爲什麽有人能用AI降本增效，可當你想用AI取代員工降低成本時，卻發現這是天方夜譚？
爲什麽有人能用AI告别内卷、解決枯燥重複性工作，而你的AI卻隻會一本正經地胡說八道？
人工智能正成爲我們解決這些問題的重要工具。能夠取代你的不是AI，而是比你更懂AI的人。
也許，你在本質上曲解了AI的用途。
針對以上問題，我們特意邀請混沌學園創新領教，京東前O2O副總裁任鑫老師研發了一套從底層認知出發，尋找AI時代創業方法論以及創新機會的系列課程，今天這節課，就是系列課的第一部分。
如何通過4個步驟編寫高水平指令，讓AI真正幫助您完成任務？
如何分解企業業務流程，讓AI賦能員工而不是替代崗位？
如何實現個人數字轉型，成爲超級個體，增強職場競争力？
以下爲課程筆記：（篇幅所限，本文内容僅爲課程十分之一，請前往混沌APP聽完整課程！）
授課老師丨混沌學園創新領教，京東前O2O副總裁任鑫
編輯丨混沌商業研究團隊
支持丨混沌前沿課
ChatGPT 不（僅）是什麽
提到ChatGPT你腦海中呈現的是什麽，是聊天機器人，搜索引擎，還是文字AIGC？如果這就是你對它的認知，你就忽略了它的本質。它其實是自然語言交互（NLUI）的近通用人工智能（AGI）。
這一輪技術主要了不起在三個方面，第一會說話，第二能思考，第三會使用工具。
第一，會說話
自然語言交互（NLUI），簡單來講就是它聽得懂人話，而且會說人話。
我們經曆的每一次信息革命，本質上都是交互方式的革命。大家看《三體》，會發現葉文潔用大型機在紙帶上打孔，後來我們用DOS寫命令行，再後來我們用鼠标、鍵盤，用觸屏。這一次，自然語言是比觸摸屏更加自然的一種交互方式。這會帶來更大的應用場景、更多的使用人群和更深的使用深度。
第二，能思考
在美國各類考試中，它的成績已經超過了絕大部分人類考生，至少現在已經達到了一個學霸的水平。但你會有疑問，GhatGPT是不是隻會背題目？舉個我自己測試的例子：
在第一個例子中，它沒有被我的故意誤導影響，而是充分地理解了到底什麽是危急情況，什麽是事情的輕重緩急。總之跳出了字面意義，給出一個建議。所以我覺得它背後的智能，已經可以明确地做一些"非結構化推理"。
在第二個案例中，它同樣基于自己對于世界、常識的理解和推測來判斷。
第三，會使用工具
一個朋友講述了自己使用Plug-In（ChatGPT 插件）的經曆。他問了GPT一道數學題目，讓它繪制一個分形圖案。ChatGPT不擅長數學，怎麽辦？它調用了一個叫做Wolfram的程序，這就叫使用工具。
神奇之處在哪？它調用這個工具，用錯了十次。每次用錯後，Wolfram會給它報錯，說你語法錯了，參數錯了……GPT會根據反饋改自己的調用代碼。比如第一次用方括号，第二次用圓括号……直到第十次，它畫出了那幅圖。我覺得非常震撼。
我們看到的，可能僅僅是自己對着手機說話，實際上現在工具和工具之間構成了一個新的網絡，它們可以自由地協作了。這是一個非常驚人的圖景。
最大的變化意味着最大的機會
所以，我想提醒大家，如果認爲ChatGPT隻是聊天機器人、搜索引擎、文字AIGC，就忽視了這一次人工智能最大的進展，在于它的知識水平和推理能力。
混沌的同學們都知道，我們一直在講對世界的認知，塑造了我們看見的世界，也塑造了我們可能會看到的機會和挑戰。對GPT的認知也是如此，把它看作近通用人工智能，才能夠看到它真實的潛力。
這一波人工智能，它直接把實實在在的産品推到了我們每個人面前，哪怕它不再進步了，就已經停滞在現在這一秒，這個産品當下所蘊含的能力，也足以改變世界。
