2025.04.27 AI落地到什么程度了
AI落地到什么程度了
和朋友在天津组了一个“AI+IP”的聚餐，天津做得最好的三家教育MCN公司创始人对我们进行了热情的招待和分享，对目前AI在MCN行业的落地情况，有了不少新的理解，收获很多
一些落地的案例和结论分享
1、通过将销售过程中遇到的问题，让AI自动记录并自动更新到新的知识库，可以持续完善FAQ系统，这个过程由原来的人工变成了现在的自动化+AI，质量和效率都得到了极大的提升
2、通过访谈或者提问，加上一套非常好用的个人故事框架，可以让AI自动写一段自己的人生故事，且效果极佳
3、通过把编导的工作用自动化+AI封装后，编导人数从7人减到1人，且承接的工作量和质量要比没有AI时的7人还要高，意味着这里的成本降低就直接多出了百万级别的利润
4、在AI客服和AI销售上，AI也都具备了显著的提效能力，比如销售提效30%-50%，另外还做到了大量之前无法轻易做到的事情，比如系统性的对标分析，如果多平台CRM能打通，提效的空间还可以更大。朋友分享，目前AI销售在大客单价上也有一些进展，近期成交了两单高客单价的产品
当然，在落地AI的过程中，也有一些困难，如果能突破，效果会进一步显著提高，比如：
1、有效数据的获取。以短视频起号为例，第一步：先全网抓取所有近期的低粉高赞短视频，通过分析形成对标知识库；第二步：AI对这些参考短视频进行二次文案生成。这个非常依赖于数据抓取能力
2、多平台打通，比如抖音或视频号的用户数据，与私域用户、自有产品的用户三端打通，就有希望形成一个全链路自动化AI的逻辑，极大降低对人的依赖
3、好的模型对产出质量影响比提示词要大，而真正质量高的模型不仅仅成本更高，在批量使用上也有较多的门槛。比如，目前在文案和编程方面，世界上最好的模型：Claude 3.7
在和好友交流起这些案例时，我们共同的感触就是：在传统业务场景里，如果对AI的能力有着充分的理解和应用能力，带来的收益和红利是非常大的，这适用于有着成熟的传统业务且非常懂AI的老板。
而光懂AI但没有成熟业务，在目前的环境下，也仍然没那么容易，因为起盘难。
在回京路上，和向阳讨论，还有一个共同的感触：在AI时代，对绝大多数人来说，把自己变成通才的重要性要远大于专才。
通才的好处是，可以通过跨学科或跨专业视角，将各种能力快速整合，最终形成更有竞争力的模式，而这过程中涉及到的一些专业能力，AI其实是可以很好的快速弥补的。
比如懂产品、懂销售、懂AI应用这三个能力的老板，如果将这三个能力对自己的产品或业务流程进行整合，会快速打造出比明显高出同行竞争力的商业模式出来
AI实际的落地，已经非常显著了
快速把想法变成教程
给朋友写了一个关于跑步运动的可视化页面，如下：http://md.laoyao.cn/sunlaoshi.html
用的模型是Claude 3.7
基本的逻辑：
1、告诉AI，你的基本想法：要给朋友写一个跑步运动的教程
2、这个教程，要用可视化网页来进行呈现
3、教程的内容分成三个基本的模块：以周为单位对跑步和力量训练进行交叉安排、对每一次跑步和力量训练进行单次训练详解（分成运动前、运动中和运动后三个环节）、对运动之外的辅助策略进行规划（包括睡眠、饮食和情绪）
这是在让AI输出教程之前，要想明白的三个核心点，剩下的，就可以直接交给AI了，对于很多细节它会快速的进行填充，这就节省了大量的时间
这个过程的核心是，需要想清楚，到底想要什么，尤其是底层逻辑，这对于有着有效经验或者有一定专业功底的人，非常利好
我和向阳在年初写的课程《AI领导力》，有一章节专门讨论了它的重要性和方法，“经验：用你独特的认知驾驭AI”
有经验和没经验，在驾驭AI的时候，质量和效果，相差很多
知识体系
听科技发展史，让触动的一点：真正能被人记住的，或者是被公认为的伟大科学家，不是那个最早提出概念的人，而是能将这个概念体系化的人
比如商业领域，《金字塔原理》在这本书未出来之前这个概念有很多人提及，但只有芭芭拉将这个概念体系化并加以推广的，且这个体系化的系统方法能被二次验证
对个人来说，一个很好习惯：尽量总结每件做的不错的事情，把它们沉淀成可视化的方法论产品，最终变成自己的知识库
好的方法论或知识体系，能够让自己在多个时刻，不断的复现这种能力或结果，这就是构建知识体系的好处
参考芭芭拉的案例，我让AI帮我梳理了下类似的案例：
形成知识体系的一些原则或者方法：
最小验证：先把经验浓缩成一页纸/一张图，快速在小范围 A/B 测试，收集他人能否按图索骥复现。
抽象命名：给框架起一个朗朗上口且指向清晰的名字——“金字塔”“OKR”“Growth Hacking”都是成功示范。
二级输出：为框架配套讲义、模板、指标表或代码库