[万字思考]ChatGPT+时代，我们的工作和生活方式均将会彻底发生改变
2023年似乎已经成为了人工智能的时代，AI 浪潮不仅让我们对人工智能的能力有了一次全新的理解，而且所有人的工作和生活都将受到不同程度的影响。本文作者将和大家分享自己对人工智能的理解和看法，感兴趣的童鞋快来看看吧。
2023年第一季度，AI成为了舞台上聚光灯下的主角。一系列新名词如 ChatGPT、Notion AI、New Bing、GPT-4、MidJourney v5、office copilot、Adobe Firefly、Chat GPT插件等接踵而至，一场场发布会效果展示让人们对人工智能的能力有了一次次全新的理解，似乎一夜间人工智障真的变成了人工智能。作者认为这场 AI 浪潮将彻底颠覆所有人的工作和生活，尤其是办公室白领们，如医生、心理咨询师、数据分析师、律师、前端程序员、设计师等，都将受到不同程度的影响。蓝领工人的达摩克利斯之剑大概率是Boston Dynamics 或 Tesla Bot ，已经在路上……
如果你还不清楚发生了什么，强烈建议你静下心来，看看ChatGPT-4发布会、Office 365 Copilot发布会、Adobe Firefly发布会这三场发布会，抛开偏见，想想自己的或亲朋好友的工作和生活将会受到哪些影响，哪些工作真的不可替代。
2月中旬时，作者基于当时 ChatGPT 的能力，写了一篇文章预测 AI 会给企业协同办公场景带来哪些改变（感兴趣的朋友可以看一下）。3 月中旬，微软office365 copilot发布会的内容印证了作者的部分预测。过去一个月，作者与身边的互联网从业者们做了多次交流，也阅读了大量文章，同时亲身体验了Notion AI，New Bing、GPT-4、MidJourney、stable diffusion、D-ID等AI产品，对这一轮AI可能带来的改变有了一些全新的认知。本文将和大家分享和交流。本文分2部分展开论述，分别是：
上篇-基于 AI 的人机交互方式改变将彻底改变我们的生活
人人都有“贾维斯”的时代即将来临，这将带来大量新的变革和平台利益分配重构。作者将尝试基于当前office365和ChatGPT Plugins服务能力，结合案例，预测未来我们的我们的生活场景会出现怎样的改变。同时做一些简单的预测，分析当前大公司（以流量-广告变现的大公司）可能面临哪些挑战。
下篇-企业的智能数字化升级来了，重复性工作消失，协作效率极大提升
企业效率升级将迎来大变革，真数字化转型要来了。从过去单点功能智能到全链路智能化升级；重复性工作逐步消失；创意类工作机器辅助完成更高效；企业人才管理模式颠覆性改变，HR系统可能应该大变身，企业运作人效极大提升；企业协作卡点诊断，预判资源浪费环节；逐步实现企业的数字孪生，基于此驱动企业决策和战略制定。
文章末尾将分享作者的一些学习/阅读资料，不定时更新，分享资料将包括但不限于：
- midjourney AI作图相关教程，关键词，示例，题词工具等
- stable diffusion AI作图教程及使用示例
- 如何的使用ChatGPT获取理想答案，推荐好用插件，好用工具等
- 企业数字化转型相关课程，文章等
- 600多款AI服务/产品列表和说明，持续更新中
- 其他
当作者看完微软发布会后，作者便坚信未来ChatGPT或者说大语言模型将成为所有应用服务的基础，人机交互方式的改变从更深层级改变我们的生活，智能助理服务解决我们一切问题，大多数app都提供底层服务能力，人机交互的改变或将带来新一轮的服务升级，除了娱乐、社交之外，一切皆通过自然语言与智能设备沟通，进一步降低使用信息化服务的门槛。
上篇内容包括 AI参与后的人机交互方式改变的思考，互联网大厂的服务模式改变的思考，人类数字孪生的思考等。大语言模型发展很快，国内的百度，360，腾讯都以放出新信息。为了方便理解，下文中以ChatGPT代替大语言模型，你也可以把它想成是未来足够好用的文心一言、360GPT等服务。
一、我们的生活将发生哪些改变 1.1 AI助理服务将从根本上改变人机交互
ChatGPT出现前，所有公司的语音助手（Siri，小度，小爱等）都是针对特定场景的服务/应用唤醒，解决非常非常有限的问题，但ChatGPT带来的是一种通用的人机互动方案，可以处理各种场景的问题，这是继人机交互页面面世以来，又一次巨大变革，不亚于马车时代汽车被发明。
大语言模型与应用融合的方案初次亮相是现在微软Office 365的copilot发布会中，这让我们看到智能助理融入具体场景会发生什么奇妙的变化，紧接着发布的ChatGPT plugins更是将ChatGPT作为入口，这种野心就非常可怕了，它想做未来用户服务的第一入口，变成超级超级应用，未来除了娱乐/社交外（忽然发现腾讯的基本盘-游戏和社交-稳稳的，同时他还在做GPT），会不会人们与网络信息互动的方式将会从之前分化的一个个app，又变成了人机互动对话呢。
