logo icon

谈谈最近玩 AI 的体悟

最近用AI得出的一个暴论: AI 时代会越来越放大个人的软性技能,尤其是定义和描述问题的能力。那种老黄牛式的勤奋会越来越容易被淘汰。

谈谈最近玩 AI 的体悟
谈谈最近玩 AI 的体悟

之所以这么觉得,是感觉最近发展的一些 AI 应用,大有要干掉初级技术工种的势头,比如时下最流行的 cursor 编辑器,这个小小的 tab 键,会让你不好意思在评估工作量的时候,多写一个 0 了。并且这还只是这波 AI 发展的早期阶段,再过几年你看看,绝大部分基础的脑力工种都是要让 AI 淘汰的,LLM 本质上就非常理解和擅长人,又能够将人的语言翻译成机器理解的指令,干嘛招那么多基础工种?当然为了过渡,肯定还是有一定的需求,但宏观上看,一定会萎缩。

cursor 将 LLM 技术应用在编辑中帮助提效
cursor 将 LLM 技术应用在编辑中帮助提效

cursor 将 LLM 技术应用在编辑中帮助提效

除此之外,我还通过最近一次拿 AI 提效,实际计算投入时长,更具体的了解到 AI 对工作流的提升,有多么明显。之前近 1 小时的工作量,被几个工作流串起来之后,可以在 5 分钟之内完成 (包括一些没有完全自动化的部分,其实还可以再优化),核算下来,发现未来 90 天的宣发材料,能够在 1 个工作日内完成。

通过 AI 和 Table To Figma 等工具快速制作小红书图集
通过 AI 和 Table To Figma 等工具快速制作小红书图集

通过 AI 和 Table To Figma 等工具快速制作小红书图集

剩下时间干嘛?出去🌊啊(bushi,当然是拿来继续提升出品的品质,亦或者增加其他平台的运营。并且我发现工作流一旦搭建起来,把这个流程从 A 拓展到 B 的边际成本非常低。

当然有一些小伙伴,可能会质疑我说批量化产生的内容是🌶︎🐔,没有一点价值,我觉得这就太偏颇了。事实上该质疑的不是拿 AI 或者什么其他工具制作内容,而是要注意在这些内容的背后,有人想利用技术操作现在的推荐算法或系统。这在哪个时代都可能存在,并不因为新技术的出现,而变得更加糟糕。

作为一个比较晚接触 AI 的人,我在尝试将 AI 纳入工作流的时候犹豫过,一方面当然是我对新技术的尝鲜热情并没有那么高。另一方面也有现实一面的考虑。AI 发展速度太快了,几乎每天都有新的带有“震惊体标题” 的新闻暴露在我的视野里,刚开始还会有一段 “FOMO” 的心理在,到后来干脆摆烂了,你快任你快,我种我蔬菜(强行押韵一波,以证明这篇文章纯人工码字🤣)

其实更主要的原因我的产品在早期阶段,内部的业务逻辑都没有梳理清楚,急着套 AI 工作流也是瞎折腾,遂把重心放在自己产品工具的打磨上。但现阶段几款产品,以及在孵化中的产品形态基本上都确定了,因此决定尝试来用 AI 提效了。

才体验了个三五天,我就已经从少数几个的工作流中,体会到它的强大了,随随便便弄几个 prompt 就能搭建一个 60 分以上的文案。

通过 n8n 快速搭建小红书图集内容的工作流
通过 n8n 快速搭建小红书图集内容的工作流

通过 n8n 快速搭建小红书图集内容的工作流

当然了,也发现它明显的短板所在,即基本上不提供什么增量的信息。绝大部分时候都是在说片汤话儿,后来研读了吴军讲的ChatGPT前沿课,才知道原来为了让语言模型型产生的段落不太发散,通常会在生成的阶段,引入一些模版对生成的文字进行限制。这在实际使用过程中,我们就会发现用 LLM 来生成有套路,有模板可遵循的文章内容时,它表现非常良好,比如让它写汇报,让它写简历,但是如果让它自由发挥写不受限制的文章,通常就异常乏味和枯燥。

了解 AI 的边界是好事,因为这样可以极大可能避免,用完一个场景后就得出:“那玩意可笨了,没啥用”这样的结论,然后拂袖而去。我隐隐约约感觉到 AI 技术的进步,会越来越利好普通人,尤其非技术背景的童鞋,应该尽早拥抱这次的 AI 技术浪潮,把 AI 铺到自己的实际业务中去。

真感觉有那个趋势,未来的组织会越来越小,而个体会越来越强大。想象中,应该是 3-5 个人的小团体通过一批 AI Agents 来服务更多小众精细化的场景。

发展得再快点吧!让 AI 多去跟机器打交道,而人,去做更有灵性的事吧。

© 2023

Build my mindset system