回溯过往，天生式 AI 的抽芽从算法模型的初步探索开始，当时还局限于特定领域内的大略运用。然而随着大数据的积累、打算能力的提升以及算法模型的持续优化，天生式 AI 开始展现出惊人的创造力与学习能力：从大略的文本创作到繁芜的图像天生，乃至跨模态的内容创造。
站在新的历史出发点上，我们不禁要问：天生式 AI 产品的未来发展将如何演进？它们又将如何连续深化与人类的互动、推动行业创新？
为此，在 9 月 20-21 日于北京正式拉开帷幕的「2024 环球产品经理大会」上，我们特设了“天生式人工智能产品”主题论坛，约请到了来自腾讯、商汤科技、WPS、京东、快手、同程旅行、OPPO、云九成本、句子互动、58 同城、海纳 AI、来也科技以及爱设计& AiPPT.cn 的 13 位一线专家与行业领袖，深入阐发天生式 AI 产品背后的技能驱动力，共同磋商其潜在的运用处景与发展寻衅。
汪晟杰：AI 驱动下的 B 端产品的思考与创新
面对日益发展的 AI 技能，产品经理正遭遇哪些全新的标准与寻衅？腾讯云开拓者 AI 产品卖力人汪晟杰依据自身及其团队的实践履历，分享 AI 驱动下的 B 端产品思维和创新成果。
汪晟杰首先提出一个不雅观点，即产品经理实际上是产品层面上的「CEO」。他从四个维度深度解读了这一不雅观点：
● 产品代价。产品经理须要在全体团队中贯注灌注产品的核心代价，并达成共识。产品代价在于明确产品独特的上风。
● 民气成功。做产品须要体察人性、把握民气，这哀求产品经理要有敏锐的市场洞察力，并且能够定义产品办理的痛点。
● 创造和体验。创造性事情就犹如为自己的孩子方案未来，产品经理须要在过程中不断调度方向，以适应市场的变革。
● 商业成功。产品经理还须要具备通过竞品剖析、市场调研等方法来验证产品代价的能力。也要思考产品的商业化路径，制订 3-5 年的收益操持，并随时准备调度方向。末了，产品经理要向老板申报请示成果，就犹如 CEO 向投资者申报请示一样。
汪晟杰指出，天生式 AI 技能为产品经理带来了新的机遇。传统的产品经理可向专注于 AI 功能设计、大模型基底方面的产品技能、偏 AI 效果平分歧方向升级转型。不过，这也哀求产品经理须要对智能体、API 与业务、提示词、大模型与多模态等天生式知识点有一定的理解。
谈及 AI 驱动的产品须要遵照的原则时，汪晟杰给出了自己独特的见地：
一、制订商业画布（AI Canvas），用于阐述产品理念，回答关于产品 Why、How、What 等关键问题。明确产品代价主见，即产品办理的核心问题和其独特代价。考虑办理方案的履行、目标客户、模型选择及策略。
二、找到「Product Market Fit」，确保产品赢得市场。个中，产品需遵照创意、验证、营销、扩展和效率平分歧阶段的测试。而产品经理要理解 AI 运作办法，思考 AI 与业务的结合，并进行规模化、标品化思考。
三、天生式 AI 授予软件产品能力新加持。如今人类与 AI 协同紧张有三种模式，一是 Embedding 模式，将传统业务与 AI 特性结合，设计出带有 AI 功能的产品；二是 Copilot 模式，设计出 AI 效率工具产品 ，由 AI 自主，由人工确认后完成事情；三是 Agents 模式，从半自动化 Agent 到全自动化 Agent，让 AI 从思考、操持、反思、改动。
四、在 AI 时期，产品经理设计产品时需结合业务背景的第一性事理，设计新的交互办法，思考定价及「Product Model Fit」。和「Product Market Fit」比较，「Product Model Fit」的主要性也不容忽略，前者决定了产品的商业模式，后者则决定了产品的技能可行性。
五、B 端与 AI 结合的大模型产品，遵照 S（企业安全与可控）、M（基于多模态的产品）、A（面向业务的 Agent 智能体）、R（重新思考业务流程）、T（基于业务的模型演习与微调）这一 Smart 准则。
总体而言，汪晟杰表示，产品经理在 AI 时期须要重视产品模型的本钱掌握、标准化培植，并且找准痛点，不断迭代优化产品。赢得成功的关键在于制订出能够让老板在短期内看到希望，并在长期内实现盈利的产品代价主见（PMF）。
李佳芮：RPA+AI，打造大模型驱动的领先数字员工在这个数字化转型的时期，我们正见证着 AI 技能以前所未有的速率重塑天下。在此背景下，句子互动创始人李佳芮选择从全新视角切入——大模型技能在构建数字员工方面的运用，深入探究下一代大模型驱动的领先数字员工该如何打造。
在进入正题之前，李佳芮首先明确了一个不雅观点：“大模型不是银弹，纵然 AGI 时期到来，大模型也不可能办理统统问题。”在她看来，技能决定的是下限，而业务决定上限，即未来大模型技能越来越强，业务才能更好地落地。
为此从 0 到 1 构建大模型运用的过程中，李佳芮重点提到了搭建数字员工的八大生命周期：运营反馈、平台渠道集成、需求剖析、流程设计、数据处理、Prompt 撰写、系统测评和系统搭建。在这八大生命周期中，她着重先容了后面四个方面：
● 数据处理：从不同渠道获取数据样本以进行数据网络，同时进行一系列的处理事情，比如洗濯数据、去除 HTML 标签、优化图片等，许多如数据切割、扩充和更新等根本的数据处理也能通过现有的开源框架来完成。个中，RAG（Retrieve Augmented Generation，检索增强天生）技能在数据处理和天生式 AI 中的运用日益广泛。