真是分久必合，合久必分的趋势，从门户（分）->搜索引擎（合）->垂直服务（分）->人机对话（合）。但作者认为ChatGPT并不适合做这个超级入口，下文会有具体描述。
从满足用户需求来看，有了人工智能加入后的产品解决方案似乎更趋近最优解，举例来说，面对一个日常复杂任务时，我们当前的操作路径是在各种超级应用切换，然后点点点，滑滑滑，有智能助理辅助完成目标任务的交互可能好到超出想象（下文案例分析中的内容不是臆想，是以ChatGPT-4发布会上表现出来的能力作为基础，但也需要当前APP服务进行相应改造），相信很快就能看到落地服务。
1.1.1 案例1-关于减肥计划
背景：快到夏天了，为了穿衣服好看想要减肥。
当前不会用ChatGPT的提问方式：你对ChatGPT说：“我想要减肥，给我一个减肥计划”，这是当前ChatGPT给出的答案，我们会发现，ChatGPT-3.5给出的都是片面的介绍，没有什么是可操作性，ChatGPT-4给的计划已经看起来挺靠谱的，但是具体实操还会有难度，因为没有落到具体每天上和动作上。
会用ChatGPT-4的提问方式：对ChatGPT提问的模板：角色设定+背景信息+目标任务+期望结果。按照这个模板，我们可以这么对ChatGPT说：（设定角色）你现在是一个健身教练和营养调理专家，（背景信息）我现在的体重是150斤身高是179厘米，（目标任务）请根据我的身高体重对我进行身体分析，同时给出了一个表示每月减重5斤的减肥方案，同时给出我每周详细的训练和饮食计划，（期望结果）我个人比较偏向跳绳减肥，希望每天的饮食食谱都有所不同，计划精确到一周每天不同时段做什么，然后通过表格的形式展示给我。来看效果：
未来效果：我只需要跟我的智能助理说：我想要减肥，帮我出一个完整的减肥计划。然后智能助理可以自己为这个目标设置更专业的角色，同时调取我的体重秤数据，健康数据，体检报告等，为我制定一个科学的每日减肥方案，包括健身计划，饮食计划，并将健身计划添加到我的日程中，设置提醒，或者提前预约我的健身房时间，同时给出对应动作的指导视频，它将成为我的私人教练，我只需要对着手机做动作，它会校准动作说明并给出安全提示。饮食计划的食材已经添加到购物车中，可以一键下单即可周围超市配送到家，同时还可以附赠对应食材的烹饪方法视频。
下文会讨论如果要实现这套服务，可能的数据存储和调取逻辑，人机交互设计。
1.1.2 案例2-关于旅行攻略
背景：正值春天，我希望周末带一家人去赏花，需要提前准备一份赏花攻略，确保一家人都满意。
当前：先查看周末的天气确定温度天气，空气质量等；如果天气适合，紧接着会去小红书和马蜂窝选择适合的赏花地点，准备开始做攻略，攻略需要考虑到赏花地离家的距离，赏花路线是否适合带娃前往，是否可以带宠物，赏花地周末人流情况；出行方面，需要结合道路拥堵情况，考虑出发时间，出发路线，安排返程时间和计划等；吃饭方面，一家人吃饭如何选择，需要打开美团或大众点评，选择目的地，然后找目的地附近的餐厅，考虑家人的口味，选择餐厅并预约。这么看来，需要打开多个APP，还需要提前关注一些道路信息，降价信息，天气变化信息等，然后整理一份自以为很完善的文档文档。
AI助理+：只需要跟我的智能助理说：“周末想要一家人去赏花，帮我做一份完整的攻略，你可以跟我确认一些信息。”紧接着助理会根据目标任务，判断需要唤醒哪些服务，并根据我的历史数据，开始工作。
首先它会快速调取天气信息，直接分析周末是否适合出行，并给我反馈，如果适合，他会根据历史信息，让我确认是否是自驾游出行，是否是带上老婆孩子父母一起出游，得到确定答复后，它会告诉我它会去相关服务中为我查询整理信息，我可以先忙其他事情，他搞定后会将攻略微信发给我。
然后它就会按照我去筛选路线，赏花地，餐厅的思路，调取相关应用，通过用户评论识别和攻略内容识别，为我定制化生成3套方案，方案中会比我做的更好，比如她可以根据历史数据，给出周末出行当天的道路拥堵情况预测，给出更好的规划，同时它会结合多篇攻略内容整合比对，给出一份完整的攻略计划，比如会根据前一周抖音上的分享视频，给出目标景点的人流预测，结合过往家人外出聚餐数据，给出餐厅选择甚至点餐建议。
给出3套攻略后，我如果不满意还可以继续生成，或整合几套方案，如果对某一套方案满意可以直接将出行计划图发送到家庭群里面，方便大家熟悉行程和计划，整体上我的投入时间可能也就需要说两句话，背后的服务调用查询信息，评估信息，组合信息都由智能助理完成。
1.1.3 案例3-关于出差汇报
背景：公司临时通知明天早需要出差去上海分公司给客户做一次面对面项目进度汇报，刚刚接到通知，你需要尽快准备材料和安排行程。
当前：因行程紧急，所以需要快速整理项目进度，产出结果，需要跟项目相关同事沟通，获取大量信息，并整理ppt，团队其他成员可能需要放下手头工作，进行全力配合，八成大家还需要加班，而且你在飞机或高铁上也要一直工作汇总准备，同时，你还需要赶快选择航班，订酒店，具体三餐如何解决，还需要查看上海的天气，准备衣物，整理行李箱，如果晚上有时间还可以计划一下夜晚游外滩的计划，定返程机票等等，你会在几个app中来回切换。
