本文是基于过去对AI整个行业的观察得出的猜想，等到年末，可以验证一下这些里面有多少是符合的。

　　本质原因，是2年前我们就介绍过的，“（AI）只模拟感知能力，对劳动力的释放是极其有限的”，经济效益价值也就极其有限。

　　而今年我突然感到，RPA，其实也是直接的释放劳动力的载体。（一个实，一个虚）

　　1）社群X里，是怎样的用户画像？愿意花2000多元/年、盯着“搞钱”的老板/个体，他们是商业嗅觉最敏感、离钱最近的人。

　　2）而且当时那期航海里面，有24个活动选题（也包含AI绘画等其他AI相关内容），据说其中“RPA提效”是人次最多的！

　　3）而且，从实际效用来看，我们有很多重复性的工作，确实是应该、且可以被RPA辅助完成的。

　　因为只有这样，AI才能摆脱“（降本增效的）工具”属性，才能在商业化的时候，算得过账来——让客户看清楚，因为AI，带来了多少增量价值，然后才愿意分成多少比例。

　　hanniman评注：要能“分润”，那就真的要是雇佣一个人（实习生/兼职）的感觉……那就真的要能端到端的产生价值。那就真的要把机器人或RPA视为“必须拼图”之一，因为要有实际的生产力效用。

　　5、现在的RPA工具（及教学方法），还不是特别好用，也正好说明，其中还有空间和机会。

　　从用户预期来说，我只是希望能自动完成整个交互操作过程而已——如果能根据我的“录屏”就搞定，那才是amazing！

　　某开源项目，根据截图，可自动生成交互图和代码，使用GPT-4V的API来完成任务。

　　一款由GPT4驱动的截图管理工具，可将截图转化为视觉备忘录，并基于内容和GPT问答。

　　1、我在「深度 关于AIGC商业化的13个非共识认知（8000字长文）」中提到过

　　未来线/元宇宙社交产品形态，核心差异化的点，不仅是人和AI社交，更在于“AI和AI交互、人去看（消费）这些AI产生的内容”——那不是“游戏”，而是“生活”。

　　b）如果是财经新闻，会报道你持有的股票或你感兴趣的领域；如果是体育新闻，会是你最喜欢的球队。

　　我当时也评注说：24小时的AI频道，这是未来一定会成为现实的产品形态机会，里面有很多机会的。

　　4、但是，这个机会，可能还是会被OpenAI首先抓住，因为Sora已经出来了。

　　而且Sora刚出来，整体的“完成度”就比较高，其他公司要想整体追上OpenAI，短期太难。

　　1、所谓“爆发”，不是说数量上会有很多例，而是说，有“严重”的安全事故，会引起巨大影响和全社会广泛关注的那种。

　　类似汽车、火车、飞机、自动驾驶早期的事故会死人，LLM虽然还不一定是这种类型的事故，但也可能造成严重的犯罪、经济、政治安全事故。

　　1）随着AI调用量不断增加，看似小概率的黑天鹅事件，慢慢就变成“必然”一定会发生的事情了。

　　2）之前AI 1.0 时代（NLP/规则），其实就已经发生过了，只不过很多人并不知道而已。

　　当年，有两家AI公司的聊天机器人同时接入QQ群聊，因为涉zz的黑天鹅内容，而一起下线了。（事后听说，当年是有境wai势力故意搞鬼，截图传播的……）

　　3）现在AI 2.0（大模型/AIGC）本来就要更加不可控、有更多未知的风险，而且还有更多主观恶意、非故意性质的安全问题。

　　对于大厂（或从大厂演化出来的创业公司），会有“一个部门”去支撑这种安全问题。

　　但全新的AI创业公司，短期可能会“难以达到及格线”，一旦出事，可能第二天就被封；

　　1）大概率的，会有一波AI应用层的产品发布（因为去年年中，很多团队才run起来，6~18个月，总该发布了），有更大概率出现“调用量短期快速增长”的情况，那么出问题概率就更大。

　　（注：这里只是说用户量或使用量，并不一定就是真正成功的产品出现，类似过去十年的智能音箱。）

　　「大模型隐蔽的后门漏洞风险：提到关键词，模型瞬间“黑化”」，这可能是比提示词注入攻击还要严峻的安全问题，现有安全机制无法防御。

　　「Nightshade：数据投毒的最新案例！」，模型中毒后，AI模型开发者想清理有毒的数据样本也很难。

　　4）更隐蔽的原因在于，虽然揭露这些安全隐患的初衷，是为了防范，以及最近有不少LLM安全相关的解决方案公司和平台。但是，但是，所有这些，其实同样的升级了作恶者的认知和技能点。。。

　　1）对于我们自身的AI产品，需要提前考虑、设计一些体验流程环节，尽量减小事故发生后，对用户和公司的影响。

　　2）对于我们个人职场发展来说，如果能提前关注、储备一些相关的认知和产品设计思路，有可能反而是个冒头的机会。

　　比如提前对内布道这个风险，并发邮件出来（当下别人不会真正重视的，以后要能找得到证据）。

　　比如将（LLM/AIGC）“安全”作为自己的差异化职业规划tag，一点点的深挖和积累——这相关的人才，是非常非常稀缺的。如果你能有自己的认知和建树，今后在大厂里面，会非常容易拿高薪。

