理客戶、銷售產品或執行任務時獲得及時的建議和反饋，提高他們的工作效率和業績。
2. 模擬培訓：AI可以利用虛擬現實技術為員工提供模擬培訓。在這些模擬場景中，員工可以學習和實踐優秀員工的策略和方法，從而加快技能提升。同時，AI可以根據員工的表現提供個性化的反饋和建議，幫助他們在實際工作中更好地應用所學。
3. 個性化學習計劃：AI可以根據每個員工的工作表現、能力和需求，制定個性化的學習計劃。這些計劃可能包括在線課程、實踐任務、閱讀材料等，以確保員工能夠獲得適合自己的培訓資源，最大限度地提高學習效果。
4. 知識共享平臺：AI可以幫助企業建立一個知識共享平臺，讓銷售冠軍和優秀員工將他們的經驗和技巧分享給其他同事。通過對這些信息進行智能整合和篩選，AI可以向員工提供最有價值的建議和資源，幫助他們在工作中取得更好的成績。
5. 數據分析和跟蹤：AI可以跟蹤和分析員工在培訓過程中的表現，為企業提供有關員工進步情況、培訓效果和未來發展潛力等方面的數據分析?；谶@些信息，企業可以不斷優化培訓計劃，確保員工能夠持續提升能力。

2.5 構建企業全量知識庫，完成企業的數字孿生，基于此驅動企業決策和戰略制定

微軟的Graph服務會沉淀和挖掘企業知識，可以將企業項目信息，參與人，相關文檔，相關會議等做數據聚合，個人感覺像是企業歷史沉淀的知識看板，在沒有ChatGPT之前，其挖掘更多的還是在信息聚合和呈現，沉淀下來信息，如何賦能業務和未來，似乎并沒有很好的故事可講，但是ChatGPT可能帶來突破性的改變。

想象一下，當你的公司員工的每一篇文檔，每一次會議記錄，每一條員工的溝通記錄都能沉淀成企業的知識庫（其實像字節公司已經可以做到這樣，只要加上大語言模型的能力，就可以瞬間完成轉變），加上大量的專業的行業分析報告，當我們要啟動一個項目的時候，完全可以在開會之前或過程中，喚醒企業沉淀的知識，ChatGPT只要加上一個ASR模塊和TTS語音合成模塊，開會的過程中，當討論到歷史公司做過類似項目有哪些，當前的行業現狀如何，競品公司的數據如何等問題是，直接向ChatGPT語音提問，它會根據企業沉淀的知識和專業的報告，給出準確的各種信息，甚至可以參與到討論和建議當中，以后的腦暴會議，戰略討論會可能變得非常不一樣，想想鋼鐵俠和賈維斯合作開發機甲的場景吧，它可能更像一個全知的助理，這樣的合作場景，以后可能真的出現在我們身邊。

沉淀企業數據的過程，其實就是企業在完成它自身的數字孿生，公司級別的助理可以幫助企業家將管理邊界擴大到一線，幫助企業診斷問題，預判市場變化，只有喚醒這些數據，才能實現基于數據科學有效的驅動企業增長。

總而言之，這一次的改變可能會如同家用計算機普及一般，從無限的深度和廣度改變我們的工作和生活，而且這一輪大概率比計算機普及快得多，因為這一波變革是在云端發生的，不需要依賴硬件的普及，而且AI的迭代速度會遠超過之前硬件的接待速度，所以也希望大家可以心態開放的看待這個事情，盡早學習，盡早使用。不在在抱著“它不能xxxxxx”的心態，你會發現，你以為它不能的事情，它也許很快就能了，國際象棋，圍棋，寫代碼，做設計….

學習資料：https://c2r9lywhzk.feishu.cn/sheets/shtcnmjarXziQpS65jDZ0XQ4v5e?sheet=7e00ac