這是最壞的時代，也是最好的時代。如果我們坐在這裏，被它挑戰，這就是一個最壞的時代。如果我們提前去理解它，看見、用好這些機會，這就是最好的時代。
認識能力，任務替代降本增效
我們如何運用AI？它到底具備何種能力？
從數據上來看，在ChatGPT出現之前，人工智能在識别性任務上，早就超過了人類。ChatGPT出現之後，你會發現，它在推理，在解決問題，在抽象思考，在理解複雜概念方面，都已經達到或超過了人類水平。
紅杉報告認爲，在未來七八年裏，在文字生成、寫代碼、畫圖，做視頻方面，人工智能都将追上人類的水平。
利用美國和歐洲的職業任務數據，我們會發現，當前的工作有2/3在某種程度上都會受到AI自動化的威脅，而生成式AI最多可以取代當前1/4的工作。把這個估計外推到全球範圍，生成式AI有可能導緻相當于3億個全職工作崗位被自動化掉。
跟農業和工業革命的情景相反，高收入工作面臨的風險更大，OpenAI和賓夕法尼亞大學把數據處理、信息服務、出版、保險這些行業列爲風險最大，預計受影響最小的是食品制造業、木制品制造業，農業也很安全。
你可能會想，GPT的影響會那麽大嗎？它的技術目前有很多局限性。
我認爲，這些問題都是工程上可以被解決的問題。大家可以提前做準備。可以把GPT當作一個剛剛畢業，沒什麽社會經驗的哈佛畢業生，去思考要怎麽用它，這個角度是最準确的。
如何将 AI 嵌入工作流？
很多人都說"AI 寫出來的文章，用戶根本讀不下去！""AI 畫出來的海報，甲方根本不接受！""AI 做出來的活動策劃，純屬套路！"
到底是AI有問題，還是我們有問題？
如果你沒辦法讓AI産出你想要的成果，大概率問題出在兩個方面，一個方面是你給它的任務指令不對，相當于有一個不會布置任務的老闆。
第二種可能是任務本身不對，比如說你跟實習生說，幫公司多賺錢。如果他做得到，自己就去做老闆了。你給他的任務不夠明确，不夠細化。
1）如何給出明确、細化的指令？
我會介紹四種方法，讓你可以通過叠代提示詞，讓人工智能産出的成果更符合你的期待。
第一種方法，框架：
你可以按照框架給它一個詳細的指令，把提示詞寫得詳細一點，說明上下文（Context）、目标（Objective）、角色（Character）、輸出格式（Output）、例子（Examples）……這個過程其實很像給新員工布置任務。
比如對你的實習生說，幫我寫一篇公衆号，你覺得他能寫好嗎？但如果你能夠清晰地表達，公衆号的定位是什麽，平時是什麽風格，最近可能結合的熱點是什麽，希望表達的點是什麽，受衆主要是誰，寫這篇公衆号主要是爲了吸粉，還是爲了大家懂一個知識，還是爲了推銷某個東西。把這些講清楚，内容的質量就會好很多。
所以第一步不要嫌棄它，先想一想，是不是你給它的指令不夠具體，不夠清晰，不夠完整。
第二種方法，插件：
有很多網站和插件、工具，可以幫你寫提示詞，也分享出了他們覺得有效的提示詞。
我平時會用一個插件，叫做AIPRM，它提供了各類 ChatGPT 快捷指令。這些指令不一定完備，但你可以在此基礎上進行二次創作，不用從零寫起。
給大家看一個例子，我想做一個人工智能發展史課程，如果我自己寫，大概就分成了四部分。用AIPRM給我的提示詞，你就會發現GPT給我的大綱分成了更細的模塊，課程目标，真實案例，課堂活動，讨論問題，學習目标，視頻腳本，至少在格式上，有很高的參考價值。
第三種方法，魔法：
用魔法打敗魔法，讓GPT幫你寫給GPT的提示詞。你可以跟GPT講，我要做這樣一件事，如何給出提示詞，才能讓你最有效地産出？如果你覺得裏面還缺什麽信息，請你向我提問，我把這些信息補全，你再幫我生成一段包含這些信息的提示詞。