AI助理+：你先跟他说一句，帮我整理一份项目xxxxx的进度资料，整理好的资料扔到项目群里@项目经理和产研leader帮忙确认一下，看看是否有需要补充的，让运营leader核对一下具体数据，下午3点之前给出确认就好。然后智能助理会快速快速整理项目进度和相关数据，然后在群里@对应的同事，并且设置一个群提醒。你只需要最终整理一下即可，根据Copilot发布会的内容，它甚至会帮你添加每一页PPT应该怎么讲。
紧接着，对智能助理说，帮我安排一下出差行程，明早8点我需要到上海分公司参加一次汇报会，帮我做一个计划，并添加到我的日程。然后智能助理会查询目标地的天气信息，给出穿衣建议，同时会查询合适的航班，并在确认后完成预定，同时在滴滴完成去机场和机场到酒店的接送机服务，根据分公司地址信息，订酒店，然后并给出附近三餐特色美食推荐，同时给我一份从酒店到附近景点的出游计划，同时给出游玩和小吃建议等。这个过程将极其丝滑。
从上面三个案例中，你会发现2点变化，首先，如果不希望长篇大论的输入，那么我与智能助理互动时，需要带上大量我个人的背景信息作为潜在输入的prompt，这些信息就是我们在数字化自己的行为，是一种人的数字孪生；其次，如果机器做了大量信息整理类工作，人似乎可以更专注于丰富自己的体验和享受生活，机器会帮你完成很多繁琐耗时的事情。
1.2 人机交互方式的改变可能带来哪些挑战和机会数字孪生（Digital twin），或译作数字映射、数字分身、数位雙生，指在信息化平台内模拟物理实体、流程或者系统，類似實體系統在信息化平台中的雙胞胎。借助于数字映射，可以在信息化平台上了解物理实体的状态，甚至可以对物理实体里面预定义的接口元件进行控制。
数字映射是物联网里面的概念，它指通过集成物理反馈数据，并辅以人工智能、机器学习和软件分析，在信息化平台内建立一个数字化模拟。这个模拟会根据反馈，随着物理实体的变化而自动做出相应的变化。理想状态下，数字映射可以根据多重的反馈源数据进行自我学习，从而几乎实时地在数字世界里呈现物理实体的真实状况。我们在流浪气球中看到的数据卡，就是一种对人类的数字孪生。
作者在写这部分的时候，脑子里面一直出现的都是钢铁侠托尼和智能助理贾维斯的交互场景，你会发现当面对目标任务时，托尼和贾维斯的互动很简短，因为有大量的信息输入是贾维斯根据钢铁侠的过往行为数据自动补全的，它知道托尼的喜好，作息习惯，身体状况，危机时如何选择等等。不知道大家是否还记得，在外骨骼转身这个事情上，钢铁侠竞争对手公司的外骨骼会以腰部为轴直接转180度，导致驾驶者直接挂了，这就是机器需要理解大量的物理世界人的行为习惯……如果想要使用真的好用的人工智能实现人机互动。那么就需要在简短输入后，智能助理自动补全大量的假设和用户习惯信息，而这些信息来源于日积月累的行为记录。
回想一下，手机（未来可能是眼镜，植入芯片等）从最初就让我们不断的录入我们的信息，功能机时代，存储手机号码，短信等，移动互联网来了以后，我们的支付，生活娱乐/工作/生活数据大量沉淀在各种app上，我们真的在自然而然的进行着自己数字化备份云端的工作。
人机交互的模式改变，带来数据的存储和调取方式改变，我们先来看看Office365+ChatGPT方案和ChatGPT Plugins方案，然后我们再来聊聊作者认为未来可能的方案，先说结论，我认为这一轮终端厂商（苹果，华为，小米，vivo，oppo）做第一入口的机会更大。
1.2.1 Office365+ChatGPT方案
微软的发布会上，介绍了一种超级应用+大语言模型互动的解决方案，当时看到这套方案后，作者曾认为未来所有的应用都会需要这样一个copilot，都需要做自己内容的graph，有需求直接跟应用中的助理说，即可根据图谱和大语言模型返回满足需要的内容，产品或服务。
如果参考上面这个模型，那么小红书可能会有一个自己的助理服务，我跟他说我要找一下给宝宝的辅食食谱，然后这个消息经过加工，补全我的宝宝年龄，宝宝什么过敏，宝宝喜欢吃什么，不吃什么，之前的点赞收藏，之前关注过的up主等信息，然后在小红书的所有内容图谱中去匹配，然后给我一个每天宝宝餐饮计划，点击即可查看对应食谱内容对应的做法，这个排序同时参考了用户评论加权，这个方案我在当时感觉似乎是一种相对最优方案了，但存在一些问题，原有平台的内容，推荐，搜索等服务将会受到极大冲击，同时对内容创作者的正向激励也可能受到影响，也依然存在的返回结果加广告的问题。
还有一个比较严重的问题，就是当一个任务需要多服务协同时，那么这套方案就不好使了，当时也在想如何解决，还没想清楚，ChatGPT Plugins来了，让作者认知出现了新的迭代。
作者额外做一下脑洞，未来可能出现一门新生意，关于信息检索或信息查询类的场景，整理数据包，举个例子，如果我需要去云南旅游，那么一个整理完备的云南基础旅游攻略数据集就是必须的，里面包含了景点，住宿，餐饮，路线等一系列信息包括网友评论，小红书，马蜂窝的各种热门攻略，用户可以直接将数据包扔到自己graph中，然后通过与copilot沟通，分分钟生成一套私人定制旅行攻略。
