5000字干貨總結：探索AI在B端產品中的應用

0 評論 7306 瀏覽 63 收藏 20 分鐘

隨著AI的發展，其應用場景也越來越廣泛。在這樣的背景下，面向企業的B端產品同樣迎來了轉型升級的機遇。本文將闡述AI在B端產品中的應用，希望對你有所幫助。

如果在10年前，我們可能還難以想象一個系統不僅能像人類的大腦一般智能，甚至還能超越人類在數據分析、決策支持、甚至是創造性工作方面的能力。

而如今，這不再是科幻小說的情節，而是我們身邊正在發生的現實。去年發布的chatGPT，不僅能像人類一樣與我們對話，而且還能夠為我們解決工作、生活中遇到的種種問題。

在這樣的背景下，面向企業的B端產品同樣迎來了轉型升級的機遇。于是從幾個月前我便持續關注AI相關動態，也嘗試在自己的工作、生活中將AI運用起來。

這篇文章，則是分享給大家這段時間來我的觀察、學習成果。包括：

  1. 生成式AI與外部應用結合的2種技術：用大白話解釋RAG和Fine- tuning的技術原理
  2. 生成式AI的模型原則和團隊搭建
  3. AI在B端產品上應用的具體案例
  4. 個人該如何趕上AI這股潮流

01 生成式AI的基礎知識

首先想理解生成式AI可能會出現哪些應用，那AI的基礎知識是必不可少的。

如果大家想更系統地了解AI的基礎知識，十分推薦大家可以去觀看「Generative AI for everyone」這門課程，課程由機器學習領域的專家吳恩達教授開設，目前已經有中文字幕，課程不長，非常推薦大家抽空看看。

課程地址：https://www.coursera.org/learn/generative-ai-for-everyone

如果你沒有時間看課程，也可以選擇看我這篇精華內容總結的文章，基本已經把AI的基礎概念給你說清楚了：https://mp.weixin.qq.com/s/vKxmi2E2BAF-22T9-Y88SA

02? 生成式AI和B端產品是如何結合的？

生成式AI模型是可以由我們自行調試的。目前一些廠商都有開放自己的開源模型，我們可以利用別人做好的預模型，來將AI技術與自身產品做結合。

目前主流下有幾種調試AI的技術，這里為大家介紹兩種比較常見的技術，分別是RAG和Fine-tunning。

1. RAG（增強信息檢索）

RAG是一種支持導入自身/企業信息，讓GenAI學習并回答的技術。目前很流行的「與PDF對話」之類的應用，便是這種技術下的產物。

它的運作方式可以簡單理解為3步：

  1. 導入信息后，先給出問題，讓GenAI搜索相關聯的文件、信息；
  2. 優化提示詞，提示GenAI可以從對應文件中找到答案，回答問題；
  3. 確認AI回答的答案，并不斷優化調試提示詞；

2. Fine-tuning（微調）

微調是比RAG更復雜的一個技術，它用訓練好的參數初始化自己的網絡，然后用自己的數據接著訓練。

我們可以簡單將它的技術原理概括為2步：

  1. 選擇預訓練模型：選擇一個與新任務相關的預訓練模型，比如GPT；
  2. 在新數據集上微調模型：在新數據集上微調預訓練模型的參數，以適應新的任務。

這種技術一般在以下幾種場景中使用：

  • 用提示詞無法很好說明自己的目的，或者完全無法使用提示詞說明。例如讓GenAI完全像某人一樣跟自己對話，因為AI沒有這個人的數據，所以無法模仿；
  • 在特殊領域中的工作內容；（例如醫生之間的專業術語）
  • 需要用更小的模型去完成工作；（例如不希望GenAI消耗過多性能，僅需要完成一小部分任務即可時）

通過這兩種調試AI的技術，我們可以選取大公司已經訓練好的預模型進行調試，使AI更符合我們自身企業、個人的要求。

3. 模型選擇

在模型選擇上，一般有開源模型、閉源模型。他們都各有優缺點，如下：

而不同級別參數的模型，使得AI最終展現出來的能力也是不一樣的。

不同參數AI模型的能力情況如下：

所以根據場景，AI團隊可以選擇不同的模型進行調試。

4. 團隊搭建

需要注意，如果想要調試AI，機器學習工程師和軟件工程師是不可或缺的。

如果條件允許的話，團隊內有產品經理和數據工程師是更好的。產品經理的角色也可以幫助更好地檢驗產品的商業化潛質，而數據工程師的角色可以多維度的分析數據，提供反饋。

03 B端產品*生成式AI結合的探索

目前生成式人工智能已經在B端產品中得到了怎樣的應用呢？

接下來，我將分享一些國內外已經推出的人工智能產品，以及它們的設計方向，希望能給B端產品的伙伴們帶來一些靈感。

鑒于時間和篇幅限制，接下來的內容將主要基于企業公開資料進行介紹。我也正在嘗試申請部分產品的試用，后續會分享更具體、詳細的產品測評，歡迎大家持續關注。

1. Twilio：Customer AI

Twilio是一個支持超過300,000個客戶的公司，提供文本消息、電話通話和電子郵件服務，幫助公司與客戶建立良好的關系。他們幾個月前推出了AI產品「Customer AI」；