● Prompt 撰写：提示工程（Prompt Engineering）远不止大略地写几行指令，其核心在于如何清晰、精准地表达需求，并且要懂得如何有效地向 AI 提问。例如：将指令放在 prompt 开头，并建议利用 Markdown 格式撰写；通过示例来帮助 AI 理解任务；在 prompt 中添加逻辑推理步骤，勾引 AI 进行更细致的思考过程等等。
● 系统搭建：紧张环绕大模型交互、增强天生和多智能体协作等方面展开。与大模型交互时，动态布局 Prompt 是一种常见的做法，通报动态参数能够实现更精准的相应；引入外挂数据库/检索增强天生（RAG），办理大模型的幻觉问题；采取多智能体事情流，通过进行多次 Prompt 交互、天生中间结果，以逐步构建更高质量输出的办法。
● 系统测评：可进行分段式测评，以帮助提升系统的整体性能。首先让客户参与系统测试，并为其供应详细的测试哀求；基于客户的信息构建一个标准化测试集，用于系统内部的集成和调优；还可以利用大模型的自检功能，对系统进行深度评估；测试完成后再次进行评分，达标后将其交付给客户进行下一轮反馈——这样，一个完全的集成调优循环就完成了。
基于以上提出的八大生命周期观点，李佳芮认为：可采取 RPA（机器人流程自动化）+AI 的办法，来打造下一代大模型驱动的“数字员工”。详细而言，“数字员工”的核心能力可分解为四个层次：
（1）模型层：最底层的能力，包含大模型、小模型、端侧模型等多种模型的联动与协作。
（2）数据层：包含构造化和非构造化数据，能够处理各种数据来源和格式。
（3）流程层（Workflow）：这一层强调标准操作程序（SOP），连接了业务规则（RK）和非常处理（Badcase）等领域。
（4）工具层：底层的模型和外部的利用工具相连接，形成整体的事情流。
环绕“数字员工”的四大核心能力、以及搭建数字员工八大生命周期的观点，句子互动推出了 RPA+AI 两款产品：RPA-运营做事一体化平台，AI-智能体流程引擎。在演讲末了，李佳芮分享了一个将“数字员工”用作 AI 数字导购的完全案例：不同于传统人工导购存在的限定和弊端，在基于 RPA+AI 打造的“数字员工”的推动下，智能化门店新时期或许即将开启。
赵九州：AI 浪潮中的运用主义者在这一场 AI 浪潮中，有人选择站在理论研究的前沿，探索AI技能的极限；而另一些人，则将目光投向了更加实际的运用处景，致力于让 AI 真正做事于用户——对付后者，金山办公 WPS AI 高等产品总监赵九州将其称之为：AI 浪潮中的“运用主义者”。
赵九州表示，目前金山办公紧张产品月度生动设备数达到了 6.02 亿，每一个功能的用户反馈量都相称弘大。而公司通过工单和用户反馈，结合AI能力来办理实际存在的问题。故而比较于磋商理论，金山办公推出 WPS AI 的初衷便是技能普惠，让大众用户能以低门槛、大略的办法打仗并利用 AI 功能，专注于从用户角度出发，基于 AI 能力，并结合 WPS 已有能力，真正有效办理用户刚需且详细的痛点。
● AI 写作助手
举个例子，许多用户在利用写作助手时，常日面临如何提出有效提示词、掌握 AI 写作质量以及处理创作中断等问题。为此，WPS AI 在写作助手中引入了 AI 伴写模式，旨在以更自然的交互办法，帮助用户无缝完成写作任务。
与传统的 AI 提示词机制不同，AI伴写模式能自动为用户供应遐想句子，而无需额外的提示词输入。用户可以直接在写作界面中看到 AI 给出的建议，并决定是否采纳，并不打断写作流程。赵九州强调，这种交互设计更符合用户的传统写作习气，尤其适宜那些不熟习如何与 AI 交互的用户。
● AI 数据助手
事实上，很多表格中的操作都是重复性、高度规则化的任务，类似于 RPA（机器人流程自动化）工具或自动化 Agent 能完成的事情。为此，WPS AI 对数据助手的哀求是：一句话就能清楚地描述规则和需求，并让数据助手自动完成相应的操作。
不仅如此，WPS AI 还能理解并剖析表格中的信息，例如自动分类售后工单类型，迅速找到哪些问题涌现得最多以及对应的办理方案。就算用大口语向它提问，AI 也能根据用户需求，自动天生代码或公式，然后直接在表格中输出结果。
● AI 阅读助手
再者是 AI 阅读助手，它专门针对 PDF 和 OFD 格式的超长文档，帮助用户进行快速总结和处理。市情上虽已有不少类似工具，但赵九州强调以下三个功能的创新，可使其更加智能高效：
（1）AI 总结：纵然是超长文档，获取信息也十分便捷；（2）AI 文档问答：回答可追溯，统统有据可依；（3）AI 翻译：外文翻译与提炼均一步到位。
通过这些功能，WPS AI 不仅帮助用户节省了大量阅读和总结的韶光，还在事情流程上做到了智能串联，从文档处理、总结，到展示，完备自动化，极大提升了生产力。
● AI 设计助手
针对用户美化 PPT 过程中的多种痛楚，赵九州也进一步先容了 WPS AI 在这方面的功能创新：一句大略描述，即可让 AI 天生 PPT；通过已写好的脑图大纲，亦可让 AI 一键天生 PPT 内容；上传演示文档，由 AI 进行风格克隆；快速对 PPT 中的图片切换不同风格的滤镜；可按照不同比例进行图片扩展；基于照片天生高质量且实用的个人写真。
