 图片来源：由工具生成 来源： 作者：唐露尧 原标题：《我向这位CTO提了三个AIGC问题》 ChatGPT的爆火、AIGC新技术的出现，正在掀起一场全新的行业变革大浪潮，它对未来商业的变革、对未来岗位和职业的影响将更为广泛和深刻。 见实前不久发起主题为《AIGC冲击、变化和想象》的新白皮书撰写。本文便是来自撰写过程中的一次深度对话，电话的另一端是行业某头部广告营销公司CTO 许楠，深聊中，许楠指出了AIGC对个人、企业以及行业的冲击与影响，并回答了三个AIGC常见问题： 一是，企业怎么落地。市面上充斥着大量的AIGC商业产品，许楠特别关注到“企业自有模型”的做法，他认为，建立品牌自由模型难度大，成本高，品牌要想真正把Chat GPT用在实战中，其实通过向量数据库建立一套过滤机制更好。 二是，我会不会被替代。AIGC能力将成为未来职场的通用能力，正如Office那样，未来的区分就是“会用AI”的人替代“不会用AI”的人。 三是，行业将去向何方。正如现在如火如荼的“企业数字化转型”那样，“企业AI转型”将成为行业未来新的风向标。 历史一次又一次证明，效率更高的组织在持续打压效率更低的组织。无论是个人还是企业，AIGC爆火都给整个行业带来了前所未有的危机感。 由于白皮书尚未发布，遂嘉宾我们作匿名处理，正式发布时，将在白皮书内公布。也欢迎大家与见实联系并参与《AIGC冲击、变化和想象》白皮书的内容共创中来，分享您对于AIGC技术所带来的新岗位、新工作和新服务的看法和建议。接下来，让我们回到对话现场，听听许楠的AIGC思考，如下，Enjoy： 01、企业怎么落地？建立品牌自有模型并不究竟见实：回过头来看，AIGC对品牌的图文、直播、短视频等内容生产会带来哪些影响？ 许楠：图文AIGC是最直接的冲击，而短视频AIGC的应用才刚刚开始，如，抖音剪映直接输文字，就可以帮你拼凑出来一条短视频，节奏还是不错的，只是还需要不断精细化和调优，下半年或者明年初可以看到直接商用化的成果。 直播AIGC更多是在谈虚拟人直播，绝大部分应用是在本地生活领域、才艺主播或者口播主播领域里。 虚拟人直播有两个常见问题：一是虚拟人和商品互动问题；二是虚拟人设问题，观众其实很轻松就可以辨别出主播是否是虚拟人，所以直接开诚布公和观众坦白，这是一场虚拟人直播即可，核心要看品类，如果商品是日用品且以价格折扣为主导，那虚拟人反倒更合适，可以大大降本增效；如果卖更加复杂的商品，比如，小家电或服装，需要展示衣服实物细节，这时就需要真人出镜了。 总得来看，品牌的跟进更多是创意营销思路，可以把它理解成一个更接地气的元宇宙，但这种做法只能在短期内带来流量的围观。 见实：行业中常见的帮品牌打造用户内容“小模型”，还要多久才能够实现？ 许楠：自建模型难度是有多，如果你真正去了解品牌商，就会发现，绝大部分品牌商或许不用自己来搭小模型，大模型就可以支持。 如，大模型足足400T的内容数据，基因序列都能准确的预测，且准确率高达90%以上。 而让品牌犹豫的隐私问题也是一个伪命题，尤其是消费品行业，其实不存在特别隐私的部分，如，品牌希望GPT对客户讲化妆品的配方和产品公布的配方一致，但不透露核心专利配方或者化学方程式之类，然而用户根本就不关注背后的化学方程式是怎么得来的。品牌唯一能做的就是不公开不愿公开的信息，一旦公开就能被检索到，无非是精准度和效率问题。 如果非要控制和筛选GPT的回复，其实提前配置一个数据库充当过滤器的做法就挺好，这个过滤器会帮品牌判断这个问题应该传递哪些信息，在这个场景上面能给还是不能给，这个数据库是一个向量数据库，建立起来非常容易。 见实：数据在品牌开展AIGC的进程中起到怎样的作用？ 许楠：AIGC 作为效率工具，现阶段不需要品牌提供历史积累的数据，我们无非就是把自己想做的事情转换成一条“文字指令”给到GPT，然后它来生成一个满足我们要求的内容，真正到数据反哺AI还是下一阶段的事。 未来如果真要做垂直行业的AIGC，可能就需要客户提供更多细分领域的内容了，如医疗、健康、药品的推荐， 用AIGC还是很难实现的，这就需要把历史上所有使用这个药的相关案例全都喂到AIGC里，同时，再建立一整套反馈系统，建立答复标准，这时可能就需要创建两个AIGC角色，通过AI与AI之间的对抗式问答辅以人工筛选来打造垂直行业AI。 02 、我会不会被取代？“会用AI”的人替代“不会用AI”的人见实：Chatgpt的产生对不同岗位造成了冲击，你觉得有失业焦虑的必要吗？ 许楠：我觉得没必要，首先，不存在接入新技术就得进行大规模裁员，这一个自然淘汰的过程，如，会用 AI的员工一天可以写50篇文章，不会用的一天只能完成1篇，达不到正常标准的员工自然就会被淘汰。 如果拉长历史时间线看，过去电脑和office刚出现时，很多人也担心会不会被替代，因此，不掌握AIGC的人会被替代，掌握的人则不会被替代。 