目前根據公開資料，可以看出他們的AI產品有以下亮點：

1. 個性化推薦：AI能夠連接過往所有互動的數據點，為客戶生成個性化推薦，并為每次活動找到合適的人群，這對于市場營銷團隊來講，能大大提升轉化率；

2. 個性化跟進建議：AI技術的實時分析可以通知員工何時跟進之前的客戶互動，并給出個性化跟進建議；

3. 客戶分析：AI幫助銷售人員了解如何轉化潛在客戶，并通過減少摩擦來優化客戶的注冊或登錄過程；

2. Salesforce：Einstein 1

Salesforce推出的Einstein 1平臺，是一個全面升級的客戶數據平臺，旨在為企業提供一個值得信賴的人工智能(AI)平臺。

根據企業的公開資料，可以看出他們的AI產品有以下亮點：

1. 數據整合：整合內外部數據源，確保所有數據在一個平臺上可訪問。幫助員工更好地理解客戶和業務，提供預測性分析和內容生成。

2. 任務自動化：Einstein 1平臺支持自動化工作流程，可以通過Flow實現自動化。

例如下圖中，便設置了根據客戶資料自動推薦折扣的自動工作流。

3. 個性化客戶體驗：提高客戶服務水平，提供為客戶提供更個性化的體驗。

下圖演示的是Einstein 1自動為銷售人員生成郵件內容。

但saleforce還支持自行配置，針對客戶生成更個性化的郵件內容。

3. HubSpot：HubSpot AI

HubSpot是一家總部位于美國的軟件公司，專注于開發和銷售營銷、銷售和客戶服務軟件。

他們的AI工具在銷售、營銷和客戶服務方面提供了很多新功能，下面是一些亮點介紹：

1. 博客文章生成：用戶只需點擊幾下就能創建針對特定國家和博客的搜索引擎優化(SEO)標題和內容。此外，還可以使用HubSpot AI工具調整文章的語氣或添加結論。

AI自動生成文章大綱，在這個環節就可以介入修改

最終生成的文章

2. 內容生產：HubSpot提供了報告助手，可以快速生成基于特定查詢的報告，并允許用戶自定義和優化這些報告。此外，內容助手還可以為銷售團隊撰寫電子郵件，包括介紹郵件、冷郵件或跟進郵件，幫助提高溝通效率。

博主演示的是根據右側的內容要求，生成了左側的數據表圖

3. 客戶跟進：HubSpot AI可以協助客服團隊通過重寫、擴展或調整信息的語氣來改善與客戶的溝通。還可以自動生成對話摘要，便于服務代表理解和回顧客戶的需求。

郵件詞語修改，這個就不多說了，跟saleforce的是一樣的

總結

通過對這幾款產品的觀察，可以看到生成式AI在B端產品上面的應用集中于兩個詞：個性化、自動化。

個性化：通過AI強大的文本分析能力，對客戶過往數據進行分析，并在各種場景下（營銷、轉化、售后）給予工作人員更貼合客戶個性化的建議，以給予客戶更優體驗。

自動化：支持將部分重復工作交由機器人處理。并在各種文本工作中（例如郵件溝通），由AI生成內容，以大大節省人工時間，提升效率。

在落實AI與B端產品的結合上，也需要注意企業都非常在意“數據安全”問題。

由AI提升效率固然是好，但如果發生了竊取數據，或有心之人通過特定的prompt套取出企業的機密信息，這對于企業來說是非常嚴重的安全威脅。

所以在未來AI與B端產品結合的路上，數據安全會是一直存在的，非常重要的命題。

04 個人應該如何趕上AI潮流

《哈佛商業評論》中，介紹了一些對于知識工作者來說，如何更好地將AI應用起來的辦法。

目前使用最多的實踐案例來看，生成式AI特別可以在三個主要方面發揮作用：通過自動化一些結構化任務來減輕認知負荷，提高你對非結構化任務的認知能力，以及改善工作中的學習過程。