● AI 语音助手
在多模态的探索中，WPS AI 也将语音识别和语音天生技能进行了高度整合，紧张集中在两大方向：（1）基于 ASR+LLM 的AI语音速记，实时声纹识别区分辨话人以输出精准的笔墨稿；（2）基于 TTS+LLM 的 AI 朗读，为用户供应更流畅、更拟真的阅读体验。
整体而言，WPS AI在C端用户产品的理念基本可概括为：不要让用户输入 Prompt，让 AIGC 回归创作本身；聚焦垂直用户的办公、效率场景；避开不能接管幻觉的领域；增强召回，减少噪音与幻觉；环绕事情流做高下游产品。
在演讲末了，赵九州表示，“AI 不是要替代人类的完全事情，而是在事情流程中和人形成协作。”同时，他还提出了一个倡议：“我们须要更多AI运用主义者。发布会上，Demo 越来越多，但 Demo 并不算产品，用户真正可用的才叫产品。”
贾安亚：心流与创新——Al Native 生产力工具的发展、代价与商业落地
在当今快速变革的科技时期，生产力工具正从传统的线性流程逐步向智能化、自动化的方向转型，个中 AI Native 生产力工具正在成为创新和效率提升的关键驱动力。环绕这个话题，商汤科技 Copilot 产品卖力人贾安亚带来了深刻且富有洞见的演讲。
整体而言，生产力工具紧张涵盖两大种别：一是面向开拓者的软件研发工具，一是面向产品经理和数据剖析师的办公类助手。从个人用户视角来看，环球超过 60% 的开拓者正在利用 AI 驱动的编程类工具，独立任务比拟实验中总体事情韶光减少了 55%，带来了生产力的提升。
当从企业的角度来磋商 AI 运用时，情形则变得更加繁芜。贾安亚指出，面向企业的 AI 办理方案不仅仅是一个面向开拓者的代码类工具，而会逐步发展成为覆盖全体软件研发全生命周期的办理方案。详细来说，企业的真正需求是在开拓者提效的根本上，进一步将其现有的 IT 资产与 AI 结合，以实现三个层面的提升：
● 个人效率
以个人开拓者为例，很多代码补全、代码对话、Commit Message 撰写等重复性任务，AI 生产力工具都能高效完成，帮助其提升编码效率、缩短走查时长、减少测试本钱等。
● 团队协作
在团队协作中，AI 赋能的重点在于与企业现有的协同工具进行深度集成。通过这种集成，AI 可以帮助团队优化协作流程，减少沟通本钱，并在很大程度上办理资产沉淀难、规范落地难、技能债务积累多等问题。
● 企业管理
在企业的全流程管理中，AI 更是须要在全体研发生命周期中发挥浸染。大模型的核心能力在于对各种任务的理解，而企业需求每每涉及特定的行业知识和内部知识，将这些内容与模型打通至关主要，并将其有效通报到研发过程中的每个环节，进行全流程优化。
只管如此，昔时夜模型实际投入企业的业务环境时，常常会与预期有一定差距。缘故原由在于用户的输入每每更加随意，难以直接与模型的演习数据对齐。对此，贾安亚认为可通过工程化方法来优化模型的运用体验：
（1）Prompt 优化（外化 COT）+ Constrained Decoding + 内化 COT，即：在 AI 模型前面接入一个较小的模型或者利用工程化办法，将用户的输入变得更加构造化，帮助模型更好地理解用户意图；不但依赖于用户输入，还需参考其代码仓库、文档库等历史数据，帮助模型更好地理解用户背景；参考 OpenAI O1 等前沿模型，将提示链的过程内化到模型内部，通过仿照人类的思考链来提高模型输出的准确度。
（2）选择 All-in-One、以 GUI 交互为主的运用形态：“All-in-One” 这种设计理念尤实在用于生产工具领域，即用户能在一个集成环境中完成多个任务，无需在不同工具间切换，以此保持用户的心流状态；在创造性事情和生产力工具中，以 GUI（图形用户界面）为主，辅以 LUI（措辞用户界面）的灵巧性，可以为用户供应更顺畅的操作体验，避免过多的认知包袱。
知行合一，商汤针对这两个方向分别推出了「小浣熊·智能软件研发助手」和「小浣熊·智能办公助手」，通过大量落地实践持续迭代。个中，「小浣熊·智能软件研发助手」可覆盖软件需求剖析、架构设计、代码编写、软件测试等环节，支持 90+主流编程措辞，供应网页版、IDE 插件版以及私有化支配、软硬一体机等利用场景做事；「小浣熊·智能办公助手」作为基于大模型的数据剖析、文件处理工具，可帮忙用户完成数据文件优化及数据洞察、数据剖析等事情，支持繁芜表格、多表格、多文件的理解，广泛运用于市场调研、财务剖析、发卖预测、宏不雅观剖析、产品设计等场景。
展望未来的产品设计，贾安亚强调不仅要考虑 AI 带来的提效，还要思考 AI 如何在更繁芜的环境中与用户协作。在她看来，LUI 和 GUI 结合、All-in-One 的设计理念以及慢思考的引入，都是当前 AI 产品设计中非常值得深入磋商的方向。
李宏宇：旅行产品在 AI 生态下的发展秘籍近年来随着旅游热度的逐年攀升和国民新旅游时期的构造性变革，AI 运用在旅游业也爆发出了新机遇与新需求。然而，旅行场景如何在 AI 生态中建立上风？旅行产品又如何与 AI 能力做全方位结合以增强企业自身竞争力？为理解答这些问题，同程旅行 APP 奇迹部 CEO 李宏宇分享了旅行产品在 AI 生态下的发展秘籍。