這時，它會向你追問，你的目的是什麽？前因後果是什麽？要的風格是什麽等等，回答完這些問題之後，它會總結出一段提示詞。
第四種方法，叠代：
不要指望你的提示詞一次成型。應該寫出來、發過去、看結果。比如，你覺得結果不夠有創意，就把創意作爲提示詞加入進去。每次給它一個提示詞，對比你想要的結果，找到中間的差距，叠代反饋。
可能你會說，有這個時間，還不如自己寫算了。但自己做活動策劃，寫文章，營銷方案，日複一日，下次還要自己上手。今天你用兩小時得到一段提示詞，下次就可以複用。可能隻需要10分鍾，就能寫好一篇文章，一個活動規劃，是不是很劃算的一件事情？
2）如何布置明确、細化的任務？
如果AI沒有産出你想要的成果，也可能不是你給GPT的任務沒布置清楚，是任務本身就不對。比如一家公司要引進人工智能，腦子裏面浮現的通常是一個組織架構圖，想的其實是哪個崗位可以被人工智能取代。那你會發現哪一個崗位它都取代不了，它不夠完善。
我們應該換一個思路。在任何一家商業組織，創造價值的其實是工作流，工作流當中有非常多的任務，這些任務對應特定的技能，技能屬于某個崗位所有。
所以，不要思考AI可以替代哪個崗位，而是要思考它能完成哪個任務。
去特斯拉的廠房看，有些機器人在敲錘子，有些機器人在裝玻璃，每個機器人都不能單獨造出一台整車，但每一個機器人都在流水線上承擔了一部分任務。
我們現在要做的事情，就是把原來的工作，拆成一個人機協作的流水線。把原來的崗位敲碎成一系列的任務，然後去看AI具備哪些技能，我應該把哪些任務交給AI。
一思維：從組織優化到工作流程優化
回到最底層的認知來思考，如果你認爲AI可以幫我做組織優化，那你思考的往往就是AI替代掉人。但你會發現，AI現在并不具備完整替代某個崗位，某個人的能力。
當我們換一種底層的思考，不是優化我的組織，而是優化我的工作流程。不是具體地替代某個人，而是去思考工作流裏面有哪一些具體的任務是AI能做的，你看到的機會更多一些。
舉個例子，比如寫一篇混沌學園公衆号，你發現它沒有辦法取代你那個寫公衆号的同事，這很正常。
但如果把這件事拆解成一個工作流，你會發現寫公衆号其實是由很多任務組成的。找靈感，選題，組織框架，寫作，完善，發布，把它分成六步之後，你就會發現AI能夠做點事情了。
比如你就可以告訴它，混沌學園公衆号有什麽特點，寫作的目的是什麽，有關的熱點是什麽。要求GPT給出100個結合熱點的選題靈感。你就會發現，有一個還挺有意思。
那麽，根據這個靈感，可以讓GPT找到50個可選的題目。根據題目，給出5個大綱。再請它根據大綱展開寫一篇長文。把裏面覺得通順的、好的内容留下，改成一篇通順的文章。再優化文字，增加風格等等，最後潤色發布。
它沒有一次性幫你寫出一篇文章，但在每一個環節都幫你打開了更多的思路，幫你做出了1%的好選擇，一步步走下來，就像一個人機交互的流水線。
把任務拆解成好多子任務，你會發現每一步AI都可以幫上忙，這時你的流水線才能夠做到人機協作。
再給大家舉一個設計方面的例子，如何給甲方做一個五彩斑斓的黑？
你會發現，設計的工作流程，也是靈感、概念、草圖、确認、調整、交付。甲方的需求往往不明确，你的設計師其實有一半時間，用來出各種各樣的草圖，把大量時間浪費在跟甲方溝通當中。AI可以在溝通環節當中，極大地節約我們的人力，提高我們的效率，節約我們的時間。
假設甲方是做雨傘的公司，這就是我做出來的五彩斑斓的黑。我用4分鍾時間做了16幅圖。甲方可能告訴我，第7幅更符合需求。我就照着第7幅，再去出類似于16幅給他。
