这是课程的第十三篇笔记,也是关于生成式AI如何真正落地干活的。
前面学完了AI能做什么、不能做什么、怎么搭应用、模型怎么选。这周的内容往前走了一步:AI在使用工具了。
以前用AI,你问它答,仅此而已。
但这周看到一个例子:你让订餐机器人送个汉堡,它不只是说“好的,在路上了”,而是真的能触发后台系统去下单。
怎么做到的?
原理其实不复杂:AI在输出回复的时候,会同时输出一段“隐藏指令”。比如它写了四行文本,最后一行是“好的,在路上了”显示给用户看,但前面几行可能是“订购汉堡,用户9876,地址xxx”——这段文本不会显示给用户,而是被系统识别,触发真正的下单流程。
当然,这里有个大问题:如果AI下错单,代价可能很高。
所以稳妥的做法是,在触发任何重要操作之前,加一个人工确认的环节——比如弹个窗口问“您确认要下单吗?”。
这个思路让我想到:AI可以当“提议者”,但重要的决定还得人最后拍板。
课程里还讲了一个例子,让我觉得特别形象。
你问AI:“我在银行存100美元,5%的利息,八年后会有多少钱?”
如果让AI自己算,它可能会给出一个听起来合理但其实是错的数字——因为AI本质上是个语言模型,它擅长的是预测下一个词,不是做精确计算。
但有个简单的解决办法:给它一个计算器。
让AI输出“100×1.05^8”,然后系统自动调用计算器程序算出147.74美元,再把这个数字填回答案里。
这样一来,AI还是那个AI,但配上工具之后,它能做的事就多多了。
我琢磨了一下,这其实和我们人类一样——遇到复杂的算术,我们也会拿计算器按两下。AI学会了用工具,就不再是“凭感觉胡说”,而是可以“查资料、算数据、给准数”。
课程里还提到了一个更前沿的概念,叫代理。
意思是,让AI不只是执行单条指令,而是自己规划出一连串动作来完成一个复杂任务。
比如你让它“帮我研究一下Better Burger的顶级竞争对手”,一个“代理”可能会自己决定:
1. 先搜索“Better Burger 竞争对手”
2. 然后挨个访问这些竞争对手的网站
3. 最后把每个网站的主页内容总结出来
每一步,它都可能调用不同的工具——搜索引擎、网页下载器、语言模型本身。
听起来是不是很像一个人类实习生接到任务后的工作方式?
不过课程里也老实说了:这项技术还不成熟,还在研究阶段,不能指望它现在就靠谱。但方向挺让人期待的——以后我们可能只需要说“我想要什么”,AI就能自己琢磨“怎么做”。
课程讲了一个特别实用的框架。
很多时候我们问“AI能不能替代这个工作”,这个问题太大了。更好的问法是:这个工作由哪些任务组成?哪些任务可以用AI增强或自动化?
课程里举了客户服务代表的例子:
· 接电话(AI潜力低)
· 文本聊天回复(潜力高)
· 检查订单状态(潜力中等)
· 记录客户交互(潜力高)
· 评估投诉准确性(潜力低)
这样一拆,你就知道该把精力花在哪儿了。
我自己试着想了一下自己的工作,发现确实有好多“琐碎但花时间”的事情,如果能让AI帮忙,确实能省不少功夫。
课程里几个例子让我印象深刻。
程序员的核心工作是写代码,但你真去分析程序员的所有任务,可能会发现:让AI帮忙写文档,比让AI写代码更容易实现,价值也不小。
律师的核心工作是出庭辩护,但让AI帮忙起草和审阅法律文件,可能更早落地。
园艺师的工作里,修剪植物、搬运植物这些,AI暂时帮不上忙,但维护公司网站、写宣传文案这些,反而有可能。
所以结论是:别只盯着那个“标志性任务”,把工作拆开来看,机会可能藏在不起眼的地方。
很多人一谈自动化,想到的就是“省成本”。但课程里提醒:增长是没有上限的,省成本是有上限的。
如果能以千分之一的成本完成某个任务(比如回答客户咨询),与其只是省点钱,不如想想:能不能用这个低成本,去服务原来服务不了的客户?去提供原来提供不了的服务?
这才是更大的想象空间。
课程里还举了几个例子,讲AI如何改变工作流程:
外科医生做复杂手术前需要做大量研究,AI帮他把研究时间缩短,他就能把更多精力放在手术本身。
律师审阅复杂文件,AI帮他把文件读一遍,提炼出关键点,他就能更快地给客户反馈。
营销人员写网站文案,AI让他写得更快,他就能多写几个版本,做A/B测试,看看哪个效果更好——这就不是省钱,是创造更好的结果。
课程最后给了一个我从来没想过的角度:
与其只分析自己员工的任务,不如分析一下客户的任务。
比如你是个帮客户建网站的服务商。客户要完成哪些任务?选模板、写标题、选图片、写文案、优化SEO……
如果AI能帮客户完成其中一些任务(比如写标题、优化SEO),那你就可以把这些功能做到产品里,让客户自己用。这不就是新产品、新价值吗?
这个思路让我琢磨了好一会儿。
1. AI开始会用工具了——调用计算器、触发订单系统,能做的不只是聊天
2. “代理”是未来方向——让AI自己规划一连串动作完成任务,虽然还不成熟
3. 找工作机会,先拆任务——别问“AI能不能替代这个工作”,问“哪些任务可以用AI”
4. 判断标准就两个:技术可行性和商业价值
5. 机会不在最显眼的地方——写文档可能比写代码更容易落地
6. AI不只是省钱,还能帮你赚钱——低成本可以创造新服务、新增长
7. 帮客户干活也是好思路——分析客户的任务,可能做出新产品
AI的应用其实比我想象的更有层次。
以前要么觉得它很神秘,要么觉得它就是个聊天框。现在慢慢明白,真正的价值在于把它拆开、揉碎、嵌进具体的任务里、配上合适的工具、重新设计工作流程。
它不是来“替代”我们的,是来让我们重新思考“这件事到底该怎么做”的。