根据公开数据显示，2023 年我国大模型市场规模已初步估算达到了 147 亿元，近三年复合增速高达 114%。与以往传统算法比较，大模型的能力在多个方面表现出了革命性提升：强大的措辞能力、对话影象、泛化能力和智能本钱低落。
然而李宏宇指出，虽然通用大模型在措辞理解和推理能力方面具有显著上风，但它面临着业务鸿沟的问题，即无法完备知足各个行业的特定需求——于是，垂类大模型应运而生。
作为旅游行业的领先者，同程旅行结合自身的行业履历，推出了旅游垂类的程心大模型，专注于知足旅游行业的特定需求。凭借多年沉淀的用户资产、完全的旅游供应链和高质量文旅数据，程心大模型致力于打造一个更智能、高效的旅游做事体系：
● 更强的学习推理能力，更丰富的文旅数据，更契合丰富多样的文旅业务场景。
● GB 级演习语料，文旅数据准备到知识检索，终极为用户供应更智能、准确的结果。
● 历经数月材料准备，完成天生式算法备案、大模型备案，双备案使其更可靠安心。
那么 AI 大模型在旅游过程中详细能实现哪些功能呢？李宏宇表示，AI 的运用可贯穿用户旅行的各个阶段：行前、行中和行后。
（1）行前阶段：可通过其措辞能力和对话能力，为用户供应灵感和建议，例如智能天生旅行方案，供应完全的产品查询和预定做事等。
（2）行中阶段：可化身为用户的“旅行助理”，帮助用户实时办理旅行中的问题，供应智能导游做事和目的地嬉戏推举。
（3）行后阶段：帮助用户整理旅行照片、撰写嬉戏攻略等，帮忙用户进行内容沉淀。此外，大模型还可以供应客服支持，帮忙办理售后做事问题。
不仅如此，李宏宇透露，除了在旅游场景中的运用，程心大模型还在办公、运营、市场营销和研发等多个场景中发挥了浸染，帮助提升效率。其余在数据预测剖析、市场舆情剖析以及翻译等方面，程心大模型也已逐步参与。
在创新生态互助方面，李宏宇也分享了程心大模型及其 Agent 在文旅行业中的多种运用及潜在代价，包括：与手机厂商互助，通过做事卡片的功能向用户直接推送符合需求的资源，供应更直不雅观的体验；借助对话机器人，量身定做知足不同用户的个性化需求；行程中干系航班酒店火车和景点，用户只需通过语音确认，由 AI 卖力快速查询，反复筛选并快速订票，实现最闭环的做事。
末了聚焦未来，李宏宇认为 AI + 旅行行业代价巨大：“干亿行业规模，万亿可创造代价。”她补充道，关于 AI 大模型在旅游行业中的下一步探索，应着重升级多模态能力，环绕用户需求、市场需求、打造行业高代价生态链。
刘慧：医疗康健场景的大模型产品探索技能演进，“普惠”愈发主要。AI 大模型的发展实现了人机协同的事情模式，很多人因此也寄希望于 AI 技能可以供应始终在线的高质量医疗做事。然而，现实并没有那么随意马虎。
京东康健医疗 AI 产品副总监刘慧在《医疗康健场景的大模型产品探索》主题演讲中指出，大模型虽然能力强，但其各项能力水平不一、表现不稳定且更新迭代快，因此在大模型上落地医疗产品犹如在沼泽上落地。
那如何在不稳定的地基上培植产品，刘慧结合京东在康健场景的探索实践分享了六个步骤：首先根据场景需求用户痛点定义任务；其次按业务流程及 LLM 技能特点拆分任务，然后测评模型能力明确是否知足需求，确定利用的模型并利用 RAG 和 Agent 等技能加强模型效果，进而根据任务完成可靠性等设计产品技能方案，末了持续监测模型能力探求更优解。
刘慧表示，医疗领域的任务具有繁芜性，涉及专业知识、推理决策、沟通共情、医疗安全等多个方面。然而，大模型在专业知识的节制上存在局限，随意马虎产生幻觉。在知识迭代方面，更新速率较慢。在推理和角色扮演方面，须要处理多模态数据和繁芜的推理任务，大措辞模型在这方面具有一定能力，但与实际临床需求比较仍有差距。
这对产品的培植者产品经理也提出了巨大的寻衅。刘慧认为，传统产品经理在向 AI 产品经理升级的过程中，至少须要节制三种技能：
● 理解提示词工程（Prompt Engineering）。如果将大模型视为操作系统，那么写提示词（Prompts）就犹如与操作系统交互。写提示词哀求高度的定义能力和沟通能力，须要清晰地见告模型所需完成的任务及其完成办法。
● 理解 RAG 技能。如今 RAG 在单模型系统中变得越来越主要，它从纯挚检索增强降落模型实行缺点发展为大模型产品的技能基石，使模型更像中心处理器，逐渐向事情流方向发展，与 AI 智能体更有机结合。
● AI 智能体，它在信息空间中拥有感知、决策和行动能力，犹如智能身体。Agent 包括影象、工具调用实行等功能，能够更好地理解用户意图，调用不同工具完成任务。
刘慧对身处于大模型时期的产品经理建议道：
一、 一定要充分理解技能，否则产品地基将不稳固。
二、 大模型能力参差不齐，需明确定义任务并详细划分，结合大模型根本特点进行任务划分，并对大模型能力进行充分测试。
三、 在浩瀚落地场景中，需选择得当的产品形态。
华剑侃：AI 原生研发之路，Kwaipilot 在快手的落地实践“AI 原生”这一观点，强调从产品设计之初就深度领悟 AI 技能，让 AI 成为产品的基因，而非后期的大略集成。在本次演讲中，Kwaipilot 产品卖力人华剑侃分享了在快手内部，Kwaipilot 是如何从观点构想到实践落地，再到全面赋能，走出了一条独具特色的 AI 原生研发之路。
