任鑫：如何用一思维玩转ChatGPT？
为什么有人能用AI降本增效，可当你想用AI取代员工降低成本时，却发现这是天方夜谭？
为什么有人能用AI告别内卷、解决枯燥重复性工作，而你的AI却只会一本正经地胡说八道？
人工智能正成为我们解决这些问题的重要工具。能够取代你的不是AI，而是比你更懂AI的人。
也许，你在本质上曲解了AI的用途。
针对以上问题，我们特意邀请混沌学园创新领教，京东前O2O副总裁任鑫老师研发了一套从底层认知出发，寻找AI时代创业方法论以及创新机会的系列课程，今天这节课，就是系列课的第一部分。
如何通过4个步骤编写高水平指令，让AI真正帮助您完成任务？
如何分解企业业务流程，让AI赋能员工而不是替代岗位？
如何实现个人数字转型，成为超级个体，增强职场竞争力？
以下为课程笔记： （篇幅所限，本文内容仅为课程十分之一，请前往混沌APP听完整课程！）
授课老师丨混沌学园创新领教，京东前O2O副总裁任鑫
编辑丨混沌商业研究团队
支持丨混沌前沿课
ChatGPT 不（仅）是什么
提到ChatGPT你脑海中呈现的是什么，是聊天机器人，搜索引擎，还是文字AIGC？如果这就是你对它的认知，你就忽略了它的本质。 它其实是自然语言交互（NLUI）的近通用人工智能（AGI）。
这一轮技术主要了不起在三个方面，第一会说话，第二能思考，第三会使用工具。
第一，会说话
自然语言交互（NLUI），简单来讲就是它听得懂人话，而且会说人话。
我们经历的每一次信息革命，本质上都是交互方式的革命。大家看《三体》，会发现叶文洁用大型机在纸带上打孔，后来我们用DOS写命令行，再后来我们用鼠标、键盘，用触屏。这一次， 自然语言是比触摸屏更加自然的一种交互方式。这会带来更大的应用场景、更多的使用人群和更深的使用深度。
第二，能思考
在美国各类考试中，它的成绩已经超过了绝大部分人类考生，至少现在已经达到了一个学霸的水平。但你会有疑问，GhatGPT是不是只会背题目？举个我自己测试的例子：
在第一个例子中，它没有被我的故意误导影响，而是充分地理解了到底什么是危急情况，什么是事情的轻重缓急。总之跳出了字面意义，给出一个建议。所以我觉得它背后的智能，已经可以明确地做一些“非结构化推理”。
在第二个案例中，它同样基于自己对于世界、常识的理解和推测来判断。
第三，会使用工具
一个朋友讲述了自己使用Plug-In（ChatGPT 插件）的经历。他问了GPT一道数学题目，让它绘制一个分形图案。ChatGPT不擅长数学，怎么办？它调用了一个叫做Wolfram的程序，这就叫使用工具。
神奇之处在哪？它调用这个工具，用错了十次。每次用错后，Wolfram会给它报错，说你语法错了，参数错了……GPT会根据反馈改自己的调用代码。比如第一次用方括号，第二次用圆括号……直到第十次，它画出了那幅图。我觉得非常震撼。
我们看到的，可能仅仅是自己对着手机说话，实际上现在工具和工具之间构成了一个新的网络，它们可以自由地协作了。这是一个非常惊人的图景。
最大的变化意味着最大的机会
所以，我想提醒大家，如果认为ChatGPT只是聊天机器人、搜索引擎、文字AIGC，就忽视了这一次人工智能最大的进展，在于它的知识水平和推理能力。
混沌的同学们都知道，我们一直在讲对世界的认知，塑造了我们看见的世界，也塑造了我们可能会看到的机会和挑战。对GPT的认知也是如此，把它看作近通用人工智能，才能够看到它真实的潜力。
这一波人工智能，它直接把实实在在的产品推到了我们每个人面前，哪怕它不再进步了，就已经停滞在现在这一秒，这个产品当下所蕴含的能力，也足以改变世界。
