你是否有一种感觉，近两年AI产品越来越多？大型语言模型公司也逐渐不再强调自己模型的参数数量，而是将模型转化为实际应用。
各种AI工具的涌现，让人们开始关注具体场景下的AI能力。例如，使用AI绘画、写作、搜索信息、制作思维导图，甚至修改文件。表面上看，AI已经成为日常生活的一部分，被广泛使用。
然而，现实情况并非如此。不久前，我收到朋友发来的信息，询问我是否有好用且推荐的绘画软件、制作PPT工具或语音转文字软件。看到这些信息，我不禁产生疑问：既然有如此多的AI工具，为什么还要询问别人呢？
事实上，许多人并没有真正使用自己的AI工具，或者说，工具并没有真正融入工作流程。他们在产品刚发布时尝试了一下，就再也没有使用过。
为什么会出现这种情况呢？我认为，**关键在于对“期望、需求、工作流”三者关系的把握**。
你猜今年发布了多少个AI工具？
我询问了几个AI，但都没有得到确切的答案。不过，我找到了以下信息：
斯坦福大学人工智能研究所（Stanford HAI）发布了《2024年人工智能指数报告》。报告指出，去年出现了51个知名的机器学习模型，此外还提到，2023年共发布了149个基础模型。
你可能想知道，这些模型能应用于多少种应用？
我咨询了ChatGPT，它告诉我像GPT和BERT这样的模型，理论上可以应用于上千种不同的应用和任务。豆包的回答则是几百个。因此，我也不敢轻易下结论，但你可以想象一下，现在的产品应用空间有多大？
然而，面对如此多的工具，你实际上会在电脑上下载并记住多少呢？也许很少，只有印象分罢了。
许多人对AI期望过高，使用一次觉得不满意就放弃了。特别是刚接触AI的新手，往往认为AI能完成他们无法做到的事情。
例如，有些人写作能力较差，希望AI能直接帮他们写出一篇完美的文章；我自己也曾有过类似的误解。
之前，我需要为一个客户制作PPT，一心想要让AI一键生成，还特意开通了一个月的会员。后来发现，AI生成的效果不如我自己动手制作的好。
实际上，这是一种误解。**AI更像一个“倍增器”，它能增强一个人已有的能力。如果基础为零，无论怎样放大，结果仍然是零。**
前几天，一个朋友需要在会员日给50多个客户发送礼品。
公司运营同事将所有客户的地址信息整理好，放在Excel表格中。但是，当他需要将信息发送到仓库进行发货时，遇到了问题。
仓库有自己的专业系统，需要将信息的格式更改为系统要求的模板。他就找到我，希望我推荐一款软件。我告诉他，许多AI都可以做到，只需要给他提供所需格式的指令即可。
我给他推荐了一款软件，但他折腾了一上午，仍然没有找到合适的解决方案。所以，许多人希望完全依靠AI来解决问题，期待不用自己动手就能得到完美的结果。
实际上，AI只是一个工具。它确实可以帮助我们，但前提是我们也要做好准备。临阵磨枪想着依赖工具是无法得到想要的结果的。
说完期望，接下来聊聊需求。
什么是需求？
当你想要通过某个工具或功能解决问题时，这个过程就是需求。许多人面对AI却无法明确表达自己的需求，主要是因为他们不了解AI。千万不要以为这是一个简单的问题。
这里有三个方面：**第一，AI技术对许多用户来说是新颖且复杂的，我们可能不清楚AI能做什么，也不知道它的局限性在哪里。**
AI需要我们提供明确、具体且有条理的指令才能正常工作。然而，人类喜欢用自然且含糊的方式交流。这种方式会导致**第二点：AI只会疯狂输出。**
要明白，目前的AI还不能自己创造东西，它处理的是庞大知识库中已有的信息。如果没有具体的背景信息，AI只能根据你的每一句话的意思来回答。
例如，当你和朋友在一起时，你可能会问：“今天吃了吗？”虽然你没有具体说明是上午还是下午，但在那个特定的情境中，你的朋友可以理解你的意思。
这个问题“吃了吗？”通常都会得到一个预期内的答案。
很明显，人类交流包含了情感、上下文的依赖和个人的偏好等非量化因素，这些因素很难通过简单的指令传达给AI，AI无法感知细微的内容，所以，它的预测能力和准确性常常受到限制。
**还有一点：市面上将AI能力限定在一种固定的模式中。**
这是什么意思呢？
例如，KimiChat、豆包这样的工具，如果让它们处理一个任务，比如上传一份文档，生成思维导图或做个总结，它们只会给出回答，不能像人一样回问你。
但AI搜索类工具有所不同。当你提出一个问题时，它们会反过来问你几个问题，这样做的目的是迫使你更深入地思考问题，这种效果反而挺好。
前几天，朋友吐槽：他想让AI帮他写几个文案。问来问去，AI就是没有给出满意的答案，他觉得AI太笨了。当我问他具体怎么提问的时候，他说他只说了，“你帮我写几个文案，我要用在哪哪哪”。
想想看，我们在工作时，领导给你布置任务，如果没听懂，肯定会说：“领导，能换种说法再说一次吗？我没懂。”但AI做不到这一点，它只能理解后直接告诉它理解的内容。
所以，如果你想要AI写出特定风格的文案，最好的办法是先给AI看几个类似的例子，让它学习一下。它学会之后，才能帮你生成想要的内容。
或者，你可以这样指示AI：“我想写几个文案，你能先问我一些问题吗？比如我想要什么样的文案，我的背景信息是什么，要用在哪里？”
你和AI都无法做到这一点，容易造成第三个问题出现，即：**推理能力变差**。
