AI 在 C 端应用方向及方式的实践探索

0 评论 1025 浏览 2 收藏 16 分钟

“前天写完这篇文章还没来得及发,昨天连夜看了 OpenAI 的春季发布会。chatGPT-4o 强大的环境感知力真的惊到我了,同时也更加让我坚信了 AI 未来的应用方向——「 AI 」作为「大脑」感知环境,思考处理方式,调度执行器”

LLM 的爆发已经一年了,在 B 端 AI 席卷了无数的产业链:新媒体、电商、办公、编程……无数行业都带来了业务流的革新。

然而,在 C 端,目前 AI 并没有明显的王炸级应用出现,无数企业、个体都在找、在问,AI 的 C 端的王炸应用究竟路在何方。

作为一个专业的 AI 产品经理,今天基于 AI 应用层的核心能力,结合当下市面上的主流应用,加上我自己的理解来仔细的盘一盘 AI 究竟给我们带来了什么。

01 AI 真正的革新性能力是什么?

小爱同学,大家都了解吧,我们可以通过简单的语音指令让小爱同学给我们播放音乐,控制电器。

举一个简单的例子:

场景一:

我们直接向小爱同学发出指令「小爱同学,我有点热」,此时小爱同学会说「你可以去医院看看」

——他认为我们可能生病发烧了

场景二:

我们发出指令「小爱同学,开一下空调」,此时小爱同学会帮我们打开空调

然后我们接着说「小爱同学,我有点热」,此时小爱同学会说「你可以去医院看看」

——他依旧认为我们可能是生病发烧了

然而如果我们对 LLM 发出相同的指令,场景二返回的结果将会是「我帮你把空调温度调低

PS :想要了解的可以看以下链接。

https://kimi.moonshot.cn/share/coufi0avk6g8t9jcsdfg

基于以上的场景我们可以看出 AI 的出现与过去所有的技术最大的不一样在于

AI 的具有两大革新性能力:

  1. 基于场景的自然语言理解
  2. 基于场景判断调度工具

至于我们我们广泛应用的内容生成能力,从当下的内容质量来看,并不具备有效的创新性,对比过去的场景,它仅可以作为一个提效工具,所以我认为这并不属于 AI 的革新性能力。

02 当下 AI 的主流应用形式

1. 当下 AI 有两种应用形式

1.Copilot ——翻译:副驾驶

可以理解为我们的助手、老师,他可以为我们的某个场景情况,提供解决问题的指导、建议,帮助指引我们的行为。

2.Agent ——翻译:代理人

可以理解为我们的管家,他可以直接的帮我们解决问题。

下面我举一个例子来说明这两者的区别:

场景:

我的电脑是一台 mac , mac 没有 windows 的剪贴板功能,我希望有一个软件

Copilot

我告诉「老师( Copilot )」我希望为我的 mac 下载一个类似 windows 剪贴板的软件

「老师( Copilot )」会「教我

-可以下载某某某剪贴板软件达成目标

-第一步去某某某网站找到软件进行下载

-第二步按照操作说明进行安装

Agent

我告诉「管家( Agent )」我希望为我的 mac 下载一个类似 windows 剪贴板的软件

「管家( Agent )」会直接「帮我

-找一个软件大师

-告诉软件大师为这台 mac 安装一个剪贴板软件

-软件大师会去去某某某网站找到软件进行下载,然后安装到我的电脑上

-软件大师跟管家说安装好了

-管家告诉我剪贴板软件已经安装完成

2. 为什么 Agent 会这么快的被应用

在 23 年年底的时候,我还认为短期(可能一年)内,我们主流的产品可能都还是 Copilot 的形式,因为大家对 AI 的结果仍然具有未知的恐惧性。

但是现在 24 年 5 月, Agent 的应用已经席卷了整个 AI 应用的市场。

原因是什么呢?