这是最坏的时代，也是最好的时代。如果我们坐在这里，被它挑战，这就是一个最坏的时代。如果我们提前去理解它，看见、用好这些机会，这就是最好的时代。
认识能力，任务替代降本增效
我们如何运用AI？它到底具备何种能力？
从数据上来看，在ChatGPT出现之前，人工智能在识别性任务上，早就超过了人类。ChatGPT出现之后，你会发现，它在推理，在解决问题，在抽象思考，在理解复杂概念方面，都已经达到或超过了人类水平。
红杉报告认为，在未来七八年里，在文字生成、写代码、画图，做视频方面，人工智能都将追上人类的水平。
利用美国和欧洲的职业任务数据，我们会发现，当前的工作有2/3在某种程度上都会受到AI自动化的威胁，而生成式AI最多可以取代当前1/4的工作。 把这个估计外推到全球范围，生成式AI有可能导致相当于3亿个全职工作岗位被自动化掉。
跟农业和工业革命的情景相反，高收入工作面临的风险更大，OpenAI和宾夕法尼亚大学把数据处理、信息服务、出版、保险这些行业列为风险最大，预计受影响最小的是食品制造业、木制品制造业，农业也很安全。
你可能会想，GPT的影响会那么大吗？它的技术目前有很多局限性。
我认为，这些问题都是工程上可以被解决的问题。大家可以提前做准备。 可以把GPT当作一个刚刚毕业，没什么社会经验的哈佛毕业生，去思考要怎么用它，这个角度是最准确的。
如何将 AI 嵌入工作流？
很多人都说“AI 写出来的文章，用户根本读不下去！”“AI 画出来的海报，甲方根本不接受！”“AI 做出来的活动策划，纯属套路！”
到底是AI有问题，还是我们有问题？
如果你没办法让AI产出你想要的成果，大概率问题出在两个方面，一个方面是你给它的任务指令不对，相当于有一个不会布置任务的老板。
第二种可能是任务本身不对，比如说你跟实习生说，帮公司多赚钱。如果他做得到，自己就去做老板了。你给他的任务不够明确，不够细化。
1）如何给出明确、细化的指令？
我会介绍四种方法，让你可以通过迭代提示词，让人工智能产出的成果更符合你的期待。
第一种方法，框架：
你可以按照框架给它一个详细的指令，把提示词写得详细一点，说明上下文（Context）、目标（Objective）、角色（Character）、输出格式（Output）、例子（Examples）……这个过程其实很像给新员工布置任务。
比如对你的实习生说，帮我写一篇公众号，你觉得他能写好吗？但如果你能够清晰地表达，公众号的定位是什么，平时是什么风格，最近可能结合的热点是什么，希望表达的点是什么，受众主要是谁，写这篇公众号主要是为了吸粉，还是为了大家懂一个知识，还是为了推销某个东西。把这些讲清楚，内容的质量就会好很多。
所以第一步不要嫌弃它，先想一想，是不是你给它的指令不够具体，不够清晰，不够完整。
第二种方法，插件：
有很多网站和插件、工具，可以帮你写提示词，也分享出了他们觉得有效的提示词。
我平时会用一个插件，叫做AIPRM，它提供了各类 ChatGPT 快捷指令。这些指令不一定完备，但你可以在此基础上进行二次创作，不用从零写起。
给大家看一个例子，我想做一个人工智能发展史课程，如果我自己写，大概就分成了四部分。用AIPRM给我的提示词，你就会发现GPT给我的大纲分成了更细的模块，课程目标，真实案例，课堂活动，讨论问题，学习目标，视频脚本，至少在格式上，有很高的参考价值。
第三种方法，魔法：
用魔法打败魔法，让GPT帮你写给GPT的提示词。你可以跟GPT讲，我要做这样一件事，如何给出提示词，才能让你最有效地产出？如果你觉得里面还缺什么信息，请你向我提问，我把这些信息补全，你再帮我生成一段包含这些信息的提示词。