在全体 SDLC（软件开拓生命周期）中，涵盖了从产品需求剖析、产品设计到架构设计，再到编码开拓以及后续支配和掩护等阶段。而在大模型重新定义研发范式的影响下，目前 AI 的赋能办法紧张有两种：一是由 AI 升级研发工具，优化研发流程；二是从产品需求剖析到软件交付的每一个环节都引入 AI，使全体软件开拓流程更加高效和自动化。
在此背景下，快手自去年上线了一系列 AI 研发工具：智能编码助手、智能问答引擎和智能体运用开拓平台。华剑侃透露，目前其全库代码 AI 天生率已达 18%。
那么在 AI 与开拓流程相结合的情形下，如何合理地构建并交付 AI 原生研发工具体系呢？针对这个问题，华剑侃结合快手内部履历，总结出了以下四大关键要素：
（1）无感化自然交互
类比过去在 Web 时期的超链接和 App 时期的手势刷新操作，AI 产品也要追求这样高度自然、无感的交互办法。对付开拓者来说，AI 工具应无声顺应他们的编码行为，而不是强行插入不准确的推举，避免打断用户的思路。例如在代码续写过程中，供应不滋扰用户行为的“ghost”模式，让推举的代码如幽灵般涌现，用户可以自由选择采纳或忽略。
华剑侃强调，“生产力场景下须要尽可能担保用户心流的完全性，再眇小的打断叠加上频次成分，都会产生极大的心流和效率影响。”
（2）局部迭代式探索
考虑到目前 AI 仍可能涌现幻觉、输出不准确的回答，华剑侃认为通过局部迭代式探索，能让用户更好地理解输出结果，建立其对产品的信赖。例如，在代码天生的场景中，用户可以拆解任务，指定 AI 天生不同部分的代码以提高准确性，同时智能助手也能供应代码层面的建议，帮助用户理解或二次优化代码。
（3）深度领悟事情流
通过将 AI 集成到开拓环境，开拓者可以自然措辞提问，迅速得到代码干系的知识。这不仅加快了新员工的适应过程，也能帮助资深开拓者在繁芜代码中快速找到所需的信息。华剑侃指出，要实现仓库级代码知识问答的水平，大模型须要定位并理解代码仓库内详细方法实现，以及快速学习代码仓库。此外，通过在开拓者的日常编码过程中嵌入大略单纯的标注工具，这些注释也会被集成到代码库中，成为演习 AI 模型的宝贵数据来源。
（4）模型即产品
在华剑侃看来，近两年来 AI 编程助手的爆火，不仅仅是因其背后模型的创新，更是模型的产品化升级带来了真正的打破。他指出，以前产品经理可能更专注于 AI 模型的创新，但如今产品化的过程也同样主要：“实际上，产品经理的事情便是在一个有限的条件下探求最优解。”
对付下一步操持，华剑侃透露其将进一步优化代码仓库的索引功能，帮助开拓者在日常事情中更高效地利用代码天生工具：“希望通过 AI 赋能，让每个程序员都能像超级个体一样发光发热，实现效率的极大提升。”
梁公军：场景打穿，海纳 AI 口试官实战履历分享AI 的下半场，是从技能打破进入运用落地阶段。哪些运用处景会率先利用 AI 技能？海纳 AI 口试官创始人梁公军以海纳 AI 口试官平台为根本，分享了如何将前辈的 AI 技能运用于实际招聘场景中，实现口试流程的智能化升级。
梁公军认为，AI 运用最先会在大略、重复且可量化的任务场景中爆发，由于这类任务易于被构造化和量化处理。同时，当前AI技能在自然措辞理解上的进展显著，部分 GPT 能力乃至超过了某些领域的专家水平，因此与自然措辞强干系的运用也极具潜力。此外，职业培训领域因依赖固定的知识体系和标准流程，非常适宜 AI 技能的大规模运用。另一个值得关注的领域是 AI 咨询做事，只管该领域存在较多变量，但其增长潜力同样不容忽略。
基于上述缘故原由，海纳选择了高度依赖自然措辞处理的口试作为 AI 运用处景，率先研发并推动运用落地。通过对口试测评这一环节进行构造化处理，可以将其转化为一个可规模化的流程。更主要的是，办理了口试、测评等问题意味着节制了人力资源管理中的一个关键信息单元——人才的信息构造化。这为进一步拓展其他干系运用奠定了根本，如 AI 技能培训、员工管理等。
在口试测评平台研发过程中，梁公军分享道，海纳花费了五年韶光致力于这一领域，旨在为各行业供应一个可量化的办理方案。与 ToC 不同，ToB 侧的决策过程更为繁芜且谨严。在 ToC 场景中，用户的决策链条较短，每每受到个人感情的影响，而 ToB 场景则涉及多个决策者，并且须要更为严格的评估标准。为了赢得 ToB 客户的信赖，产品不仅须要有效办理问题，还须要能够展示出明确的成效。
梁公军强调，在家就地景特殊是严明的运用处景中，运用 AI 时必须确保模型的高度准确性。为此，海纳打磨出了一整套标准操作程序（SOP）和方法论，以提高模型的准确性。首先，由人才量化测评专家将岗位的特色模型进行拆解并完备量化，然后再由 AI 专家根据经由海纳口试后的候选人每月绩效数据进行反向校准，来确保准确性。个中准确度有两个要点：一是在上线前，比对专家组来检讨每个岗位的准确度，确保其达到 95% 以上；二是在上线后，通过比对员工每月绩效数据来校准人才模型。
末了，梁公军总结打穿 AI 运用处景中海纳所采纳的策略，第一步是“搞定灯塔客户”，即首先争取到行业内最具影响力的客户，譬如列出中国用量最大的前 100 家企业，逐一攻破；其次，通过与行业专家、AI 专家的互助，将行业的专业知识与 AI 技能相结合，发挥 AI 的代价；末了，通过将行业最佳实践转化为可操作的标准操作程序（SOP），确保了 AI 办理方案的有效性和实用性。
