任何一个AI 事务的基石都是源自你对用户需求的了解和对 AI 涌现出什么的想象力

随着大模型运用高歌猛进，市面上频频流转一些AI从业者的入门课程，比如机器学习，深度学习，计算机视觉、prompt工程等，总体都倾向于理论层面的常识投喂。这跟前期企业招聘条件里要求「熟练运用Office三件套」，互联网产品司理肄业「Axure从入门到精通」一个道理。

但退后一步，你有没有想过，事务结合大模型才能的价值在哪？价值源自需求，因为被需要，所以有价值。但AI运用会不会是伪需求？风风火火一整年，究竟在解痛点还是蹭热点？

所有的商场必然走向成熟，从前的创新终将成为职业基准，从前的新需求也会成为商场一致。当商场成熟的时分，需求是公共的，产品都是同质化的；但是当商场刚起盘的时分，每个公司都在抢船票，你想稳定发挥，还是另辟蹊径？

任何一个AI 事务的基石都是源自你对用户需求的了解和对 AI 涌现出什么的想象力，其次才是你怎么把东西落实到场景体验的优化，以及怎么取得商场成功。

因此，在谈AI产品司理具体的实战和方法论前，有个命题更值得深思：什么类型的事务值得跟大模型结合？怎么甄别机会点，怎么过滤伪需求，减少非必要的投入？

注：操作体系的机会属于少数人，但软件运用的新机会属于更多人，故本文仅针对软件形态下的AI讨论。

一、机会识别：事务结合大模型才能的思路结构

创新永远是技术推进和需求拉动的组合。在新方案落地的进程傍边，对事务方针和需求的把控是最重要的。甄别真需求是事务的底线，打磨技术才能决议了你的事务上限。保底线提上限，二者缺一不可。

什么事务需要结合大模型才能，选什么方向，打什么牌？下面提供思路：

思路一：从「一体结构」扯开口儿

2023年，陆奇博士在奇绩论坛上提出一个新时代下“一体结构的演化形式”，宣称适用于任何杂乱的数字化体系，包括：

• 信息子体系：从环境中取得信息；
• 模型子体系：对信息做一种表达，来做推理和规划；
• 举动子体系：跟环境做交互，到达最终的目的。

图源自奇绩论坛

陆奇认为：

任何一个数字化的体系都是上述体系的组合：信息是媒介，是连接不同体系的原子；模型是在信息的基础上做了一层思考和表达；举动是你思考后与环境交互的体现。

而每一个数字体系都绕不开取得信息，表达信息，采纳举动解决问题的路径。