这时，它会向你追问，你的目的是什么？前因后果是什么？要的风格是什么等等，回答完这些问题之后，它会总结出一段提示词。
第四种方法，迭代：
不要指望你的提示词一次成型。应该写出来、发过去、看结果。比如，你觉得结果不够有创意，就把创意作为提示词加入进去。每次给它一个提示词，对比你想要的结果，找到中间的差距，迭代反馈。
可能你会说，有这个时间，还不如自己写算了。但自己做活动策划，写文章，营销方案，日复一日，下次还要自己上手。今天你用两小时得到一段提示词，下次就可以复用。可能只需要10分钟，就能写好一篇文章，一个活动规划，是不是很划算的一件事情？
2）如何布置明确、细化的任务？
如果AI没有产出你想要的成果，也可能不是你给GPT的任务没布置清楚，是任务本身就不对。比如一家公司要引进人工智能，脑子里面浮现的通常是一个组织架构图，想的其实是哪个岗位可以被人工智能取代。那你会发现哪一个岗位它都取代不了，它不够完善。
我们应该换一个思路。在任何一家商业组织，创造价值的其实是工作流，工作流当中有非常多的任务，这些任务对应特定的技能，技能属于某个岗位所有。
所以， 不要思考AI可以替代哪个岗位，而是要思考它能完成哪个任务。
去特斯拉的厂房看，有些机器人在敲锤子，有些机器人在装玻璃，每个机器人都不能单独造出一台整车，但每一个机器人都在流水线上承担了一部分任务。
我们现在要做的事情，就是把原来的工作，拆成一个人机协作的流水线。把原来的岗位敲碎成一系列的任务，然后去看AI具备哪些技能，我应该把哪些任务交给AI。
一思维：从组织优化到工作流程优化
回到最底层的认知来思考，如果你认为AI可以帮我做组织优化，那你思考的往往就是AI替代掉人。但你会发现，AI现在并不具备完整替代某个岗位，某个人的能力。
当我们换一种底层的思考，不是优化我的组织，而是优化我的工作流程。不是具体地替代某个人，而是去思考工作流里面有哪一些具体的任务是AI能做的，你看到的机会更多一些。
举个例子，比如写一篇混沌学园公众号，你发现它没有办法取代你那个写公众号的同事，这很正常。
但如果把这件事拆解成一个工作流，你会发现写公众号其实是由很多任务组成的。找灵感，选题，组织框架，写作，完善，发布，把它分成六步之后，你就会发现AI能够做点事情了。
比如你就可以告诉它，混沌学园公众号有什么特点，写作的目的是什么，有关的热点是什么。要求GPT给出100个结合热点的选题灵感。你就会发现，有一个还挺有意思。
那么，根据这个灵感，可以让GPT找到50个可选的题目。根据题目，给出5个大纲。再请它根据大纲展开写一篇长文。把里面觉得通顺的、好的内容留下，改成一篇通顺的文章。再优化文字，增加风格等等，最后润色发布。
它没有一次性帮你写出一篇文章，但在每一个环节都帮你打开了更多的思路，帮你做出了1%的好选择，一步步走下来，就像一个人机交互的流水线。
把任务拆解成好多子任务，你会发现每一步AI都可以帮上忙，这时你的流水线才能够做到人机协作。
再给大家举一个设计方面的例子，如何给甲方做一个五彩斑斓的黑？
你会发现，设计的工作流程，也是灵感、概念、草图、确认、调整、交付。甲方的需求往往不明确，你的设计师其实有一半时间，用来出各种各样的草图，把大量时间浪费在跟甲方沟通当中。AI可以在沟通环节当中，极大地节约我们的人力，提高我们的效率，节约我们的时间。
假设甲方是做雨伞的公司，这就是我做出来的五彩斑斓的黑。我用4分钟时间做了16幅图。甲方可能告诉我，第7幅更符合需求。我就照着第7幅，再去出类似于16幅给他。
