如果在10年前，我们可能还弗成思议一个别系不仅能像人类的大脑一样平常智能，乃至还能超越人类在数据剖析、决策支持、乃至是创造性事情方面的能力。
而如今，这不再是科幻小说的情节，而是我们身边正在发生的现实。去年发布的chatGPT，不仅能像人类一样与我们对话，而且还能够为我们办理事情、生活中碰着的各类问题。
在这样的背景下，面向企业的B端产品同样迎来了转型升级的机遇。于是从几个月前我便持续关注AI干系动态，也考试测验在自己的事情、生活中将AI利用起来。
这篇文章，则是分享给大家这段韶光来我的不雅观察、学习成果。包括：
首先想理解天生式AI可能会涌现哪些运用，那AI的根本知识是必不可少的。
如果大家想更系统地理解AI的根本知识，十分推举大家可以去不雅观看「Generative AI for everyone」这门课程，课程由机器学习领域的专家吴恩达教授开设，目前已经有中笔墨幕，课程不长，非常推举大家抽空看看。
课程地址：https://www.coursera.org/learn/generative-ai-for-everyone
如果你没有韶光看课程，也可以选择看我这篇精华内容总结的文章，基本已经把AI的根本观点给你说清楚了：https://mp.weixin.qq.com/s/vKxmi2E2BAF-22T9-Y88SA
02 天生式AI和B端产品是如何结合的？
天生式AI模型是可以由我们自行调试的。目前一些厂商都有开放自己的开源模型，我们可以利用别人做好的预模型，来将AI技能与自身产品做结合。
目前主流下有几种调试AI的技能，这里为大家先容两种比较常见的技能，分别是RAG和Fine-tunning。
1. RAG（增强信息检索）
RAG是一种支持导入自身/企业信息，让GenAI学习并回答的技能。目前很盛行的「与PDF对话」之类的运用，便是这种技能下的产物。
它的运作办法可以大略理解为3步：
导入信息后，先给出问题，让GenAI搜索干系联的文件、信息；优化提示词，提示GenAI可以从对应文件中找到答案，回答问题；确认AI回答的答案，并不断优化调试提示词；2. Fine-tuning（微调）微调是比RAG更繁芜的一个技能，它用演习好的参数初始化自己的网络，然后用自己的数据接着演习。
我们可以大略将它的技能事理概括为2步：
选择预演习模型：选择一个与新任务干系的预演习模型，比如GPT；在新数据集上微调模型：在新数据集上微调预演习模型的参数，以适应新的任务。这种技能一样平常在以下几种场景中利用：
用提示词无法很好解释自己的目的，或者完备无法利用提示词解释。例如让GenAI完备像某人一样跟自己对话，由于AI没有这个人的数据，以是无法模拟；在分外领域中的事情内容；（例如年夜夫之间的专业术语）须要用更小的模型去完成事情；（例如不肯望GenAI花费过多性能，仅须要完成一小部分任务即可时）通过这两种调试AI的技能，我们可以选取大公司已经演习好的预模型进行调试，使AI更符合我们自身企业、个人的哀求。
3. 模型选择
在模型选择上，一样平常有开源模型、闭源模型。他们都各有优缺陷，如下：
而不同级别参数的模型，使得AI终极展现出来的能力也是不一样的。
不同参数AI模型的能力情形如下：
以是根据场景，AI团队可以选择不同的模型进行调试。
4. 团队搭建
须要把稳，如果想要调试AI，机器学习工程师和软件工程师是不可或缺的。
如果条件许可的话，团队内有产品经理和数据工程师是更好的。产品经理的角色也可以帮助更好地考验产品的商业化潜质，而数据工程师的角色可以多维度的剖析数据，供应反馈。
03 B端产品天生式AI结合的探索
目前天生式人工智能已经在B端产品中得到了若何的运用呢？
接下来，我将分享一些国内外已经推出的人工智能产品，以及它们的设计方向，希望能给B端产品的伙伴们带来一些灵感。
