中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

我們在對待任何事情發生的變化時，應當及時對現狀進行客觀分析，再做出決策。那么，作為一名產品經理，該如何看待最近爆火的大模型呢？作者對此進行三個層面的分析，希望能對你有所幫助。

在過去半年多內，AI行業再度爆火，引領熱點，大家都在討論大模型，討論ChatGPT，不乏很多文章在傳播人工智能進入新的階段會不會替代很多人的工作。

在產品圈中，也有很多產品經理都在討論ChatGPT會對日常工作產生什么樣的影響，是否會因為不懂大模型而被業務邊緣化？

諸如此類的言論甚囂塵上，筆者想說的是不要擔心，冷靜面對即可，筆者曾跟一個創業朋友說過“讓子彈飛一會，距離大模型在國內場景的商業應用還需要點時間”。

接下來，我們就看看產品經理應該如何面對爆火的大模型呢？

一、正確認識：大模型是技術突破，但還有有待優化

熱度會退去，需要的是正確認識大模型，其本質是人工智能發展過程中的一項技術突破，產品經理需要從宏觀角度思考技術突破可以產生的商業影響。

隨著時間的推移，新技術的熱度逐步消退，從百度搜索指數來看，不論是國外的ChatGPT，還是國內的文心一言、訊飛星火等產品經歷半年后都不再是熱搜了。

而從各家的產品發展來看，各家都在慢慢把產品推向大眾，讓更多人的可以接觸，讓產品慢慢具備普適性。

而對于大多數產品經理來說，在這個階段，需要的是了解大模型的本質，思考大模型技術的限制，探索大模型在國內如何商業化，焦慮是完全沒有必要的，更不需要著急一定把大模型技術立刻加到產品中等問題。

因為對于國內產品環境來說，我們至少面臨以下四個問題：

1. 數據問題

大模型的發展起始于國外，雖然已經支持中文了，但是它的喂養數據很大程度上會缺少對中文和對國內語義環境的持續學習適配，所以會有留給我們過渡時間來學習和發展。

比如用同樣的問題對ChatGPT3.5、ChatGPT4和訊飛星火進行測試，如下圖。

從結果來看，即使是聯網的ChatGPT4在回答時也將人物出生時間弄錯了（參考百度百科），可見ChatGPT大模型對中文環境的“水土不服”，對國產大模型而言，解決中文數據問題，至少可以在國內語義環境中領先ChatGPT等國外大模型。

所以，對于產品經理來說，無需擔心，如果有機會剛好在做大模型應用，那就多花點時間收集數據，驗證中文場景。

① ChatGPT3.5

② ChatGPT4

③ 訊飛星火

2. 應用場景

大模型自開始應用，目前多是處于對話式問答，用于“個人辦公助理”場景，比如文章寫作、提綱生成、圖片生成、代碼生成等等，屬于場景堆疊，缺少對具體行業的應用場景研究。

所以距離行業產品化仍然需要很長的發展時間，這也給了國內廠商、產品經理思考產品的機會，比如產品經理行業，正在有廠商提供自動生成原型的工具，雖然筆者經過測試，還無法達到實際應用，但是至少是邁出應用場景探索的第一步。

因此，對于多數產品經理來說還有足夠的時間來了解大模型，幫助業務提升。

3. 卡脖子技術，國產化以滿足信創要求

眾所周知，國家一直在大力支持發展國產化技術，也在支持各項人工智能創新，但是大模型的發展由國外起步，雖然有很多開源，但是對國內商業化應用，仍然存在潛在危機，一旦被應用到涉密場景，后果無法估量。

即使是普通的市場商業化，后續如果需要不斷繳納許可費，對國內廠商來說也很難效益最大化。

因此，就給了國產大模型的發展空間，對于產品經理來說，了解技術原理，可以加入國產大模型產品建設隊伍，或者待國產大模型推廣后，探索業務應用。

4. 國內大多數公司不具備自研大模型的能力

之所以說大多數產品經理不需要過度擔心，是因為大模型的發展不是一朝一夕的，大多數公司將不具備研發國產大模型的能力，一方面受限于軟實力，如AI人才；另一方面是資金等硬實力的投入，觀看OpenAI的發展就知道ChatGPT的誕生投入了多少資金。

同時我們很多產品經理多是以應用為主，國內純技術性產品經理相對較少，在技術落地的前期，很多產品經理其實很難投入產品規劃或建設。

所以，對產品經理來說，與其擔心，不如了解好技術特點，為后續的產品應用創新奠定基礎才是當務之急。

二、應用探索：回歸產品的本質，從應用場景出發

上面提到，大多數產品經理都是應用型產品經理，尤其是AI產品行業，作為近幾年產品經理新崗位賽道，很多公司對崗位要求的定位缺少明確定義，多是圍繞“懂AI應用”展開。

所以我們可以理解為我們的崗位要求是“AI+業務”，而且對于產品經理，反向深入研究AI技術創新，對產品經理來說反而是舍本逐末，一方面是技術本身不是產品經理的強項，另一方面產品經理的目標是通過技術產品化，給公司帶來商業價值。

