随着AI的发展,其应用场景也越来越广泛。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。本文将阐述AI在B端产品中的应用,希望对你有所帮助。 2. Fine-tuning(微调)微调是比RAG更复杂的一个技术,它用训练好的参数初始化自己的网络,然后用自己的数据接着训练。 我们可以简单将它的技术原理概括为2步:
这种技术一般在以下几种场景中使用:
通过这两种调试AI的技术,我们可以选取大公司已经训练好的预模型进行调试,使AI更符合我们自身企业、个人的要求。 3. 模型选择在模型选择上,一般有开源模型、闭源模型。他们都各有优缺点,如下: 而不同级别参数的模型,使得AI最终展现出来的能力也是不一样的。 不同参数AI模型的能力情况如下: 所以根据场景,AI团队可以选择不同的模型进行调试。 4. 团队搭建需要注意,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。 如果条件允许的话,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检验产品的商业化潜质,而数据工程师的角色可以多维度的分析数据,提供反馈。 03 B端产品*生成式AI结合的探索目前生成式人工智能已经在B端产品中得到了怎样的应用呢? 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。 鉴于时间和篇幅限制,接下来的内容将主要基于企业公开资料进行介绍。我也正在尝试申请部分产品的试用,后续会分享更具体、详细的产品测评,欢迎大家持续关注。 1. Twilio:Customer AITwilio是一个支持超过300,000个客户的公司,提供文本消息、电话通话和电子邮件服务,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. 个性化推荐:AI能够连接过往所有互动的数据点,为客户生成个性化推荐,并为每次活动找到合适的人群,这对于市场营销团队来讲,能大大提升转化率; 2. 个性化跟进建议:AI技术的实时分析可以通知员工何时跟进之前的客户互动,并给出个性化跟进建议; 3. 客户分析:AI帮助销售人员了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 1Salesforce推出的Einstein 1平台,是一个全面升级的客户数据平台,旨在为企业提供一个值得信赖的人工智能(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,提供预测性分析和内容生成。 2. 任务自动化:Einstein 1平台支持自动化工作流程,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荐折扣的自动工作流。 3. 个性化客户体验:提高客户服务水平,提供为客户提供更个性化的体验。 下图演示的是Einstein 1自动为销售人员生成邮件内容。 但saleforce还支持自行配置,针对客户生成更个性化的邮件内容。 3. HubSpot:HubSpot AIHubSpot是一家总部位于美国的软件公司,专注于开发和销售营销、销售和客户服务软件。 他们的AI工具在销售、营销和客户服务方面提供了很多新功能,下面是一些亮点介绍: 1. 博客文章生成: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,还可以使用HubSpot AI工具调整文章的语气或添加结论。 AI自动生成文章大纲,在这个环节就可以介入修改 最终生成的文章 2. 内容生产:HubSpot提供了报告助手,可以快速生成基于特定查询的报告,并允许用户自定义和优化这些报告。此外,内容助手还可以为销售团队撰写电子邮件,包括介绍邮件、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要求,生成了左侧的数据表图 3. 客户跟进:HubSpot AI可以协助客服团队通过重写、扩展或调整信息的语气来改善与客户的沟通。还可以自动生成对话摘要,便于服务代表理解和回顾客户的需求。 邮件词语修改,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观察,可以看到生成式AI在B端产品上面的应用集中于两个词: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分析,并在各种场景下(营销、转化、售后)给予工作人员更贴合客户个性化的建议,以给予客户更优体验。 自动化:支持将部分重复工作交由机器人处理。并在各种文本工作中(例如邮件沟通),由AI生成内容,以大大节省人工时间,提升效率。 在落实AI与B端产品的结合上,也需要注意企业都非常在意“数据安全”问题。 由AI提升效率固然是好,但如果发生了窃取数据,或有心之人通过特定的prompt套取出企业的机密信息,这对于企业来说是非常严重的安全威胁。 所以在未来AI与B端产品结合的路上,数据安全会是一直存在的,非常重要的命题。 04 个人应该如何赶上AI潮流《哈佛商业评论》中,介绍了一些对于知识工作者来说,如何更好地将AI应用起来的办法。 目前使用最多的实践案例来看,生成式AI特别可以在三个主要方面发挥作用:通过自动化一些结构化任务来减轻认知负荷,提高你对非结构化任务的认知能力,以及改善工作中的学习过程。 1. 减轻认知负荷生成式AI工具可以通过释放人的精力,使我们专注于高价值的非结构化任务。 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生成式AI帮我们阅读、处理。 我自己目前也关注了很多产品、生成式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。 注意: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,不要使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工作的方法,是用生成式AI促进高阶认知过程,执行非结构化任务。这其中我们可以应用起来的是提升批判性思维和创造力。 批判性思维方面,生成式AI可以帮助人们就面临的挑战提出更好的问题。例如我最近在工作中遇到瓶颈,就会喜欢去问一下GPT的想法,两者之间的想法相碰撞,就跟好友聊天一样,更容易产生好的思路。 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、成本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,我们优化迭代的速度更快了,也不用一遍遍的检查、思考。 例如我现在会在每次完成文章后,让GPT帮我检查文章逻辑,修改语句等。比原先我需要检查4、5遍文章,现在有了GPT的帮助,我起码节省了一半的时间用于检查文章这件事情上。 GPTs提供的文章修改建议,根据它的建议修改成了大家最终看到的文章版本 3. 改善学习过程掌握技能需要练习,而不仅是课堂学习。然而要使练习有效,就需要反馈。随着AI生成能力的不断提高,为每位知识工作者配备一位AI导师成为可能。 目前在Github中,已经有相关的教程,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资源推荐: 如果看到这里,你对生成式AI也开始产生兴趣,并开始想要系统了解,下面有一些资源可以推荐给你: **AI基础知识** 推荐课程: 1. 吴恩达 《Generative AI for everyone》 https://www.coursera.org/learn/generative-ai-for-everyone 目前已有中文字幕,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 需有英文基础。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/ **实际上手使用AI** 了解了再多的信息,如果没有用起来,那终究还是会变为“纸上谈兵”。 学习最好的方法还是实践,推荐大家可以将AI使用起来。 **快速使用提示词** 对提示词还不太清楚该怎么用的话,有一个偷懒的办法:直接借鉴别人的模版,这里推荐个好用的中文提示词网站,非常实用: https://www.aishort.top/ 结束语人们常说“历史的车轮滚滚向前,这不是以人们的意志所能改变的。” 随着新技术的不断发展,它融入我们的工作、生活将是大趋势。如何拥抱新技术,是我们必须要面对的课题。 这是我第一次尝试写此类型的文章,还有许多不足的地方,如文章有错误、遗漏或不够详尽的地方,欢迎各位不吝提出指正。 同时因为篇幅限制,很多内容也没能在一篇文章内呈现完,后续我也计划继续撰写:
本文由 @Thea小里 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。 |