李婷婷：AI 智能陪练：大模型赋能发卖发展身处于一个日益繁芜的商业环境中，发卖团队面临着前所未有的寻衅。以 58 同城内部的实际情形为例，李婷婷（58 同城 AI Lab 资深产品经理）指出目前的发卖培训体系存在一些难题：岗位稳定性差、培训效果难以追踪、培训本钱高和更新迭代慢。
为了应对上述寻衅并相应业务需求，58 同城构建了一个“模型领先、敏捷易用”的 AI 智能陪练平台。该平台旨在办理发卖培训中的痛点，通过 AI 技能支持提升培训效率并减少本钱，同时确保发卖职员能够及时节制最新的业务信息，帮助他们更好地做事客户，推动古迹提升。
根据李婷婷先容，该 AI 智能陪练平台具备三大核心能力：
● 对练任务高效配置
（1）大模型文本处理，让文档总结和内容天生更高效：引入大模型能力，极大降落了培训老师对培训课件、产品文档以及行业知识等处理事情的难度和费力度，让培训课程天生更高效。
（2）线上真实录音数据 + 业务先验知识，快速天生对练脚本：基于海量线上数据 + 业务先验知识，利用大模型强大的自然语音处理能力，挖掘实际用户关注话题及金牌应对话术，天生对练话术脚本，做到平台自运营。
（3）全流程线上任务配置，让培训更高效：对练引擎可视化设计，让导师快速搭建对练流程，配置对练任务。
● 对话式练习更智能
（1）实时语音交互，让对练任务更生动：语音实时互动，提升学员对练体验，增强培训意见意义性，让知识节制更稳定。
（2）学-练-考-评，实现培训任务闭环管控：相应业务多元化培训需求，设计各种培训环节，内嵌多个培训类型及培训场景知识库，支持业务全流程的培训任务，知足集团多个业务个性化培训体系的搭建。
● 培训效果易追踪
（1）个人能力剖析，短板快速定位改进：基于 NLP 评估模型、大模型评估模型、业务规范模型等自定义组合的能力评估体系，灵巧度高且评估结果更准确。
（2）团队培训数据监控，确保培训目标顺利达成：支持依据项目、依据团队天生数据看板，从团队角度展示培训数据，便于导师掌控培训进度和效果，随时调度培训策略。
凭借以上核心能力，李婷婷分享道 AI 智能陪练平台已在多个运用处景中发挥了主要浸染，包括培训发卖新人和业务客服。个中，李婷婷表示客服对产品知识的哀求更高，导致培训本钱和压力也更大，但自今年 7 月引入智能陪练以来，已有 400 多名客服学员完成了演习任务，练习任务完成率高达 96%，考试任务通过率也达到了 70%。
关于未来 AI 智能陪练平台的迭代，李婷婷透露了三个方向：一是在对练环节中引入感情数据，以仿照不同感情和性情的客户，让发卖学员能更真实地应对繁芜的沟通场景；而是在特定场景中逐步引入大模型，例如产品答疑、效果质疑等环节；三是在个人培养和团队培训方面两手抓，从而整体优化企业智能化的培训策略。
黄文：从 RPA 到 AI Agent，高代价、可落地的智能助手在大措辞模型的飞速发展下，传统 RPA 正向着更加智能、灵巧的 AI 智能体（AI Agent）转变。在此趋势下，来也科技产品卖力人黄文带来了《从 RPA 到 AI Agent，高代价、可落地的智能助手》的主题演讲。
演讲伊始，黄文首先谈到了来也科技自成立以来不断演进的九年：最初想要打造一款面向 C 真个产品，并设立公司愿景为“让每个员工拥有智能助理，然而这一愿景在当时的技能环境下并未实现；后来公司将重点转向机器人领域，并提出“让机器人助力每个人”；随着大模型技能的兴起，来也的愿景在一步步变成现实，让每个员工拥有智能助理，为企业打造面向未来的劳动力。
回顾至此，黄文感慨道：“虽然中途经历了一些波折，也等待了一些技能浪潮，但好在这始终是来也一贯想做的事情：为每个人供应高效的智能助理。”
在打造一款智能助理的过程中，RPA 与 AI 技能的结合至关主要，这也是 RPA 发展的趋势。所谓 RPA，全称 Robotic Process Automation，即机器人流程自动化，一套低代码的 UI 自动化和系统集成工具，能降落流程管理的本钱，自动化处理重复性任务，从而提升整体运营效率。而随着 RPA 加入 AI 的能力，这种工具的潜力进一步被放大，足以处理更加繁芜的场景，终极发展成 AI Agent，供应更加智能的做事。
基于这种理念，黄文总结出了当前企业在构建 AI Agent 产品的几个关键认知：
● 首先，产品开拓的第一步不是去改变客户的业务，而是要尽可能符合客户的预期和想象。
● 其次，在产品开拓中，尤其是在 RPA 这样的领域，产品须要作为一个通用的框架，而不是仅仅是供应定制化的办理方案，要让企业可以根据自身需求去实现不同的功能。
● 末了，产品终极的目标是帮助客户办理实际问题，实现业务流程的自动化。因此在落地过程中，该当从单一场景出发，把一个详细场景打磨得非常完善，然后逐步扩展到多个场景，终极形成一个整体的办理方案。
AI Agent 作为数字员工的高等形态，可帮助员工更高效的完成事情，实现全场景人机协同。来也科技在今年的 Laiye Lead 年度产品发布会上，推出了基于数字化劳动力平台的三款高代价、可落地的 AI Agent 数字员工产品和解决方案——数字员工开拓助手、知识管理和问答助手、文档审核助手。
（1）数字员工开拓助手
数字员工开拓助手的核心在于其智能化的数据处理能力和自动化的代码天生机制。它能够自动解析和处理繁芜的数据集，扩展命令库能够快速天生与机器人流程自动化（RPA）产品无缝对接的 Python 代码，\公众自愈\"大众功能可以自动适应用户界面（UI）的变革，减少了对人工编程的依赖，缩短了开拓周期。