如果没用到AI，这个交流过程可能需要几天。但现在可能10分钟就交互完了，哪怕最后的成品，完全没有用到AI，仅仅用AI来了解他的意思，也显著地提效了工作效率。
网易分享了自己使用AI优化工作流程的真实案例：
网易严选用Midjourney生成概念草图，大量地节省打样的时间。比如做一个花瓣造型的工学椅，用AI来做，一定无法直接做出成品，但AI生成的图片，远胜于模糊的语言表达。极大方便了大家的讨论，节省了大量的时间。
网易互娱ASAK团队分享的AI使用流程，我觉得特别有代表意义。下图左边的8幅图都是Midjourney生成的，一个女生抱一个魔法球，旁边有狼的元素。但这些要素完全没有呈现在成品海报上，主要用于内外部沟通。
在下面这张海报中，光柱效果，古堡效果，是设计师用Midjourney做出来让甲方确认的，随后进行了调整拼接。
这两张成品图上，有人的创造力在，又有AI的帮助。这些案例中AI做的不是成品，而是模块，人类的创意体现在模块的生成，合理地组装，最后的润色和呈现。
所以 不要因为AI做不了完整的成品，就说它没有价值，就说AI不能帮助我们降本提效。
网易智企的CEO说，“我们尝试在充分利用 AIGC 的情况下，测算企业微信客服这个新产品 Go to marketing 所产生的交易成本。在一些重要环节达到 20%—70% 的效率提升，最后估算整体节省交易成本约 20.7%。”
AI它取代的不是岗位，而是帮我们完成任务。 我们要诊断自己的关键业务流程，把它拆解成具体的子任务，诊断、分解、评估、实验和迭代。
······
篇幅所限， 本文内容仅为课程十分之一。
理解本质，流程再造创新价值
不仅如此，随着人工智能技术的进一步提升，随着我们对它的理解加深，随着我们用得越来越好，还可以进一步思考降本增效的方式。
要充分地把AI的生产力释放出来，不能用老瓶子来装新酒，需要从零开始构建整个生产的流程和我们的工作流。
员工：根据新生产力，重新定义工作
每一位员工不光要学习如何使用AI工具，也应该转变自己做事的视角，像老板一样工作。你现在具备了一个AI员工，帮你写文案、写稿子、做广告创意、画图、写代码。
如果还像原来那样工作，就是在跟AI抢饭碗。如果你像老板一样工作，所有AI都是在帮你打工。
现在人工智能把智力的成本下降了100倍，原来需要1000万才能雇到的团队能力，妥善使用人工智能，用10万块钱就能够做到，你为什么不能是老板？
哪怕你还在一家公司打工，也应该用老板的心态去想，如何雇佣好这些性价比更高的AI员工，让我的整体产出越来越大，然后去问老板要更多回报。一定要转换视角，转换角色。
组织：根据新生产力，重新定义组织
对于组织来讲，应该根据新的生产力来重新定义组织，要具备先进的思想。
如果把AI硬塞入原有的流程里面，那其实就是用老瓶子在装新酒，一定有用，但不一定能够充分发挥AI的实力。
要回到第一性原理出发，忘记现有的流程框架，忘记现有的工作流，根据AI的具体能力，根据AI的优劣势，来重新思考，重新设计AI的任务。
根据成果，重新设计流程
比如网易严选分享的案例，如果用AI来拍模特照片，拍版权照片，它能做的事很有限。但买照片的目的是什么？是为了网页上有图片可以用。
网易严选，需要品牌调性图，商品摄影，材质特写，模特换装，这些图片是不是还要走原来的流程去采买，去拍摄呢？
有了AI之后，你会发现好像不需要了。原本需要很多空景图来体现网易严选的商品格调，这些图片现在都可以用Midjourney来生成。
所以，我们也 不一定要把原来的流程拆散之后，去思考如何用AI小修小补，也可以根据成果来反向推导如何用AI搭建新流程。
