惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

H
Help Net Security
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
博客园 - 【当耐特】
Microsoft Azure Blog
Microsoft Azure Blog
Google DeepMind News
Google DeepMind News
Apple Machine Learning Research
Apple Machine Learning Research
有赞技术团队
有赞技术团队
Y
Y Combinator Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
爱范儿
爱范儿
L
LangChain Blog
IT之家
IT之家
酷 壳 – CoolShell
酷 壳 – CoolShell
MongoDB | Blog
MongoDB | Blog
Hugging Face - Blog
Hugging Face - Blog
G
Google Developers Blog
T
Tailwind CSS Blog
Engineering at Meta
Engineering at Meta
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
宝玉的分享
宝玉的分享
博客园 - 三生石上(FineUI控件)
D
DataBreaches.Net
Recent Announcements
Recent Announcements
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
AI不好用,一点都不稀奇
罗福如 · 2025-01-11 · via 人人都是产品经理

随着人工智能技术的广泛应用,企业纷纷尝试将其融入各类项目中,以期提升效率和创新能力。然而,不少企业在实践过程中却发现AI的应用效果并不如预期,甚至出现了诸多问题,如生成内容的专业性不足、算法模型的精准度欠佳以及操作流程的复杂性等。

最近,有读者跟我讲,很多企业在用AI做各种项目,结果发现效果不如预期。有人吐槽生成的内容不够专业,有人说算法模型不够精准,还有人抱怨操作太复杂。总之,问题多多。这些是不是问题?是问题。但就算你把这些问题统统解决了,也未必让AI变得“无敌好用”。为什么?因为AI的局限性,根本就决定了它不能胜任所有场景。

拿视频生成来说,很多人觉得AI可以用来取代传统的视频制作流程,但问题是,它最多解决效率的问题,至于创意的深度和细节呈现,还差得远。比方说,年初很多AI视频工具连物体一致性都做不好,短短几个月有了进步,但也只达到大概70%的水平。你要说2025年、2026年这些问题能完全解决吗?可能可以,但创意本身的复杂性和深度,并不是AI的强项。

说到底,AI是用来辅助完成任务的工具,而不是创造意义的源头。很多人期待AI像人类一样具备多维度的思考能力,但这有点像期待影视剧可以完美还原《三体》的原著一样。你要问《三体》为什么难拍,不是因为导演水平不行,而是原著本身就极度复杂,很多内容超出了影视作品表达的张力。换句话说,AI和影视剧都存在天然的“单向叙事”局限。

AI的局限,就像影视剧的单向叙事。AI的运作原理是什么?就是通过大量数据进行训练,然后在特定场景下根据算法规则输出结果。这跟视频的成像原理非常相似——一秒钟播放24帧画面,每帧画面之间有微小差别,从而叙述一个故事。但问题是,这种方式只能展现一种可能性。而现实世界是多维度的、复杂的,AI或者视频很难一次性覆盖所有的可能性。

举个例子,《三体》中的时间维度是核心。它描述了一个文明诞生、毁灭、重生的循环,这种上下打量、多角度观察的体验,文字可以表达,但视频很难。而AI的设计同样如此,它擅长的是在特定规则下优化结果,但让它理解深层含义、推敲背景逻辑、甚至创造全新的规则,这就要求超出它的能力范围。

“不好用”只是因为期待过高/有人会说,现在的AI做出来的东西“不够专业”,比不上人类的创意。确实如此,但我们是不是对它的期待太高了?AI生成的内容并不是给专家看的,而是为了更广泛的受众服务。如果它能以更高效的方式传递信息,那就已经实现了它的价值。说到底,AI不是替代人类,而是让那些繁琐的重复劳动变得更高效。

但要注意,这种高效有边界。AI只适合在简单、清晰的规则中运作,而当场景变得复杂,规则变得模糊,它的表现就会大打折扣。这也是为什么很多企业在尝试AI应用时会感到失望——不是AI本身不好,而是你的期望和实际功能之间存在落差。

用对AI,才能看到价值。我们要接受AI“不好用”的部分,同时也要看到它的真正价值。像三体的影视化一样,与其试图让AI成为无所不能的“救世主”,不如把它当作一种推广工具、辅助工具。它的意义在于让更多人接触复杂内容,而不是替代人类的深度思考。

如果我们把AI当作一种普及化工具,用它解决简单场景中的问题,而不是试图强行跨越边界,那么AI的作用会显得更加突出。否则,它的“不好用”不仅不稀奇,甚至是必然。

本文由人人都是产品经理作者【罗福如】,微信公众号:【罗福如】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。