也有可能很多人基于这个能力，为一些不会使用copilot的用户提供定制服务，比如为年长的父母生成一份精确的北京旅游攻略等，虽然现在也有旅行团，之前年长者担心自己走不明白的困扰，无奈抱团的窘境可能被解决，别忘了，ChatGPT已经能读图了，完全可以带着耳机，拿着手机，助理实时帮你解说该怎么走，该做什么地铁。
如果企业希望做一次战略咨询，可以向一些数据服务公司申请对应方向的资源库调用权限，然后公司的智能助理便可以根据这些数据帮助企业诊断问题，设计战略和落地计划，真的是充满无限想象空间。
1.2.2 ChatGPT Plugins方案
从ChatGPT Plugins发布来看，ChatGPT希望成为超级入口，用户有什么需求跟它说，它去根据语义理解调取用户已经安装的应用，然后去通过应用提供的API，完成特定的交互动作，所有操作页面都在ChatGPT中，你再也不需要一个个打开多个应用了，这个设计好处就是可以将大量应用服务能力接入到ChatGPT中，真的如发布会所说，让应用成为它的“眼睛和耳朵”（低情商的说法就是：服务和平台被管道化了，曾经把运营商逼成管道的互联网公司是否可能因为ai也变成了管道呢？）虽然这个方案解决了多个应用协同的场景，但同时引出一些问题。
上文中讨论了，需要沉淀下来大量的用户行为数据作为潜台词prompt输入，在这个设计中，其实ChatGPT只是完成用户录入信息理解和任务分发给目标应用，并返回应用找回信息作呈现，用户的行为数据依然沉淀在各个应用当中（原有应用的推荐模型还需要大改），这是成本最小的接入外部能力的方式。
但是，作者认为，这种体验大概率不会给用户创造最优体验，因为API返回的结果可能是广告投放的结果，也就是助理拿到一个广告信息，而且在这种交互中，视觉空间呈现有限，那么广告可能会卖的的更贵，这就衍生出下文的讨论，如果有平台不提供广告，就做深度图谱给出最优解的返回，他的返回质量是最好的，那么其他大厂会怎么办？即使没有这种服务，如果用户有多个这类应用PK，导致大平台为了可以在pk中胜出不敢给太多广告，那么可能会导致下文讨论的互联网大厂流量/广告变现逻辑被迫下线，似乎又到了自己革命还是等着外部不知道在哪里的竞争对手来革你的命的时候了。
1.2.3 作者推理中可能的方案
根据前文所述，如果希望可以与智能助理简短对话完成目标任务的最优体验，就需要助理服务可以存储和备份用户大量私人数据，这个时候，ChatGPT作为入口就感觉不是很稳妥，所以作者才认为手机厂商做这个事情非常顺畅（智能眼镜，手表，植入芯片覆盖有限，产品都不成熟），而且手机厂商确实也在做这方面的事情，只是之前的不够智能而已，苹果的siri，华为的小艺，小米的小爱等，同时，如果希望返回结果时用户理想或满足用户需求的，那么在与应用/服务/平台对接时，可能也需要做大量设计。
参考微软的copilot和chatgpt plugins，作者认为未来的服务可能会类似下图交互。在请求个人隐私数据prompt时，如果做的安全一些，每一次请求都用区块链技术，记录请求与返回信息，增加双身份真正等方法确实个人数据安全，同时确保不会被恶意请求拿到用户私密数据。
当请求具体产品或服务时，终端智能助理+大语言模型要能根据返回商品或服务信息的评论等多种维度进行重新评估，也就是替我多平台比价，比质量等，如同人筛选产品一样，这样才不会让智能助理返回一堆广告投放的产品，其实在这个返回对比逻辑中，作者认为广告投放的效果可能并不会太好，核心还是要看产品/服务的质量，因为如果返回的只是竞价高的产品/服务，但是在跟其他app返回结果pk中失败，可能展示机会都没有，如果在结合到当前一些大公司已经在做自己的私域流量，那么私域流量服务的客户可能通过品牌自有平台提供最优服务体验，而不用在依托于平台和广告了。
未来很可能是终端智能助理与应用或服务的智能助理进行对话，进而生成独属于这个客户的需求返回结果，这就需要对接的应用服务平台进行系统改造，终端助理与各个平台之间的助理互动是Plugins模式，智能助理内部的数据校准返回是Copilot的模式，实现智能对智能，进而返回理想结果，确保用户输入少，返回精准，体验最优。
还是以旅游为例，当前的ChatGPT-4可以很好的识别我要做一个事情需要关注哪些点，如下图所示，大语言模型面对制作旅行计划时，考虑的非常全面，按照上面的分类，其实已经可以清楚需要调取哪些应用，并且知道需要与我互动拿到哪些补全信息，哪些信息是我的个人隐私数据库中有的，因为它可以识别我的相册，大概率都能给出我具体的穿搭建议，看了上面这些注意事项，作为一个去云南玩过的人，都没有考虑的这么周到。
上面的描述都有可能是过度状态，终态可能像流浪地球2中的脑机接口备份，或如同骇客帝国中的一样，插管进入元宇宙，这些暂时不得而知。
1.3 移动互联网大变局前夜
过去20年的互联网和移动互联网商业模式上几乎是一样的，通过内容/服务/产品聚拢流量，然后流量/广告变现或对服务端收费利益分成，从搜索引擎到超级应用都是这个模式，但是这套玩法在人机互动的助理服务场景下可能就会有问题。