　　1）最近某家AI公司提到，他们的解决方案里，不仅包括技术方案，还包括“咨询服务”。

　　2）我在文章「关于AIGC商业化的13个非共识认知」里提到的第12个点，“现阶段做AI，要对标的不是互联网，而是通信/IT”，底层是相通的。

　　该创始人的几个产品和服务网站，其实都是通过 ChatGPT 辅助、一个人完成的。

　　更特别的在于，不仅是咨询，最好还有方案设计、技术开发，即整套“交钥匙”方案。

　　4）私下了解到，“从四大和埃森哲来说，AI落地的咨询项目比较少，很多团队都没活下去”；而小的创业公司，公开信息也不多。

　　i，“给企业做AI落地咨询”这个方向，肯定有很多人会去做的，当然，现在还算早期。

　　iii，核心团队里，如果有产品基因的负责人主导，或者通信行业背景的人，会比较好；而不是技术负责人主导。

　　之前提到过，在AI-native产品设计中，对“数据”的认知和实操，会被拉得非常高。

　　“产品经理越来越多需要想的事情是，怎么通过两个数据集去开发一款产品，定义好了数据集，其实产品就定义完成了。一个是训练数据，一个是测试数据。训练数据决定了模型能提供什么能力，测试数据决定了模型的实际可用程度。

　　2，这里，我再延展说一点（是行业还没有清晰共识的）：AI native产品需要积累新的数据，这让竞争可能站到同一起跑线，为什么呢？

　　4，举个例子，比如我的文章看起来，最原子的input是文章链接url、output是我的提炼内容

　　ii，对摘录出来的内容，做精炼。比如原文10个干货点、300个字，我精炼成10个点、150个字；

　　也就是说，如果我要训练这样的Agent，我是会需要从零开始积累这些过程数据。

　　5，这个本质变化导致了，即使其他人想copy我的这个Agent，不仅不可能有我自己的效果好，而且我如果愿意，是可以每天进化的，因为我每天的AI日报，都可以贡献新的数据。（即使他窃取到了我之前的过程数据，但第二天开始，他又会比我的Agent差一点点。）

　　。6、如果以上逻辑成立，那么，大家可能都站在了同一个起跑线、如果你是现在的巨头，其实是危机很大的；如果你是个体，是有机会搞点事情的。

　　应用角度起势的AI小风口，最早可能不是某个具体的应用或方向，而是微信这个“场景/场域”。

　　1，从AI作为Agent/助理的角度，其实是容易想到，把AI作为聊天软件的一个“联系人”去对待的。

　　而且这种国民性的IM，本身就有海量的、用户和“长尾”场景！是创新价值涌现的温床。

　　“有一家 SaaS 公司，客户和使用群体文化水平不高，他们还做了一个企业微信，用户平时其实很少需要打开 SaaS 去复杂操作，只需在微信里说一句话，后台就会自动完成操作。”

　　，主要通过 WhatsApp 等平台信息形式，帮助用户建立习惯并处理/提醒日常工作。

　　4）之前的文章里提到的哄哄模拟器，其实也有参考价值。3、一方面，对于用户群的预期，

　　。anyway，这个点，一般业内说的比较少，大家可以结合自身业务和熟悉的领域，琢磨下~八、“AI+HI”可能迎来第二春

　　，简单说就是为了提供生活助手服务，采取了三种产品形态：AI ，AI + 真人辅助，真人 + AI 辅助。典型目标用户是，需要外部激励和组织帮助的个人、面临时间管理挑战的职场人士和家长。

　　2、其实8~10年前的AI 1.0时代，就已经有公司做“AI+HI（人工）”来提供个性化服务的产品了

　　最初是美国一家公司火了，名叫Magic，然后国内一批抄袭者，但后面都没做起来。

　　（有点惊讶的是，我现在去搜Magic，微信公众号文章里，竟然都搜不到当年的报道了。。。然后换36氪，才搜到2015年的这篇报道：）3、当年为什么做不起来？

　　因为传统NLP能力提供不了充分价值（不论理性还是感性），虽然各家公司鼓吹AI，但本质（大部分比例）就是在用人工提供1对1的服务，这样当然收入覆盖不了成本。

　　因为LLM/ChatGPT首次突破了价值瓶颈（不仅带来理性价值，还有感性价值、可极大增强用户心理粘性），使得“AI+人工”的模式有机会ROI跑正。

　　我初步命名为“AI协作咨询师”，不仅可以给高客单价的、原本就有90分位能力的咨询“专家”引流，还可能让本来不具备咨询能力的、原本只有70分位的普通人赋能，使其也能给用户提供80分的咨询服务。本质上，这也是一种信息差。即，如果用户自己学会了如何使用AI（GPT-4），那就不需要这种服务了。当然，这也跟他的教育程度相关——有的人不能真正学会用AI，那就购买这种服务，也行。

　　6、大模型毕竟是技术维度的东西，现阶段直九游 - 9游 体育官网接拿来用的产品维度效果，总还差口气，如果通过这种模式“补齐”gap，不说定真能有机会出来。

　　另外，在使用RPA的时候，其实也有一样的需求——我只是希望完成目标效果（某些自动化操作），为什么非得让我学一点点的操作那个界面？其实本质和coding是类似的。3、

　　4、生成式AI的最简明的落地价值，不是生成，反而是提炼总结。可参考「我看到的AIGC落地机会1）Summary AI Service 」

　　6、借力AI，会有更多新的个体崛起机会（副业），甚至会导向团队先进性的竞争（基于AI-native的组织架构）

　　专栏作家hanniman，微信公众号：hanniman，人人都是产品经理专栏作家，前图灵机器人-人才战略官/AI产品经理，前腾讯产品经理，10年AI经验，13年互联网背景；作品有《AI产品经理的实操手册》（AI产品经理大本营的4年1000篇干货合辑）、200页PPT《人工智能产品经理的新起点》。

　　平台声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。