这就要回想一下我们刚刚说的 AI 的核心能力——判断调度。

我们发现其实相对的目前 AI 的「弱小」的生成能力——

比方说在上述的场景中,我们直接让 AI 帮我们生成一个下载软件的执行器,那估计我们反复重试执行几千次这个执行器,我们也不可能将这个软件下载成功。

相对来说,开发工程师写的脚本执行器明显是更靠谱的。

所以我们提前开发好下载软件的完整的程序,其实只要发挥 AI 的判断能力,告诉他如果需要下载软件,请将指定的参数按照指定的格式输入到这段程序中并运行,就 OK 了。

在这个过程中 AI 只需要发挥自己的判断调度能力,明白我是要下一个什么软件,搜索到这个软件,在调用程序就可以了。

于是一个满足我们需求的 Agent 就被做完整的呈现出来了。

03 当下 AI 的应用现状及原因分析——用户需求

《中国 AIGC 应用全景报告》数据显示,2024 年中国 AIGC 应用市场规模将达到 200 亿人民币,当前, B 端产品占据了大模型产品市场 80% 的营收。在 C 端却不温不火。

我们来分析一下为什么会出现这种情况:

根据 AI 产品榜 aicpb.comAI产品榜·赛道总榜TOP20截止 3 月的赛道总榜数据,除去排名第一通用的聊天机器人,第二的搜索引擎,以及排名十四的浏览器助手,其余的赛道,例如:设计工具,代码生成、写作生成、教育工具等,均是应用 AI 生成能力进行工作效率提升的产品。

可以看出, AI 在当下我们主要的应用就是基于生成能力工作提效。

对于 B 端用户来说有无数现有的重复但相对技术含量较低的工作,他们的需求很简单就是解决自己的工作场景:

  • 用户:一名抖音短视频的视频剧本写手
  • 用户故事地图:日常的主要工作内容就是写剧本,通过写作生成的 AI 应用就可以简单的快速大量的生成剧本。
  • 用户:一名互联网软件的程序开发工程师
  • 用户故事地图:每天要从网络找很多通用的代码方法,应用到自己的代码中,现在通过代码助手类 AI 应用,可以快速的在编辑器中直接生成。

但是 C 端用户的需求是什么呢?

我们看拿当下几个王炸级的 C 端应用来看一下他们满足了用户的什么需求:

抖音

  • 用户故事地图:「作为一个年轻用户,我希望通过抖音快速找到有趣的视频来打发时间。」
  • 满足核心需求:抖音满足了用户的娱乐、社交和自我表达需求。

美团

  • 用户故事地图:「作为一个忙碌的上班族,我希望通过美团快速找到附近的餐厅并下单外卖,节省时间。」
  • 满足核心需求:美团满足了用户对便利性、多样性、性价比和安全性的需求。

滴滴

  • 用户故事地图:「作为一个经常加班的职场人士,我需要一个可靠的出行方式,以便在深夜安全回家。」
  • 满足核心需求:滴滴提供了快速、方便、多样化的出行服务,满足了用户的出行需求。

总结一下:

  • B 端用户更关注产品或服务如何帮助他们完成工作目标,核心需求是提效、达标;
  • C 端用户的需求则更倾向于直接的产品或服务体验,核心需求是便利、娱乐。

对于 B 端用户来说,仅仅需要应用 AI 的生成能力就可以对需求进行满足因为他们明确知道自己需要用 AI 来做什么。

但是 C 端用户不一样, C 端用户不知道自己需要什么。

打个比方:

「我要一匹更快的马」,本质是「我想要更快的到另一个地方」

在这里我并不想要表达「我们需要从第一性原理的角度分析需求」

我想要表达的是:C 端用户并不清晰自己的核心需求

所以针对 AI 这个像「电」一样的东西,用户是不知道他能用来做什么的

因此 C 端目前看起来没有什么应用场景。

04 C 端王炸应用,路在何方?

回顾一下全文:

我们先探讨了 AI 的革新性能力究竟是什么:

1.基于场景的自然语言理解

2.基于场景判断调度工具

然后我们我们探讨了 AI 的当前的主流应用形式:

1.Copilot——翻译:副驾驶

可以理解为我们的助手、老师,他可以为我们的某个场景情况,提供解决问题的指导、建议,帮助指引我们的行为

2.Agent——翻译:代理人

可以理解为我们的管家,他可以直接的帮我们解决问题

最后我们又聊了 C 端用户的核心需求:

便利、娱乐

显而易见,到了这里我们可以直接的得出结论:

如果我们想要做出一个 C 端的好应用,那我们应该做的就是——

找到可以应用 AI 革新性能力的用户需要便利 or 娱乐的场景,并使用 AI 某种应用形式来完成实现这个产品

最近支付宝灰度测试 AI 智能助理,真的给了我很大的启发。

支付宝的 AI 智能助理集成在首页,提供服务办事型功能,如医疗问诊、查办公积金、买机票、找厕所等,可推荐功能或直连小程序,支持语音和文本输入。

支付宝拥有庞大的遍布在我们日常生活每个场景角落的生态应用,但是之前他们都以小程序、功能点等看似集成其实本质是驻在支付宝这个平台的独立应用。

而现在,我们只需要告诉 AI 每个小程序、功能用途是什么,再分别开放对应的执行器接口给到 API:

那么我们将会得到什么——

早上起床,说一句,「三十分钟后我要打车去上班」,支付宝 AI 小助理就可以调用「滴滴」的接口,帮我们预约好车

中午到了 11 点他就会问我们,中午是不是需要点外卖,点的话吃什么,然后调用「饿了吗」的接口帮我们点好外卖

晚上 6 点下班前又会提前我们打好回家的车

这是多么夸张的一个生活体验

且他完美的满足了我们的结论:

应用 AI 革新性能力,满足用户需要便利的场景,并使用 AI Agent 的形式来实现了这个产品

同样的如果小米的生态在做出一样的产品:

根据我们实时下班时间,结合实时定位,AI 帮我们启动家里提前已经装好食材的电饭煲,到家以后我们就可以美美的享受一顿晚餐了

美团也是一样:

周末我想出去来一个短途城市之旅,我就可以让给 AI 给我进行推荐,然后他可以帮我预定餐厅、买好电影票、制定好路线

难以想象我们的生活将会变得如何便利、舒适。

当然这个例子更多的是生活助理的角度,大家也可以一起发掘更多角度的赛道。

只要记得核心——从便利 or 娱乐的场景利用 AI 的判断我们当下所处的场景,主动的调用当下已经很成熟的产品「照顾好」我们即可。

05 总结

当下太多的人都在拿着 AI 这把「锤子」在找钉子,找不到结果。

我们是否应该尝试换种思路

AI 只是让我们多了张手牌,这张手牌我们有就可以了并不一定要真的打出去。

就像吴恩达教授所说「 AI 是新的电力」,哪怕是在当下我们会在任何地方都应用「电力」吗?

显而易见的我们并不会在我们产品上只留下「电力」,我们是让电结合各种各样其余的东西:比如转化成动力「电动车」、比如转化为光「手机显示」……

我们接着分析一下在电力这条赛道了赚钱的有什么人

  • 电力的来源——煤矿——卖煤矿,AI 这块钱被芯片厂商赚了,比如英伟达
  • 电力的转化——发电厂——卖电力,AI 这块钱被模型厂商赚了,比如 OpenAI
  • 电力的使用——电子设备——卖电灯泡,这块钱就是我们所谓模型应用的钱
  • 电力产品的使用——电动车载客——收车票钱,AI 这块钱目前也有很多已经在赚,比如 AI 代写

那在 AI 场景下,我们现在最迷茫的就是第三部分,这第三部分的钱应该怎么来赚呢,试想一下,你现在会想你要如何来使用电力来赚钱吗,显然不会。

我们需要,也必须要了解 AI 的能力及其边界。

依旧保持我们以前关注需求的嗅觉。

合适的需求中打出 AI 这张牌即可。

不要纠结于为「锤子」找到合适的「钉子」,我们只要为「钉子」找到合适的「锤子」即可。

本文由 @徐琪 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!