虽然看到新闻说new bing要在chat中加广告，这套广告策略未必奏效，而且ChatGPT Plugins的方案感觉有些偷懒，如果API返回的结果都是广告信息，那么智能助理服务可能变得很鸡肋，但是作者也跟ChatGPT对话，它是有能力将同一个购物请求向多个平台发布，这个时候返回结果就有了pk机制，那么如果返回结果质量差，可能连显示都不能，所以智能助理请求的结果应该是平台选出的最优解。
这个时候又有两种做法：
第一种，我只根据我能识别的关键词来进行检索，然后给助理返回结果，这个时候可能忽略大量信息，那么返回结果就未必是最优的，也就是当前Plugins这种模式，因为单靠一个API，原有平台在不做任何底层数据改造的情况下，搜索逻辑大概率不会很好的接受大量用户prompt；
第二种，为了提供更加好的服务，需要对平台内容喂给大语言模型，也就是要将自己的产品和用户的使用场景做关联，尽可能接收到目标请求可以接受到用户的诉求，如果极致一些，小红书需要对每一篇笔记的每一张图片和文案进行预训练，当一个用户需求（可能大量prompt）过来时，可以定制化的返回目标需求信息，也就是可以个根据用户诉求，将几篇笔记整合到一篇，整合笔记的时候兼顾评论的反馈。这又对平台如何激励创作者提出了挑战，但这种服务感觉是可以做成类似于costa或山姆超市会员制收费的逻辑，也就是想要享受这种专属内容服务可以通过付费获得
对于大厂来说，如果真的因为人机交互模式改变，被迫需要改变原有的流量/广告变现逻辑，对其收益影响会非常大，船大掉头难，阿里巴巴21年广告收入3000多亿，收入占比近40%，会员模式虽然可以解决一定的收入问题，但这个时候最怕不讲武德的免费模式公司进场，会不会因为人机交互的改变，AIGC的进场，让全部互联网公司来一场大地震呢？让我们拭目以待，有没有“屠龙少年”出现，如同字节跳动般杀出大厂的包围，甚至是颠覆当前的大厂格局。
二、我们的工作将发生哪些改变
当前全球已经进入到一场AI军备竞赛，各大高校实验室和各公司AI-Lab均已入场，大量创业成功人士重新出山组建团队要抓住新一轮变革带来的红利，虽然有千人倡议暂停AI训练6个月的倡议书，但作者感觉开弓没有回头箭，就像汽车代替马车一样，国内百度，腾讯，360等都已官宣入场，为了保持自身优势角度来看，OpenAI大概率还会继续训练优化模型，如果我们不在这些一线公司的一线团队，现在不应该寄希望于因国家原因或安全担忧，限制AI发展，进而让我们短期不被替代，而应该拥抱变化，提前使用它，驯化它，让他为我们赋能。
自2018年以来，全球范围内的众多企业都在积极进行数字化转型，希望通过引入数字技术，提升企业运转效率，从而找到新的增长点和竞争优势。这一轮AI能力的爆发，将使企业能够以更高的效率应对市场变化和客户需求变化，极大提升企业家对企业的掌控，减少企业内部的资源损耗，全面提升企业战斗力。
个人感觉AI企业对先进的企业来说是福音，对落后的企业和职场人来说并不是非常利好，红山资本发布了【红杉内参】2030年生成式AI将达到专业水准，届时AI将取代程序员等岗位！本文不提哪些职位被替代的问题，因为大概率很多岗位真的要没了，这里只讨论在这个过程中企业协作会变成什么样，在这种变化中，我们还有哪些机会。
2.1 从单点功能智能化到全链路智能化升级
ChatGPT出现之前，算法模型多在某些点状业务场景中应用，如预测流失率，产品推荐，预测用户喜好，销量预测，风险预测等，一般只有大公司才有可能组建自己算法团队，而往往是集团公司发现分公司通用问题，进而在一个影响较大的业务点上积累数据，创建专属模型，解决企业通用的一个个点状问题，而城市个性化的问题或门店个性化的问题多数情况不可能有资源通过算法模型解决问题。
这种情况，很可能随着ChatGPT的出现被改变，从微软copilot表现出的自然语言理解，编程能力与功能结合来看，未来极大可能对每个特定问题均可快速建模预测。
以下面3个场景为例，我们来看一下企业可以如何提供全链路的智能数字化升级，所有描述均基于当前所有产品已经表现出的能力进行推理结合。
2.1.1 AI驱动的全链路优化
以运动品牌线下销售为例：
关于供应链，企业利用AI技术优化供应链管理，结合一线反馈的每一店每一单的销售、客户与销售人员的互动沟通数据，动态预测调整商品库存，降低库存成本，预测需求和市场趋势，改善企业的采购和生产策略。
关于指导和管理销售，高质量销售话术服务引导可以贯穿到每一个到店客户的每一次试穿和沟通服务中，包括学习客户需求，提供最优推荐当前库存中的哪几款，直接指导销售人员话术，提升销售的平均能力，促进成交；
关于到店试穿体验升级，将图像识别和AIGC结合，如果用户选择的鞋子，可以根据用户当前穿搭，智能大屏展示不同服装搭配后的穿搭效果，解决穿搭难题，还可以给出用户在不同场景中的模拟效果，促进成交甚至是为穿搭带货；