鉴于韶光和篇幅限定，接下来的内容将紧张基于企业公开资料进行先容。我也正在考试测验申请部分产品的试用，后续会分享更详细、详细的产品测评，欢迎大家持续关注。
1. Twilio：Customer AI
Twilio是一个支持超过300,000个客户的公司，供应文本、电话通话和电子邮件做事，帮助公司与客户建立良好的关系。他们几个月前推出了AI产品「Customer AI」；
目前根据公开资料，可以看出他们的AI产品有以下亮点：
1. 个性化推举：AI能够连接过往所有互动的数据点，为客户天生个性化推举，并为每次活动找到得当的人群，这对付市场营销团队来讲，能大大提升转化率；
2. 个性化跟进建议：AI技能的实时剖析可以关照员工何时跟进之前的客户互动，并给出个性化跟进建议；
3. 客户剖析：AI帮助发卖职员理解如何转化潜在客户，并通过减少摩擦来优化客户的注册或登录过程；
2. Salesforce：Einstein 1
Salesforce推出的Einstein 1平台，是一个全面升级的客户数据平台，旨在为企业供应一个值得相信的人工智能(AI)平台。
根据企业的公开资料，可以看出他们的AI产品有以下亮点：
1. 数据整合：整合内外部数据源，确保所有数据在一个平台上可访问。帮助员工更好地理解客户和业务，供应预测性剖析和内容天生。
2. 任务自动化：Einstein 1平台支持自动化事情流程，可以通过Flow实现自动化。
例如下图中，便设置了根据客户资料自动推举折扣的自动事情流。
3. 个性化客户体验：提高客户做事水平，供应为客户供应更个性化的体验。
下图演示的是Einstein 1自动为发卖职员天生邮件内容。
但saleforce还支持自行配置，针对客户天生更个性化的邮件内容。
3. HubSpot：HubSpot AI
HubSpot是一家总部位于美国的软件公司，专注于开拓和发卖营销、发卖和客户做事软件。
他们的AI工具在发卖、营销和客户做事方面供应了很多新功能，下面是一些亮点先容：
1. 博客文章天生：用户只需点击几下就能创建针对特定国家和博客的搜索引擎优化(SEO)标题和内容。此外，还可以利用HubSpot AI工具调度文章的语气或添加结论。
AI自动天生文章大纲，在这个环节就可以参与修正
最终生成的文章
2. 内容生产：HubSpot供应了报告助手，可以快速天生基于特定查询的报告，并许可用户自定义和优化这些报告。此外，内容助手还可以为发卖团队撰写电子邮件，包括先容邮件、冷邮件或跟进邮件，帮助提高沟通效率。
博主演示的是根据右侧的内容哀求，天生了左侧的数据表图
3. 客户跟进：HubSpot AI可以帮忙客服团队通过重写、扩展或调度信息的语气来改进与客户的沟通。还可以自动天生对话择要，便于做事代表理解和回顾客户的需求。
邮件词语修正，这个就不多说了，跟saleforce的是一样的
总结
通过对这几款产品的不雅观察，可以看到天生式AI在B端产品上面的运用集中于两个词：个性化、自动化。
个性化：通过AI强大的文本分析能力，对客户过往数据进行剖析，并在各种场景下（营销、转化、售后）给予事情职员更贴合客户个性化的建议，以给予客户更优体验。
自动化：支持将部分重复事情交由机器人处理。并在各种文本事情中（例如邮件沟通），由AI天生内容，以大大节省人工韶光，提升效率。
在落实AI与B端产品的结合上，也须要把稳企业都非常在意“数据安全”问题。
由AI提升效率固然是好，但如果发生了盗取数据，或有心之人通过特定的prompt套取出企业的机密信息，这对付企业来说是非常严重的安全威胁。
以是在未来AI与B端产品结合的路上，数据安全会是一贯存在的，非常主要的命题。
04 个人该当如何遇上AI潮流
《哈佛商业评论》中，先容了一些对付知识事情者来说，如何更好地将AI运用起来的办法。