（2）知识管理和问答助手
知识管理和问答助手，通过自动化手段整合分散的文档资源，经由智能预处理，将文档内容转化为大措辞模型能够高效处理的文本格式。该办理方案的核心上风在于其一站式做事能力，从文档汇聚、更新、预处理到知识天生和问答应用，来也科技均供应了全面的技能支持。
（3）文档审核助手
文档审核助手从根本上改变文档审核的事情办法。基于大措辞模型的能力，文档审核助手能够对条约、订单等繁芜文档的处理产生质的飞跃，致力于帮助企业更好地利用大模型技能，把握市场商机，推动数字化转型的深入发展。
目前，来也科技的三款 AI Agent 数字员工产品和解决方案已运用于多个行业客户，帮助企业实现了各种业务场景的深度打破与打通，构建起了端到真个智能自动化办理方案，正成为企业自动化转型道路上的可靠伙伴。
蒲世林：产品 AI 化重塑的思考与实践近两年天生式 AI 的迅速发展，大家越来越关注 AI 如何实现变现，然而成功案例仍相对较少。对此爱设计 & AiPPT.cn 联合创始人蒲世林指出，AiPPT.cn 这款产品虽然相对较小，但通过一年努力，他估量今年单一产品的收入将打破 1.2 亿元。因此在本次大会中，他将分享如何从最初的产品构思，到品类选择，再到终极迈上商业化路径。
“尤其是在面对微软、金山等行业巨子时，我们是如何在夹缝中找到生存和发展机会的。”
回忆最初选择 PPT 这个品类，蒲世林强调了一个不雅观点：“选对赛道很主要，要快要准要狠。”针对这个方面，他总结出了在广泛的 AI 运用中挑选赛道时，要思考的 6 个问题：
● 客户需求：根据产品付费意愿和客群数量估算市场容量，同时考虑国内外的差异。
● 颠覆程度：新产品从无到有的能力，优化现有流程的力度或者本钱低落的空间。
● 壁垒构建：未来抵御后发者的能力，同时防御大厂产品泛化的能力。
● 技能趋势：大模型的重点发展方向和创业方向的竞合关系，既要借助大模型的效率提升又要避免被大模型的泛化碾压。
● 技能成熟度：目前大模型本身能力和优化技能在产品落地的效果和可行性。
● 衍生产品：主赛道之外的衍生产品是否有延展机会。
蒲世林指出，以上 6 点只要能知足 2 点以上，这个赛道就“可以干”。正是考虑了以上要点，像素绽放决定从 AI PPT 这个角度切入，由此打造出了 AiPPT.cn 这款产品：环球千亿办公市场，新玩家依赖细分赛道的差异化体验，可与巨子共存并实现快速增长。
诚如蒲世林所说，作为一款将 AI 大模型与 PPT 场景深度结合的产品，AiPPT.cn 仅上线 4 个月就成功进入海内 AI 产品榜 Top10，其最大的特点是：一分钟内一键天生 PPT。他表示，传统 PPT 制作办法仅适宜 4A、投行、咨询等专业用户利用，占比仅约 5%；而天生式 PPT 大幅降落了 PPT 制作门槛，足以赋能 环球15 亿普通白领和高档教诲人群，而这类人约占比 95%。
结合 AiPPT.cn 的发展经历，蒲世林还指出了选对赛道后如何取胜的关键要点：“基于 4P 理论（产品、价格、渠道、营销）来思考差异化，我们确定了三个关键驱动力：产品力、内容力和增长力，以此来夯实竞争壁垒。”
（1）产品力
产品力是指自家产品与竞品比较的上风，在定位上要有差异化。以 AiPPT.cn 为例，根据第三方研究显示，其竞品之一 80% 的功能只有 5% 用户利用，因此 AiPPT.cn直接舍弃那些高端特性，专注于日常任务如事情操持、报告总结等。除了定位上的差异化外，还可以构建产品矩阵，以提高用户的事情效率并形成完全的业务闭环。
（2）内容力
内容力方面，由于 PPT 实质上是笔墨与图像的组合，AiPPT.cn 得到了视觉中国的投资，利用其高质量版权图片库来提升内容质量。比较于外洋竞争对手利用 AI 天生图片，AiPPT.cn 选择利用版权图片以担保质量和本钱效益，使其在外洋市场也能供应超高性价比的产品。
（3）增长力
增长力方面，AiPPT.cn的商业模式既面向个人消费者（C 端），也面向企业（B 端）。供应更多的内容模板、更好的搜索优化，实现用户快速增长；同时也供应更多的产品运用、更好的内容、更精准的 AI 算法，提升用户留存。
在演讲末了，蒲世林表示如今有 90% 的人空谈 AI、10% 的人利用 AI，而我们要做那 10% 的行动派，实现 20%-30% 局部效率提升。同时他也强调，在这个过程中要放平心态：不用高估 AI 的现在，也不要低估 AI 的未来——“凡是跟效率干系的，一定是符合人类发展趋势的”。
圆桌论坛：生产式 AI 产品探索与实践
“生产式 AI”，一个蕴含无限可能与寻衅的观点，它不仅仅代表着技能改造，更是对传统生产模式、业务流程乃至商业模式的一次全面重塑。然而，探索之路从非坦途：如何将前沿 AI 技能有效转化为可落地、可复制的生产力？如何在快速迭代的技能环境中，保持企业的持续创新力与竞争力？
为了找到这些问题的答案，本次论坛的末了，在前海豚浏览器 CTO 刘铁锋的主持下，句子互动创始人 & CEO 李佳芮，OPPO AI 技能计策方案总监陈晓春，以及云九成本合资人、前京东 O2O 副总裁任鑫齐聚一堂，环绕“生产式 AI 产品探索与实践”这个主题，展开了一场更为深度的技能磋商和履历分享，希望能以此引发更多关于利用生产式 AI 推动创新和增长的新思考。