为什么会这样？
我认为，AI语言推理能力其实不差。像Kimi、豆包、做长文本模型的产品，对话字数在10万到20万字内都能应付自如。
这意味着，只要对话内容不超过字数限制，AI可以和用户进行无限轮的对话。如果你觉得它的能力差，关键问题可能是：自己没有表达清楚。
想想看，如果一会儿说它说得很好，一会儿又说不对，那AI怎么能搞清楚你到底需要什么呢？最后，对话就变得乱七八糟了。
因此，为了避免这种情况，要从心底认识到：**要试着将需求表达清楚。**
如何将需求表达清楚呢？
答案是：通过工作流。
什么是工作流呢？
完成一个任务或项目所需要经过的一系列步骤或活动的顺序。它帮助我们把复杂的工作分解成一步一步的具体操作。
例如，你在一家公司负责处理订单。一个典型工作流可能包括：接收订单、确认库存、打包商品、安排发货、发送发货通知给客户。每一步都有明确的指示和顺序，确保整个订单处理过程既清晰又高效。
理解你的工作流，能在实际操作过程中帮到你的理想AI就属于AI agent。比尔·盖茨提到的AI agent，他说**AI agent是一个能够与你对话，了解你的生产线特有需求的超级机器人**。
它不仅可以帮你自动完成任务，还能根据你的业务环境来个性化调整生产流程，使得整个生产线运行得更加高效和顺畅。
我认为，关键就在这里。为什么呢？
现在市面上许多AI产品的目标是正确的，实现通用AI agent之路，解放双手，将繁琐的事情交给AI处理。但方法有问题，现在如果建一个AI代理，它只会对话，做不了其他的事。
**工作流是横向的，目标是竖向的。**就像前面提到的例子，从接收订单到发货，这是一个竖向的最终目标。
过程目标是什么呢？尽可能地标准化每个步骤，比如接收订单要先做什么，然后做什么。只有明确步骤，我们才能减少不必要的麻烦。
再比如说，你想让AI帮你写一本20万字的小说。从主题创意、角色塑造、设定世界观、制定大纲、生成每章初稿等，都是步骤。
主题创意、角色塑造都是横向工作，如何标准化横向工作，需要你自己来梳理。梳理完毕后，才能交给AI按照固定流程来操作。
如果一开始就想一口气搞定纵向问题，很难做到。显然，如果没有将AI真实地融入工作流和业务场景，就难以有效地使用它。
**因此，一方面，我们要对自己的工作流程有一个全面和清晰的了解，包括哪些任务重复性高、耗时长，以及哪些过程可以交给AI来处理。**
千万不要把AI当作新来的超级英雄助手，期待它像超人一样解决所有问题，这不现实。但看起来，现在所有的AI代理都想这么做。
**另一方面，分步骤、模块化地处理问题至关重要。**通过这种方法，才能有效地开始利用AI，否则很容易回到传统的工作流程中。
因此，AI产品的使用频率与个人工作流程紧密相关。
对于AI产品公司而言，需要思考如何将产品有效地融入个人的工作流程中；而对于个人而言，则应努力探索如何对横向工作进行标准化操作程序（SOP）的制定。
我如何运用AI进行SOP化的实践？
主要有以下三个方面：
一、工具使用。
我一直坚持“不折腾、重器轻用”的原则。加尔定律（Gall’s Law）说过，任何能正常工作的复杂系统，都是从一个简单的系统演变来的。
市面上的AI产品，不是界面超简单，就是功能超多。我个人的选择是，只用它最擅长、最实用的功能，将这个功能融入我的工作流程。
二、任务处理。
我经常外出见人。有时候，聊天中，朋友们会分享一些业务上的想法。
我会下意识地问他们：“这段话讲得真不错，我能录下来吗？等会儿整理好后，我把文字发给你。”这样一来，自己能学到很多东西；二来，朋友们也很高兴我帮他们整理，所以，我经常用录音软件。
你可能不信，我用苹果手机自带语音备忘录。虽然简单，但足以收集信息。回到公司后，我就把录音交给其他工具处理。这一个小小的行为，给我带来巨大能量。
说到底，我们每天都有很多大小不一的任务需要处理。关键是要考虑，哪些环节可以交给AI来做。
不过，我还没有找到一款很方便的应用，可以直接把长时间录音并转换成文本。如果有，我肯定会是第一个付费用户。
还有一点，以前我经常记录灵感，那些突然冒出的想法会快速写进笔记软件。现在想想，市面上这么多AI产品，怎么还没有一款能直接说话，马上转成文字保存的笔记软件呢？
或者说，笔记软件加上AI功能，为什么没有考虑到这种用户场景呢？值得进一步探索。
三、过程优化。
我做项目PPT时，有五个步骤：先定个框架、准备内容、选个模板、优化素材，最后生成文档。
整个过程中，一般让AI帮忙处理框架部分。有时我用在线文档的AI一键生成框架，有时候也会用其他软件；围绕框架，会整理出关键知识点，这个步骤可能需要两种软件配合完成。
至于模板，很多办公软件里有现成的，我会直接下载，然后清除里面不必要的内容。最后文档生成，我会把模板、内容统一上传到AI PPT相关的软件中，一键完成，之后再润色。
所以，这就是我的工作流，不同任务需要不同软件和流程来完成。
因此，我认为，AI产品黏性差的原因有很多。其中产品没有找到核心优势，是公司视角；至于个人视角，那就是：工作每一个环节都要标准化。
总结
期望、需求、工作流是三个重要的因素。
希望你能找到自己的方法，将理论落到实处，才能有的放矢。