关于刺激复购，当前很多企业已经完成了企业微信添加客户，结合客户的购买和换季等信息，智能个性化的推送一些客户大概率感兴趣的服装，引导到店试穿促成复购，大语言模型更擅长沟通，而定向分析模型更擅长推荐，发送消息时直接可以配上一些用户身材相近的模特穿搭效果照片，并基于文本互动数据持续调优服务能力。
大语言模型+定向预测模型，会让服务变得无比贴心。
2.1.2 针对细化场景的建模成本将可能降的极低
针对细分场景建模主要涉及到几步：数据收集，数据标注，数据清洗，特征工程，模型训练调优，模型应用部署等。
数据收集依赖前后端埋点，数据提取需要会sql，数据分析、清洗、特征工程需要会python，模型选择和调优需要懂算法，总之跟普通职场人关系不大，但是从ChatGPT-4发布会上来看，其表现出的自然语言转机器语言的能力，解决问题能力和推理能力，真的上面说的似乎也不是太大问题，而且很多人可能不知道，国外的微软有Azure，国内的阿里pai，第四范式都有组件化建模能力，也就是将上述的建模过程做成一个个组件，拖过拖拽可以快速建模，想象一下，如果通过自然语言，可以有效跟机器互动，其实就是自然语言控制每个节点组件完成特定任务，加上全埋点和服务过程的语音特征提取，针对细化场景的建模很可能会变得既简单又便宜。
2.1.3 真-智能客服
“智能客服”已经非常普及，但是体验过的都知道，解决问题能力有限，现在的智能客服更像是搜索的延伸，通过语音转文字，然后分词匹配知识库中的问题，机械的给出对应答案，担心不准还会多给你可能提问的几个问题，遇到复合问题，要么无法解决，要么就是答案拼凑痕迹极重。但这一轮LLM大语言模型表现出的推理能力和问题解答能力真的让人叹为观止。
从推理能力来看，其解决复杂问题会更加擅长，沟通会更加顺畅，还记得ChatGPT-4发布会上，演示者将python一整个文档发给它，它可以根据发给他的一个全部文档，获得一个代码报错的解决方案，还有其通过考试的成绩，未来它将如同一个专业领域的研究生助理，为用户提供专业的贴心服务。
从构建问答知识库来看，其对人工客服服务的内容总结能力，有可能构建智能完善的客户疑问知识库。比如当一个问题知识库中没办法解答，客户转人工解决，经过人工客服的多轮回答，客户问题得到解决，那么人工在多伦回话中的总结，其实就是这个问题的一个解答，当客户问题得到解决时，这个问题和答案就可以作为一个新知识点加入到知识库中，随着服务调用和反馈，知识库持续优化完善。
2.2 重复性工作逐步消失
从发布会来看，ChatGPT很擅长对信息资料（图片合文字，视频时图片的集合）进行总结，大家可以仔细想一下，我们工作中有多少内容是以一个频率在重复做的，所以才有很多人工作10年是把1年的经验重复使用10年，很多白领的工作岗位很大一部分工作是为了应对定期的检查，审计，核验等，从这个角度来看，AI可以自动收集、整理和分析数据，生成详细的报告，帮助企业做出更好的决策。
我们的日报，周报，月报，年度汇报，需要公司需要投入多少时间成本来去进行呢？因为之前没有办法，所以都会要求各级向上汇总汇报，其中存在大量的重复性工作和资源浪费，为了减少这种加工带来的人力浪费，字节公司不允许做ppt，不让对数据进行美化和加工（我当初在的时候是这样的），通过这种方式提升信息传递效率，未来可能都不需要了，未来的重复性的工作将被智能助理完成，其实在字节大量的BOT在各个飞书群中汇报各个维度的数据，已经很大程度上降低了数据传达的人工依赖了。
不少人预测文章提到，数据分析师的岗位未来可能没有了，而且国外的咨询公司的大批量裁员，除了经济原因，也许和这种数据层面的分析汇总是AI更擅长的领域有关，一个掌握了AI辅助工作的员工可能抵得上过去2-4人的工作。
2.3 创意类工作机器辅助你完成
设计师。在我们的印象中，设计师是一个既需要创意，也需要长期绘画功底积累的职业，怎么也想不到，第一波AI压力给到了他们，midjourney，stable diffusion，adobe fly等大量的智能绘图软件，将绘画变成的抽卡，作图变成了咒语炼丹，而其成图却能碾压初/中阶设计师，在UI设计，原画设计，插画设计等领域表现极为优秀，可以看下面的效果图，学习资料中附对应操作视频：
内容创作者就不用说，从ChatGPT-3.5发布开始，大量指导利用ChatGPT赚钱的方法都是自媒体，通过它可以快速的写小说，写脚本，写故事等。未来，作者认为头部的内容创作者其实不会受到太大影响，但是AI的应用可能会极大的拓展其创意，同时将极大降低创作成本。
程序员。谁也想不到程序员竟然是被影响最大的群体之一，从ChatGPT-3.5发布开始，其代码编辑能力就让人吃惊，在ChatGPT-4发布会上，一张草图直接转前端页面，应该所有的前端看了都会瑟瑟发抖吧，这个火爆了近20年的职位，可能面对前所未有的冲击和挑战，因为从企业降本增效来看，程序员是高新技术公司最大的成本。
摄影师。很多摄影师的收入来源就是拍一些电商广告，但是不幸的是，当前stable diffusion和midjourney都可以快速生成模特穿一图，可以说模特和摄影师都悲剧了，效果见下图：