根据能力，重新设计组织
除了根据新能力重新设计流程，我们也可以根据新能力来重新设计组织。
网易智企CEO分享了一个案例：一个员工，有一种特殊的截图需求，市面上的软件做不了。他用GPT花了两个小时，做了一款软件给自己用。
在传统公司，设计师有产品的需求，要提需求，公司还要排期，技术再去研发。如果这个需求只有你一个人有呢？你觉得排得到吗？
现在，AI给每一位普通的员工都配了一个编程助理，一个文案助理，一个设计师助理，配了一支团队，他完全可以靠自己就能搞定需求。原本每个人都只具备专业能力，现在每个人都有了自己的一支队伍，都成了多面手，组织是不是应该重新设计呢？
2005年毕业以后，我就没有写过代码，但现在GPT在10分钟以内，就帮我写了两个版本的五子棋游戏。
未来，每个人都会有这样一个编程助理。 这不仅是减少了原有工作量，而是原来很多根本得不到满足的需求，得到了满足。组织效率可以得到极大的提高。
说到这里，大家可能会想，这对人的要求太高了，不一定每个人都能做到。那么有一个偷懒的，更符合人工智能时代的方法，你可以把“思考”也外包给人工智能，让人工智能互相合作，来帮助你完成事情。
比如，网易分享的案例，设计师要设计一个高级图标，如何定义“高级”这个概念呢？他问GPT，如何设计图标让用户觉得更高级。GPT给了他很多建议，他从中摘取关键词，比如有质感、黑色、金色。把这些词给到Stable Diffusion，SD按照ChatGPT给的建议，画出图案。
所以，你可以让AI和AI之间协作，进一步地放大它的产能。它迸发出来的生产力会远远大于我们的想象。
网易还分享了如何用AI制作分镜图，原本耗时几天，需要高级设计师的图，现在画出来非常容易，文案可以由GPT生成，图由Midjourney绘制。充分地用好了AI，产生了好的效果。
如果每个人都是一支队伍，原本公司里泾渭鲜明的部门划分，营销、设计、研发，需要分得那么清楚吗？我有一个小工具的需求，应该自己把它写掉，还是走一遍大流程？哪一种才是最有效的？
重新定义人才
所以在这种情况下，其实我们应该重新定义人才，重新定义组织，全部重新定义。
原来的人才是什么？专业性强的人就是人才，我们要像施瓦辛格一样，苦练自己的专业技能，把自己的肌肉块练得大大的。
未来的人才其实不是这样的。 大家都穿着装甲，跟AI一起打仗。会穿盔甲，会把盔甲的功能用到最大，会用多种多样的盔甲，甚至可以让自己的盔甲里面的多种武器相互配合的，才叫做人才。
重新定义团队
为了适应这种人才，我们也要重新定义团队。如果每一个人都是超级英雄，我们未来的组织就不应该是科层式的组织，明确地安排员工做事。你应该招到最好的人，给他最大的空间，甚至不是招到，而是合作到、协作到，组成一个松散的组织，有事儿的时候相互配合，没事儿的时候各干各的，这可能才是未来更适合的一种形态。
在《复仇者联盟》中，每个人都是超级英雄，每一个人有自己的大电影，有自己的世界，要去打灭霸的时候，大家又可以分工合作，组织起来，这可能才是未来最好的一种组织形态。
一思维：工作流优化到生产力优化
所以，我们的认知是需要不断地深入的，仅仅把AI看作是工作流的优化的工具，整体的流程，其实不会有大的变化，只会有小的优化。
当你认知的底层是工作流优化，你考虑的点就是在原有的工作流里加入AI。
当你认知的底层是生产力优化，你考虑的点是如何把最高生产力的要素放足，思考去匹配什么科技，文化，流程，组织。从这个角度，我们看到的机会更多，抓到的机会也就更大。
······
篇幅所限， 本文内容仅为课程十分之一。