如果沒用到AI，這個交流過程可能需要幾天。但現在可能10分鍾就交互完了，哪怕最後的成品，完全沒有用到AI，僅僅用AI來了解他的意思，也顯著地提效了工作效率。
網易分享了自己使用AI優化工作流程的真實案例：
網易嚴選用Midjourney生成概念草圖，大量地節省打樣的時間。比如做一個花瓣造型的工學椅，用AI來做，一定無法直接做出成品，但AI生成的圖片，遠勝于模糊的語言表達。極大方便了大家的讨論，節省了大量的時間。
網易互娛ASAK團隊分享的AI使用流程，我覺得特别有代表意義。下圖左邊的8幅圖都是Midjourney生成的，一個女生抱一個魔法球，旁邊有狼的元素。但這些要素完全沒有呈現在成品海報上，主要用于内外部溝通。
在下面這張海報中，光柱效果，古堡效果，是設計師用Midjourney做出來讓甲方确認的，随後進行了調整拼接。
這兩張成品圖上，有人的創造力在，又有AI的幫助。這些案例中AI做的不是成品，而是模塊，人類的創意體現在模塊的生成，合理地組裝，最後的潤色和呈現。
所以不要因爲AI做不了完整的成品，就說它沒有價值，就說AI不能幫助我們降本提效。
網易智企的CEO說，"我們嘗試在充分利用 AIGC 的情況下，測算企業微信客服這個新産品 Go to marketing 所産生的交易成本。在一些重要環節達到 20%—70% 的效率提升，最後估算整體節省交易成本約 20.7%。"
AI它取代的不是崗位，而是幫我們完成任務。我們要診斷自己的關鍵業務流程，把它拆解成具體的子任務，診斷、分解、評估、實驗和叠代。
······
篇幅所限，
本文内容僅爲課程十分之一。
掃描海報二維碼，聽完整課程！
理解本質，流程再造創新價值
不僅如此，随着人工智能技術的進一步提升，随着我們對它的理解加深，随着我們用得越來越好，還可以進一步思考降本增效的方式。
要充分地把AI的生産力釋放出來，不能用老瓶子來裝新酒，需要從零開始構建整個生産的流程和我們的工作流。
員工：根據新生産力，重新定義工作
每一位員工不光要學習如何使用AI工具，也應該轉變自己做事的視角，像老闆一樣工作。你現在具備了一個AI員工，幫你寫文案、寫稿子、做廣告創意、畫圖、寫代碼。
如果還像原來那樣工作，就是在跟AI搶飯碗。如果你像老闆一樣工作，所有AI都是在幫你打工。
現在人工智能把智力的成本下降了100倍，原來需要1000萬才能雇到的團隊能力，妥善使用人工智能，用10萬塊錢就能夠做到，你爲什麽不能是老闆？
哪怕你還在一家公司打工，也應該用老闆的心态去想，如何雇傭好這些性價比更高的AI員工，讓我的整體産出越來越大，然後去問老闆要更多回報。一定要轉換視角，轉換角色。
組織：根據新生産力，重新定義組織
對于組織來講，應該根據新的生産力來重新定義組織，要具備先進的思想。
如果把AI硬塞入原有的流程裏面，那其實就是用老瓶子在裝新酒，一定有用，但不一定能夠充分發揮AI的實力。
要回到第一性原理出發，忘記現有的流程框架，忘記現有的工作流，根據AI的具體能力，根據AI的優劣勢，來重新思考，重新設計AI的任務。
根據成果，重新設計流程
比如網易嚴選分享的案例，如果用AI來拍模特照片，拍版權照片，它能做的事很有限。但買照片的目的是什麽？是爲了網頁上有圖片可以用。
網易嚴選，需要品牌調性圖，商品攝影，材質特寫，模特換裝，這些圖片是不是還要走原來的流程去采買，去拍攝呢？
有了AI之後，你會發現好像不需要了。原本需要很多空景圖來體現網易嚴選的商品格調，這些圖片現在都可以用Midjourney來生成。
所以，我們也不一定要把原來的流程拆散之後，去思考如何用AI小修小補，也可以根據成果來反向推導如何用AI搭建新流程。