除了这些之外，所有进行辅助信息检索，信息总结的职位都会受到极大影响，如助理律师，助理医生，秘书等等，AI相比于人更擅长。但是这一波AI能力替代会存在一个社会问题，因为其对中/低阶职位的替代，他可能把很多职场人打怪升级的晋升路给弄没了，那么未来高阶的职场人从哪里？短期来看，掌握如何使用它的职场人，还是有机会借着掌握它的先发优势获得一波红利。
2.4 人力资源管理将出现颠覆性改变（招聘，晋升，管理，成长，问题诊断等）
当前企业的人力资源部门主要负责招聘，晋升管理，离职沟通，优秀一些的企业还会关注员工的健康状态等，但是从企业效率管理这块，人力资源似乎没有太好的手段，对于脑力劳动者似乎很难有一个好的管理模型，所以我们看到现在甚至互联网头部公司的美团都开始通过考勤管理来管理员工，可见其真的没办法评估员工的产出和投入度价值，只能用时间一刀切，其实很多企业都会做类似管理，就是因为对产出的评估即浪费资源，有非常没有效率。作者也经历过一些奇葩职场场景，leader为了扩大领导人数，就要求下属加班，就是白天都不找下属，一到晚上7-8点就开始开会，一直开到11-12点，然后拿着部门的员工工作时长找人力部门申请招聘名额，其实根本没什么活。从大语言模型表现出的推理能力，这些问题可能都会迎刃而解。
2.4.1 招聘
人工智能将彻底改变人力资源管理的方式。
首先，AI可以通过自动化技术高效筛选简历，提高筛选准确性和速度。通过深度学习和自然语言处理技术，AI可以识别简历中的关键信息，如技能、工作经验、教育背景等，并根据企业的需求为每份简历打分，以评估简历与目标职位的匹配度。此外，AI还可以分析过往的招聘数据，从而预测候选人在特定项目团队中的表现和潜力。
其次，人工智能还可以作为一种辅助工具，参与到面试过程中。例如，AI助手可以根据候选人的简历和职位要求生成针对性的面试问题，帮助面试官更全面地评估应聘者的专业技能、团队合作能力和性格特点。这将提高面试质量，缩短面试时间，减轻面试官的工作负担。
最后，人工智能还可以应用在试用期员工的绩效评估中。通过收集试用期员工的每次产出、汇报和会议记录，AI可以实时分析他们的工作表现和成长趋势。此外，AI还可以对员工的沟通方式、问题解决能力和创新思维进行深度分析，从而为企业提供更全面、更准确的员工评估报告。这将使企业更好地选拔和留住合适的人才，提高整体人力资源管理效率。
2.4.2 晋升和绩效评估
晋升和绩效评估方面人工智能将为人力资源管理带来革命性的变革。目前，晋升和绩效评估往往依赖于leader的主观判断，一些民主公平的公司采用的360度环评。然而，这些方法仍然存在一定程度的偏见和不公平。通过运用人工智能，我们可以实现更为客观、公正的晋升和绩效评估。
首先，AI可以对每个员工的产出进行量化汇总。通过收集和分析员工参与的项目、完成的任务、工作报告和会议记录等信息，AI能够准确评估员工的工作表现和价值。这样一来，员工的晋升和绩效不再仅仅取决于他们自己的陈述，而是基于客观的数据和分析结果。
其次，AI可以识别那些摸鱼滑水的员工。通过分析员工的工作时间、产出质量和频率，以及与团队成员的互动等指标，AI能够找出那些没有充分投入工作的员工，从而帮助管理层更好地优化人力资源。此外，AI还可以帮助发现那些具有潜力、值得培养的人才。通过对员工的技能、沟通能力、创新思维和团队合作精神等方面进行深入分析，AI可以预测哪些员工在未来具有较高的发展潜力，从而帮助企业制定更有效的培训和晋升计划。
最后，AI还可以为企业提供更加精细化的绩效管理建议。例如，它可以针对每个员工的特点和需求，提出个性化的改进措施，帮助他们更好地发挥自己的潜能。
2.4.3 人才管理
在管理方面，人工智能将有助于解决现有的一些问题，如对员工产出价值管理的失控，过度依赖时间卡管理，以及日报、周报和月报的编写等。借助AI，企业可以实现更高效、更智能的员工管理。
首先，AI可以自动跟踪和记录员工的工作数据，如日程、会议、文档、沟通和邮件等。基于这些数据，AI可以自动生成日报、周报和月报，不仅节省了员工的时间，还能减少报告中的夸大和润色现象。同时，AI还可以根据这些报告为每个员工的每一天的工作投入度打分，从而更准确地评估员工的工作表现。
其次，人工智能可以帮助企业更好地识别和管理员工的心态、稳定性和情绪。通过分析员工在沟通、邮件和社交媒体等渠道的言行，AI可以检测出员工的情绪波动、压力水平和满意度等指标。这些信息对于预测员工的离职风险、调整工作安排、提高员工满意度和减轻员工压力等方面都具有重要价值。
此外，AI还可以为企业提供个性化的管理建议。例如，它可以根据员工的工作表现、技能和兴趣等因素，为企业制定定制化的培训和发展计划。这将有助于提高员工的职业成长速度，增强企业的竞争力。在远程办公日益普及的背景下，人工智能还可以协助企业实现更高效的团队协作和沟通。通过智能日程安排、自动会议记录和实时翻译等功能，AI可以帮助企业建立更加紧密、高效的跨地区团队，提高全球业务的协同性。
2.4.4 企业问题诊断
公司做大，层级变深之后，总会衍生出一些问题。