所以在面對大模型的接下來階段，我們需要回歸產品本質，從應用場景出發。

包括以下兩點：

1. 大模型可應用的行業和用戶場景

對于產品經理在探索行業應用時，可以分為兩步走，由內到外，即先探索自身業務可落地的場景，再向外延申，學習了解其他場景。

1）思考自身業務

筆者以自身正在從事的大屏可視化（非BI）為例講述可以如何進行業務創新，在大屏可視化行業中，對于用戶來說有1個痛點問題（其他不贅述）需要耗費人力解決。

對于很多非專業客戶而言，要建設一個可視化大屏，首先要做的是就是理解業務，梳理業務中需要的指標體系，對于多數政企客戶和個人用戶，日常是沒有指標庫建立的。

這個時候只能通過網絡檢索收集或者尋求業務專家，非常耗時耗力，如果能在產品中提供指標詢問的服務，可以提高大屏初稿的輸出，縮短整個項目周期。

草圖樣式可以如下：

注：以上僅是樣例，實際需要在產品中提供入口，避免用戶跳出產品使用流程。

2）探索外部行業

眾所周知，人工智能對于業務的最直接體現是“降本增效”，它的輸入是“視頻、圖片、文本”等數據，所以對我們產品經理來說，探索外部行業應用時，在行業上可以重點選擇“勞動密集型”和“多模態輸入”的行業。

比如廣告營銷，傳媒和數字辦公，如下圖，圍繞行業用戶痛點和需求，再結合AI能力做創新應用，筆者以廣告營銷行業舉例。

• 需求：需要投放大量的廣告banner，尤其是電商用戶，在大促期間，需要不斷更換廣告圖。
• 痛點：在不通渠道投放相同商品不同的廣告banner，且為了保持點擊率，廣告圖大約1-2周就要換新。
• 傳統做法：基于設計工具，人工制作，一張圖成本約2-3百元；問題是耗時耗力，且需要人工投放。
• AI創作：在線生成，智能投放，只要提供商品圖，系統自動基于AI生成廣告圖，并設定投放渠道，可以在線投放，全過程完全可以實現無人管理。
• 典型案例：今年618期間，京東聯合百度文心一格，將AIGC應用于電商營銷，打造電商行業首個AI線下廣告。以AI的方式，制作周期縮短70%，制作成本可以節省80%左右。

2. 產品可提供的產品形態

在完成業務探索后，接下來是研究產品應該以什么樣的產品形態來賦能，我們以兩種角度來思考：

1）業務輔助性

如果現有業務的邏輯和產品均已成熟，且邏輯涉及到的系統較多，此時最佳的方式是提供插件式服務或者獨立的AI工具，將AI的應用與原有的業務邏輯隔離，避免影響用戶習慣，也降低產品改造的成本，通過將AI入口置于可以提效的場景下，支持一鍵調起即可。

2）業務顛覆性

如果業務改造成本相對較低或者產品目標是智能化的業務型產品，那直接做顛覆性創新，重新梳理業務邏輯，在業務流程中加入AI能力幫助用戶提效，做獨立的“新產品”。

比如典型的應用“視頻智能剪輯”工具，從視頻的導入開始，支持智能剪輯，智能配音、智能字幕等等，用戶創作完后可以直接投放不同渠道，可以幫助大多數用戶實現視頻創作自由，也是對傳統adobe 的挑戰和顛覆。

三、制定路線：區分用戶及行業，ToC推廣，ToB賺錢

產品的最終本質是需要產生收益，所以如果是落地了大模型應用產品，那最后環節即是需要考慮如何推廣產品，既能服務于用戶，又能掙錢持續迭代產品?？梢詮囊韵聝蓚€角度考慮產品路線策略。

1. 立足產品本質

在應用探索章節提到，從行業和用戶場景出發進行產品創新，但是仍然需要明確產品是以商業化為目標。

所以從商業模式角度看，不妨將產品一分為二，既提供ToB服務，也提供ToC應用，B端市場目標是創收，C端市場目標是圈定用戶，構建流量入口。

為什么要這么做呢？因為AI能力有兩個天然的問題，一個是需要數據，一個是準確率無法100%。

C端提供嘗鮮和試玩為主，一方面通過C端試用推廣，尋求有用戶粘性和智能化變革的痛點場景；另一方面C端是嘗鮮，對準確率要求不高，所以可以持續迭代，持續回收試用數據，進行產品更新。

B端以項目為主，提供成熟的行業大模型能力，按軟件收費、服務收費或者訂閱收費等，目標可以是打造一個行業SaaS化標品。

2. 拓寬邊界，探索多模態

若想持續保持產品競爭力，還需要不斷優化，大模型產品的優化需要的是“超越人類認知”，所以按照人的思維考慮應該是“無邊界，無限制輸入”，換成產品的角度是拓寬行業邊界，支持多模態應用。

對大模型廠商來說，可以是提供一套通用大模型，或者是多個行業大模型組合，對應用產品來說，將入口不斷開放，直至無限制。

四、結論

本文在大模型經歷爆火，熱度又逐漸消退之際，以產品經理的視角思考應該如何冷靜面對大模型的發展，從正確認知、應用探索，到最后制定產品路線，分別介紹了大模型存在的問題，可探索的應用場景，以及制定ToB、ToC的產品策略進行了闡述，希望幫助更多的產品經理。