间隔 ChatGPT 打响 AI 浪潮第一枪，已经由去近两年了。回忆初闻 ChatGPT 时的心情，任鑫坦白表示：非常震荡。他阐明道，他曾在 2015 年考试测验做过一个类似的 AI 互动助理，但当时其团队利用的所有技能都碰着了瓶颈，险些所有运用处景都没有探索出来，导致终极失落败：“那个时候，我们认为这种事情在 20 年内都无法实现，因此当 GPT 涌现时，我们感到十分震荡。”
震荡之余，对付如何利用 GPT 这个问题，任鑫表示：“如果大家对某个事情还不知道如何参与时，可以先从吆喝做起。”例如，当时他与一位熟习大模型的同学一起开播客，让别人以为他们很懂这个领域，而为了能够吆喝，他们必须将学到的知识体系化，每周都要去学习新的模型和技能——这样，就形成了一个正向循环。
当 GPT 在环球爆火之后，行业内公司都在关注这个风口。OPPO作为一家以手机作为紧张产品的公司，陈晓春却表示：OPPO并未单单考虑天生式AI技能能带来什么卖点，而是从用户的需求和痛点出发，天生式AI不仅仅是“写诗作画”，更该当为知识通报、任务处理以及做事分发。基于此，他们重新核阅了手机上供应互联网做事代价的运用（比如通话择要天生等功能），还磋商了端侧打算的问题，即是否该当在手机本地实行打算任务，以提高实时性和保护隐私。
陈晓春透露，OPPO一贯在 AI 领域投入，比如影像的拍、看、编、管全链路都有 AI 支撑；手机硬件研发到上市周期较互联网要长的特点，OPPO 在 2023 年就发布了 AndesGPT，此外今年 1 月份发布的 OPPO AI 手机 Find X7，搭载的天生式 AI 功能也收到了用户的积极反馈：“通过这些努力，我们不仅提升了用户体验，也为探索 AI 技能在未来智好手机上的潜力打下了根本。”
将目光聚焦至当下，我们会创造 AI 早已在悄无声息中深刻改变着人们的事情办法、生活办法乃至思维办法——关于这一点，李佳芮深有感触。她透露，在日常事情中常常用 ChatGPT，碰着任何问题都会问一问它：“在这个过程中，我创造不断与 ChatGPT 互换确实能带来很多新的思路。只管有时候它的回答并不完备有用，但这个过程帮助我重新梳理了自己的想法，并给了我新启示。因此，我认为这种办法正在改变我的事情办法——不仅提高了事情效率，还增强了我的决策能力。”
全新的 AI 时期已然来临，展望未来，刘铁锋提出了一个许多创业者关心的问题：“如果现在还想掺和进这场 AI 变革中，有哪些比较好的创业角度可以切入？”
针对这个问题，陈晓春首先提出了一个不雅观点：从智能终端过去从功能机到智能机的发展历史角度看，天生式 AI 加持下的 AI 手机的发展才刚刚开始，很多机会都在后面。他指出，智好手机形态已经存在了十多年，创新空间越来越小，单单形态的变革、系统功能的升级并不敷以带来根本性的变革。然而随着 AI 技能的发展和算力的提升，智能终端和环绕它周边的智能设备将会迎来更多的创新机会。因此陈晓春表示，未来的机会不仅在于运用和做事本身的创新，也在于智能终端本身的创新：“随着技能的进步，未来的智能终端及其生态系统将会有更多令人期待的创新和发展。”
而在李佳芮看来，她认为这个问题可以分为两种情形：
● 对付普通人来说，不须要去搞前沿算法。不雅观察身边有哪些提升效率的产品机会，先启动一个本钱极低的小项目，无需高等设计师或程序员，只须要大略的原型即可，纵然输出不足完美，但在原型阶段足够了。初步阶段成功之后，再考虑逐渐壮大规模。
● 对付有一定根本的公司来说，最好还是与自身业务结合。AI 重塑事情流绝不是浮于表面的，真正用起来会创造每个环节都可以被重塑。例如，你可以通过 AI 自动化某些重复性任务，提高事情效率，或者通过智能剖析来优化决策过程。这些详细改进都将帮助你在业务中找到真正的代价，并逐步实现持续的增长。
紧接着，任鑫也分享了自己对付这个问题的“独到见地”：“紧张看你所处的位置，是进攻方还是防守方。”他阐明道，所谓防守方，即在市场中具备一定竞争力并霸占稳固地位的大厂；而进攻方，则是指当前处于弱势并期望出奇制胜、成功挤入市场的企业。
根据攻防角色不同，任鑫强调：要根据自己的位置来看待自己做的产品：
● 如果你是防守方，应坚持公正竞争，做好用户体验和用户效用，包括用好 AI 来提高用户体验。
● 如果你是进攻方，可能就须要“花里胡哨”。在市场策略上，不要企图去冲击传统市场，而要用新要素去开拓新市场；只管即便摆脱传统的思维框架，不要去做有用的东西，而要做那些看起来很诡异、很新颖的东西，比如多模态技能；为了改变格局，要尽可能将最新的科技硬塞进产品中，纵然成功率只有 5%，也要考试测验新的技能路线和新涌现的论文成果，以此探求弯道超车的机会。
末了，关于一位精良 AI 产品经理该当具备的特点，三位高朋的意见也不尽相同。李佳芮指出，由于 AI 是一个新技能领域，AI 产品经理必须具备好奇心和实行力：好奇心可以跳出思维定式，实行力则可以更快地完成任务；任鑫认为，AI 产品经理既要有高度的激情亲切和自我驱动力，又能在市场和技能两个关键领域具备强大的能力和洞察力；陈晓春则哀求其具备深厚的跨领域专业知识，还要有系统思考的能力，能够在繁芜的环境中系统性地思考并作出前瞻性的判断。