派系斗争导致的资源浪费：AI可以通过分析公司内部的沟通、会议和项目进度等信息，发现是否存在派系斗争和资源浪费现象。一旦识别出问题，AI可以向管理层提供相关建议，如引入外部压力、调整团队组成或调整资源分配等，以便尽早解决问题，防止企业陷入长期的内耗。
项目泥潭：AI可以对公司的各个项目进行持续监控，评估项目进度、团队协作和风险等因素。如果发现某个项目可能陷入泥潭，AI可以提醒管理层及时采取措施，如调整项目计划、增加资源投入或进行团队再组织等，以保证项目的顺利进行。
配合度不高和推活现象：AI可以通过分析员工的工作记录、沟通和反馈等信息，发现那些配合度不高、推卸责任的员工。针对这些问题员工，人力资源部门和管理者可以尽早介入，进行沟通、培训或调整岗位等，以改善团队协作和提高工作效率。
员工满意度和离职风险：AI可以根据员工的工作表现、沟通记录和反馈等数据，评估员工的满意度和离职风险。企业可以根据这些信息，及时采取措施改善员工的工作环境和福利，从而提高员工的忠诚度和留任率。
创新能力和市场敏感度：AI可以帮助企业分析市场趋势、竞争对手和客户需求等信息，评估公司的创新能力和市场敏感度。如果发现企业在这些方面存在不足，管理层可以及时调整战略、优化产品组合或加强研发投入等，以提高企业的竞争力。
2.4.5 员工能力培训
在员工能力培训方面，人工智能可以帮助企业更有效地传授销售冠军或优秀员工的经验，提高员工的整体业绩。以下是几个可能的应用场景：
- 实时指导：通过为每个员工配备耳机，让AI助理参与员工的日常工作，为他们提供实时指导和问题分析。这样，员工可以在处理客户、销售产品或执行任务时获得及时的建议和反馈，提高他们的工作效率和业绩。
- 模拟培训：AI可以利用虚拟现实技术为员工提供模拟培训。在这些模拟场景中，员工可以学习和实践优秀员工的策略和方法，从而加快技能提升。同时，AI可以根据员工的表现提供个性化的反馈和建议，帮助他们在实际工作中更好地应用所学。
- 个性化学习计划：AI可以根据每个员工的工作表现、能力和需求，制定个性化的学习计划。这些计划可能包括在线课程、实践任务、阅读材料等，以确保员工能够获得适合自己的培训资源，最大限度地提高学习效果。
- 知识共享平台：AI可以帮助企业建立一个知识共享平台，让销售冠军和优秀员工将他们的经验和技巧分享给其他同事。通过对这些信息进行智能整合和筛选，AI可以向员工提供最有价值的建议和资源，帮助他们在工作中取得更好的成绩。
- 数据分析和跟踪：AI可以跟踪和分析员工在培训过程中的表现，为企业提供有关员工进步情况、培训效果和未来发展潜力等方面的数据分析。基于这些信息，企业可以不断优化培训计划，确保员工能够持续提升能力。
微软的Graph服务会沉淀和挖掘企业知识，可以将企业项目信息，参与人，相关文档，相关会议等做数据聚合，个人感觉像是企业历史沉淀的知识看板，在没有ChatGPT之前，其挖掘更多的还是在信息聚合和呈现，沉淀下来信息，如何赋能业务和未来，似乎并没有很好的故事可讲，但是ChatGPT可能带来突破性的改变。
想象一下，当你的公司员工的每一篇文档，每一次会议记录，每一条员工的沟通记录都能沉淀成企业的知识库（其实像字节公司已经可以做到这样，只要加上大语言模型的能力，就可以瞬间完成转变），加上大量的专业的行业分析报告，当我们要启动一个项目的时候，完全可以在开会之前或过程中，唤醒企业沉淀的知识，ChatGPT只要加上一个ASR模块和TTS语音合成模块，开会的过程中，当讨论到历史公司做过类似项目有哪些，当前的行业现状如何，竞品公司的数据如何等问题是，直接向ChatGPT语音提问，它会根据企业沉淀的知识和专业的报告，给出准确的各种信息，甚至可以参与到讨论和建议当中，以后的脑暴会议，战略讨论会可能变得非常不一样，想想钢铁侠和贾维斯合作开发机甲的场景吧，它可能更像一个全知的助理，这样的合作场景，以后可能真的出现在我们身边。
沉淀企业数据的过程，其实就是企业在完成它自身的数字孪生，公司级别的助理可以帮助企业家将管理边界扩大到一线，帮助企业诊断问题，预判市场变化，只有唤醒这些数据，才能实现基于数据科学有效的驱动企业增长。
总而言之，这一次的改变可能会如同家用计算机普及一般，从无限的深度和广度改变我们的工作和生活，而且这一轮大概率比计算机普及快得多，因为这一波变革是在云端发生的，不需要依赖硬件的普及，而且AI的迭代速度会远超过之前硬件的接待速度，所以也希望大家可以心态开放的看待这个事情，尽早学习，尽早使用。不在在抱着“它不能xxxxxx”的心态，你会发现，你以为它不能的事情，它也许很快就能了，国际象棋，围棋，写代码，做设计….
学习资料：https://c2r9lywhzk.feishu.cn/sheets/shtcnmjarXziQpS65jDZ0XQ4v5e?sheet=7e00ac
专栏作家
田宇洲（微信公众号：言之有术），人人都是产品经理专栏作家，北京大学软件工程管理硕士，北京电信4年产品经理，负责B2B电商平台的前后端产品设计，擅长游戏化产品设计，挖掘用户画像。
题图来自 Unsplash，基于 CC0 协议