目前利用最多的实践案例来看，天生式AI特殊可以在三个紧张方面发挥浸染：通过自动化一些构造化任务来减轻认知负荷，提高你对非构造化任务的认知能力，以及改进事情中的学习过程。
1. 减轻认知负荷
天生式AI工具可以通过开释人的精力，使我们专注于高代价的非构造化任务。
例如我们每天有固定要处理的文件内容，这些文件就可以交由天生式AI帮我们阅读、处理。
我自己目前也关注了很多产品、天生式AI领域的账号，看到一些感兴趣的内容就会先记录下来，然后统一交给GPT帮我概括，再通过概括判断我是否该深入阅读。
把稳：GPT的概括是不一定全面的。如果对文章感兴趣，建议去深入阅读，不要利用概括去理解整篇文章。
GPT帮我概括的文章大纲
2. 提升认知能力
另一种增强知识事情的方法，是用天生式AI促进高阶认知过程，实行非构造化任务。这个中我们可以运用起来的是提升批驳性思维和创造力。
批驳性思维方面，天生式AI可以帮助人们就面临的寻衅提出更好的问题。例如我最近在事情中碰着瓶颈，就会喜好去问一下GPT的想法，两者之间的想法相碰撞，就跟好友谈天一样，更随意马虎产生好的思路。
而创造力方面，更多指提升人们的生产效率。GenAI可以根据可行性、影响、本钱和新颖性等标准评估和对我们的想法进行完善，有了AI的加入后，我们优化迭代的速率更快了，也不用一遍遍的检讨、思考。
例如我现在会在每次完成文章后，让GPT帮我检讨文章逻辑，修正语句等。比原来我须要检讨4、5遍文章，现在有了GPT的帮助，我最少节省了一半的韶光用于检讨文章这件事情上。
GPTs供应的文章修正建议，根据它的建议修正成了大家终极看到的文章版本
3. 改进学习过程
节制技能须要练习，而不仅是教室学习。然而要使练习有效，就须要反馈。随着AI天生能力的不断提高，为每位知识事情者配备一位AI导师成为可能。
目前在Github中，已经有干系的教程，如何轻松的调教GPTs成为自己的个人导师，教自己学技能。
附：AI资源推举：
如果看到这里，你对天生式AI也开始产生兴趣，并开始想要系统理解，下面有一些资源可以推举给你：
AI根本知识
推举课程：
1. 吴恩达 《Generative AI for everyone》
https://www.coursera.org/learn/generative-ai-for-everyone
目前已有中笔墨幕，无压力。
2. 微软《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
需有英文根本。部分课节已在B站有翻译，大家可以通过lesson的标题、部分关键词去搜索。
AI一线新闻
1. Lex Fridman的播客、视频；
2. Google AI Bolg
https://blog.research.google/
实际上手利用AI
理解了再多的信息，如果没有用起来，那究竟还是会变为“纸上谈兵”。
学习最好的方法还是实践，推举大家可以将AI利用起来。
快速利用提示词
对提示词还不太清楚该怎么用的话，有一个偷
https://www.aishort.top/
结束语
人们常说“历史的车轮滚滚向前，这不因此人们的意志所能改变的。”
随着新技能的不断发展，它融入我们的事情、生活将是大趋势。如何拥抱新技能，是我们必须要面对的课题。
这是我第一次考试测验写此类型的文章，还有许多不敷的地方，如文章有缺点、遗漏或不足详尽的地方，欢迎各位不吝提出示正。
同时由于篇幅限定，很多内容也没能在一篇文章内呈现完，后续我也操持连续撰写：
本文由 @Thea小里 原创发布于大家都是产品经理，未经作者容许，禁止转载。
题图来自Unsplash，基于CC0协议。
该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。