1. 減輕認知負荷

生成式AI工具可以通過釋放人的精力，使我們專注于高價值的非結構化任務。

例如我們每天有固定要處理的文件內容，這些文件就可以交由生成式AI幫我們閱讀、處理。

我自己目前也關注了很多產品、生成式AI領域的賬號，看到一些感興趣的內容就會先記錄下來，然后統一交給GPT幫我概括，再通過概括判斷我是否該深入閱讀。

注意：GPT的概括是不一定全面的。如果對文章感興趣，建議去深入閱讀，不要使用概括去理解整篇文章。

GPT幫我概括的文章大綱

2. 提升認知能力

另一種增強知識工作的方法，是用生成式AI促進高階認知過程，執行非結構化任務。這其中我們可以應用起來的是提升批判性思維和創造力。

批判性思維方面，生成式AI可以幫助人們就面臨的挑戰提出更好的問題。例如我最近在工作中遇到瓶頸，就會喜歡去問一下GPT的想法，兩者之間的想法相碰撞，就跟好友聊天一樣，更容易產生好的思路。

而創造力方面，更多指提升人們的生產效率。GenAI可以根據可行性、影響、成本和新穎性等標準評估和對我們的想法進行完善，有了AI的加入后，我們優化迭代的速度更快了，也不用一遍遍的檢查、思考。

例如我現在會在每次完成文章后，讓GPT幫我檢查文章邏輯，修改語句等。比原先我需要檢查4、5遍文章，現在有了GPT的幫助，我起碼節省了一半的時間用于檢查文章這件事情上。

GPTs提供的文章修改建議，根據它的建議修改成了大家最終看到的文章版本

3. 改善學習過程

掌握技能需要練習，而不僅是課堂學習。然而要使練習有效，就需要反饋。隨著AI生成能力的不斷提高，為每位知識工作者配備一位AI導師成為可能。

目前在Github中，已經有相關的教程，如何輕松的調教GPTs成為自己的個人導師，教自己學技能。

附：AI資源推薦：

如果看到這里，你對生成式AI也開始產生興趣，并開始想要系統了解，下面有一些資源可以推薦給你：

**AI基礎知識**

推薦課程：

1. 吳恩達 《Generative AI for everyone》

https://www.coursera.org/learn/generative-ai-for-everyone

目前已有中文字幕，無壓力。

2. 微軟《Generative AI for Beginners – A 12-Lesson Course》 – https://techcommunity.microsoft.com/t5/educator-developer-blog/generative-ai-for-beginners-a-12-lesson-course/ba-p/3968583

需有英文基礎。部分課節已在B站有翻譯，大家可以通過lesson的標題、部分關鍵詞去搜索。

**AI一線新聞**

1. Lex Fridman的播客、視頻；

2. Google AI Bolg

https://blog.research.google/

**實際上手使用AI**

了解了再多的信息，如果沒有用起來，那終究還是會變為“紙上談兵”。

學習最好的方法還是實踐，推薦大家可以將AI使用起來。

**快速使用提示詞**

對提示詞還不太清楚該怎么用的話，有一個偷懶的辦法：直接借鑒別人的模版，這里推薦個好用的中文提示詞網站，非常實用：

https://www.aishort.top/

結束語

人們常說“歷史的車輪滾滾向前，這不是以人們的意志所能改變的?！?/p>

隨著新技術的不斷發展，它融入我們的工作、生活將是大趨勢。如何擁抱新技術，是我們必須要面對的課題。

這是我第一次嘗試寫此類型的文章，還有許多不足的地方，如文章有錯誤、遺漏或不夠詳盡的地方，歡迎各位不吝提出指正。

同時因為篇幅限制，很多內容也沒能在一篇文章內呈現完，后續我也計劃繼續撰寫：

  1. AI產品體驗報告
  2. 作為產品經理，如何利用AI重塑工作流程

本文由 @Thea小里 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。

該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容，請關注人人都是產品經理微信公眾號或下載App
Thea小里
5年B端產品。歡迎一起交流~公眾號：小里產品手冊
17篇作品 64180總閱讀量
10-168808 瀏覽
向上管理的底層邏輯和步驟
07-032753 瀏覽
中國大數據交易所，成立第9年
05-112182 瀏覽
小紅書能抄抖音本地生活的作業嗎？
08-234577 瀏覽
“雪糕刺客”，“消失”在這個夏天
06-147008 瀏覽
2023年全球十大商業趨勢
評論
評論請登錄
  1. 目前還沒評論，等你發揮！