根據能力，重新設計組織
除了根據新能力重新設計流程，我們也可以根據新能力來重新設計組織。
網易智企CEO分享了一個案例：一個員工，有一種特殊的截圖需求，市面上的軟件做不了。他用GPT花了兩個小時，做了一款軟件給自己用。
在傳統公司，設計師有産品的需求，要提需求，公司還要排期，技術再去研發。如果這個需求隻有你一個人有呢？你覺得排得到嗎？
現在，AI給每一位普通的員工都配了一個編程助理，一個文案助理，一個設計師助理，配了一支團隊，他完全可以靠自己就能搞定需求。原本每個人都隻具備專業能力，現在每個人都有了自己的一支隊伍，都成了多面手，組織是不是應該重新設計呢？
2005年畢業以後，我就沒有寫過代碼，但現在GPT在10分鍾以内，就幫我寫了兩個版本的五子棋遊戲。
未來，每個人都會有這樣一個編程助理。這不僅是減少了原有工作量，而是原來很多根本得不到滿足的需求，得到了滿足。組織效率可以得到極大的提高。
說到這裏，大家可能會想，這對人的要求太高了，不一定每個人都能做到。那麽有一個偷懶的，更符合人工智能時代的方法，你可以把"思考"也外包給人工智能，讓人工智能互相合作，來幫助你完成事情。
比如，網易分享的案例，設計師要設計一個高級圖标，如何定義"高級"這個概念呢？他問GPT，如何設計圖标讓用戶覺得更高級。GPT給了他很多建議，他從中摘取關鍵詞，比如有質感、黑色、金色。把這些詞給到Stable Diffusion，SD按照ChatGPT給的建議，畫出圖案。
所以，你可以讓AI和AI之間協作，進一步地放大它的産能。它迸發出來的生産力會遠遠大于我們的想象。
網易還分享了如何用AI制作分鏡圖，原本耗時幾天，需要高級設計師的圖，現在畫出來非常容易，文案可以由GPT生成，圖由Midjourney繪制。充分地用好了AI，産生了好的效果。
如果每個人都是一支隊伍，原本公司裏泾渭鮮明的部門劃分，營銷、設計、研發，需要分得那麽清楚嗎？我有一個小工具的需求，應該自己把它寫掉，還是走一遍大流程？哪一種才是最有效的？
重新定義人才
所以在這種情況下，其實我們應該重新定義人才，重新定義組織，全部重新定義。
原來的人才是什麽？專業性強的人就是人才，我們要像施瓦辛格一樣，苦練自己的專業技能，把自己的肌肉塊練得大大的。
未來的人才其實不是這樣的。大家都穿着裝甲，跟AI一起打仗。會穿盔甲，會把盔甲的功能用到最大，會用多種多樣的盔甲，甚至可以讓自己的盔甲裏面的多種武器相互配合的，才叫做人才。
重新定義團隊
爲了适應這種人才，我們也要重新定義團隊。如果每一個人都是超級英雄，我們未來的組織就不應該是科層式的組織，明确地安排員工做事。你應該招到最好的人，給他最大的空間，甚至不是招到，而是合作到、協作到，組成一個松散的組織，有事兒的時候相互配合，沒事兒的時候各幹各的，這可能才是未來更适合的一種形态。
在《複仇者聯盟》中，每個人都是超級英雄，每一個人有自己的大電影，有自己的世界，要去打滅霸的時候，大家又可以分工合作，組織起來，這可能才是未來最好的一種組織形态。
一思維：工作流優化到生産力優化
所以，我們的認知是需要不斷地深入的，僅僅把AI看作是工作流的優化的工具，整體的流程，其實不會有大的變化，隻會有小的優化。
當你認知的底層是工作流優化，你考慮的點就是在原有的工作流裏加入AI。
當你認知的底層是生産力優化，你考慮的點是如何把最高生産力的要素放足，思考去匹配什麽科技，文化，流程，組織。從這個角度，我們看到的機會更多，抓到的機會也就更大。
······
篇幅所限，
本文内容僅爲課程十分之一。
掃描海報二維碼，聽完整課程！