假设通过内部培训让所有员工都懂得如何使用AI，那公司的产能就会非常高，同时也就具备了抢占更大市场的优势。但是，我们还忽略了两个关键点： 一是，行业市场有上限，不可能一家独大。只是会有新的增长逻辑，核心看企业高层是选择在一个行业里做深做强，还是往上下游和产业链延伸，开拓业务的第二增长曲线。 二是，新技术离商用还有一段距离。在注重强逻辑的领域，AI并不一定擅长，如策划策略、商业策略、金融预测等问题，虽然GPT能给你一些策略，但这个策略是不是被现实环境所验证，是否符合现状，都是有待论证的。毕竟它的数据是固定的，2021年以前的数据显然已经过时了。 那什么行业又会被AIGC颠覆呢？内容创意行业首当其冲。不管是文案、图像还是视频，AIGC越来越接近我们的工作预期，因此，在内容创意岗位的人应尽早拥抱 AI ，让它成为你的效率工具。 见实：在 AI 的影响下，未来会新增哪些新职业，你现在有接触到或者有听到过吗？ 许楠：提示词工程师最近比较火，但也只是未来3年左右的阶段性岗位，未来指令会越来越简单，且朝着交互式方向演进。 一方面，GPT 3.5已经实现初步可交互，当我让他策划活动时，它会反问“你的活动信息太少，能不能再告诉我你的品牌或者产品或者市场面临的情况，我再帮你继续写东西。” 另一方面，最新的Auto GPT在交互方面更加智能强大，不仅具备对历史问答的记忆能力，还可以按照不同角色的决策方式采取对抗式验证。 同样是营销活动策划，Auto GPT会根据营销活动背景自动创建多个虚拟角色。首先，基于CEO的决策方式对营销方案提出建议，再将反馈意见唤起营销策划的人物角色进行修改，修正完后再从财务视角判定方案漏洞，整个过程完全不需要通过人工来反复调整提示词。 见实：从技术的角度看，AI 未来是否会降低创业门槛，有更多 AI 类或数字化创业的机会吗？ 许楠： 我个人觉得AI 的出现其实是减弱了技术创业的可能性，互联网创业公司的产品其实非常趋同，且未来的代码能力，还可以通过类似GPT的大语言模型自主去完成。 因此，小型创业公司很难去做自己的核心AI模型，核心能力肯定是由大厂提供。未来，可能只有两种公司有机会：一是有钱有资源的大公司，二是研究型创业公司，有权威专家加持。 未来的创业并不是往底层 AI 能力的方向走，而是往 AI 和行业的深度结合方向发展。卖系统本身的能力，未来只会慢慢集中在大平台或产业手里，大多数创业者的机会存在于能被AI改造的各个细分行业中，正如现在“企业数字化转型”的刚需一样，未来“企业AI转型”依然具备很大的市场刚需。 03行业去向何方？从“企业数字化转型”到“企业AI转型”见实：目前国内技术接入的成本有新变化吗？ 许楠：GPT3.5可以稳定输出简单的文案和策略制定，大概相当于17岁人类的智商，使用成本较低，1000个token（指令）大约只需0.012美分；如果对创作要求较高，可以用GPT4，收费大约是GPT3.5的10倍，肯定比人工更便宜。 见实：国内GPT屡被封杀，是否意味着国内AIGC产业在落地上会面临更大的挑战？ 许楠：封杀只是针对大型企业制衡策略，大公司的商业化与规模化访问需要层层授权，未来国外可能也只对国内巨头公司开放GPT3.5的能力，但也不会全封。 在实际应用中，GPT接入后的效果并不稳定，商业化应用是有风险的，真正落地还是要看国产大模型能否提供一个稳定可靠的应用环境。 见实：企业之间的信息差或技术差上逐渐被抹平，未来的公司经营会呈现怎样的状态呢？ 许楠：这个问题值得深度思考，传统的应用形态无非是ERP、 SCRM营销工具、营销活动、企业财务系统等，这些系统最核心的作用是帮助企业提升业务流、工作流以及后台处理的效率。 如果这些功能模块有一个具备“通用性能力”的AI协助处理时，前端应用就会极度简单，数据可实现自动收集，后端客户数据分析与客户分配也都可以交给AI，基本上可以满足企业需求。 当AI 程度越来越高时，基础决策性内容，事务性操作，需要用到的人力也会越来越少，一个团队里最后就集中在几个最核心的人在做整体决策，企业将变得越来越轻量化。 如，一个电商品牌的总部可能只有两个人，一个人负责GPT输出图文内容，另一个人负责商务和产品，一个以AI为中心的公司MVP模型可能就能跑通了。 见实：行业服务商会面临哪些新模式的变革，哪类企业又会在这波浪中最终受益？ 许楠：单看我们这个行业，当前绝大部分营销公司依靠高成本的人力赚取较低的毛利。而当新技术出现后，合作方式便转向了“策略+工具”的新模式。 未来我们或将会从一家“营销公司”发展为一家“营销科技公司”。营销公司的价值也不再是堆人，而是把时间放在更具有创造力的事情上，提供营销策略与咨询服务的同时，配合营销工具高效落地。 服务商企业将从一个低毛利空间的泥沼中挣脱出来，变成一个需要持续投入研发，通过技术取胜的营销科技公司。 本文链接： |
