这篇文章从分析LLM可以做哪些事，提供一些可以为产品经理带来帮助或灵感的启发。
我们了解到，生成式AI指人工智能系统可以产出高质量的内容，特别是文本，图片和音频。这个特性使得很多人工智能应用程序可以更加容易的被搭建出来，同样，因为生成式AI目前的蓬勃发展，这也意味着搭建这些人工智能应用程序会比原本便宜的多。
虽然生成式AI可以生成高质量的文本、图片和音频，但是迄今为止，对我们影响最大的还是文本生成，所以今天想要从文本生成这个角度和大家分享一下LLM可以帮助我们做哪些事情，或者如何用较低的成本搭建对企业有价值的人工智能应用程序。
在这之前，我想把大语言模型可以帮助产品经理做的事情分为两大类，
一类是个人向价值，也就是只要你拥有任何大语言模型账号，无论是免费还是付费的，你只要登录就可使用，是Web-based LLM，我会在后面的文章中标注为个人。
另一类是企业向价值，也就是把LLM引入到企业原有的软件自动化流程中才能产生价值，是基于LLM的软件应用，我会在后面的文章中标注为企业。
当我们给LLM一些很简短的提示词之后，LLM可以给我们很多
1 ）头脑风暴好伙伴（个人）
想当初我们从0到1做一个新产品的时候，在一个很好的idea通过商业分析后遇到的第一个坎就是给这个新产品起一个名字。我们整个核心团队经历了好几轮头脑风暴，从关键字的挑选到产品概念的匹配，从传播性到申请去重查询，最终决定了一个产品名。
而现在你可以把大语言模型作为你头脑风暴的好帮手，用一些简短的提示词就可以让TA帮你做一些创意类的思考，从而可以帮助我们从中获得灵感。而这个小能手的灵感仿佛不会枯竭，当你不断的让TA再想一想，TA会勤勤恳恳的不停的思考，直到帮助你获得满意的灵感继续加工
甚至可以帮你一起头脑风暴活动方案
2）帮助你写产品Newsletter/Release Note（个人）
产品经理一个很重要的职责是让大家了解到每个迭代完成后，我们做了哪些功能从而传递了哪些价值。无论是对于研发团队的认可和鼓励，还是对于外部协作团队的弹药补充。这样不仅能够让你所带领的研发团队在公司中有着持续曝光，让公司了解到你团队所创造出的价值，并且也可以通过和外部协作团队的互动让研发团队了解到他们的反馈/肯定/顾虑，相信我，这比你一遍遍不停的传递每个迭代的研发目标来的有用的多。
当你给到大语言模型一个简单的指令“请帮我写一份产品发布通知”
大语言模型会给到你一份专业的格式，包括：标题、版本号、发布时间、新功能、优化、问题修复、已知问题、结语。
当你可以给到大语言模型更多上下文信息，比如产品的基本信息，我们这次做了哪些关键故事，大语言模型可以表现的更好。
3）翻译（个人）
在产品研发的过程中，无论是全球企业的跨国合作，还是信息收集/学习，都很有可能拿到非母语资料。举两个常见且真实的对比例子。
例子1：我们曾经有个项目需要做一个内容型主导的产品，在这个过程中需要了解很多心理学的知识，根据这些知识的理解及内容专家的沟通才能思考如何做相应的数字化转型产品，而这些心理学知识的大量文档资料都是总部做文档归档，我们只能靠自己及翻译软件的帮助完成这些工作。
例子2：最近我们开始做引入大语言模型的AI+产品研发，在这个过程中，也必不可少需要翻阅大量的资料，由于是一个全新的知识领域，像我们在整个研发过程中，甚至需要查阅相关的论文。但是现在有了LLM的扶持，真的有种起飞的感觉，我们会用一些大语言模型直接阅读下载的原版论文PDF格式，TA不仅能够帮你很好的翻译，甚至在这个基础上做脑图帮助你快速定位需要看的内容。
实际使用下来，有些大语言模型的翻译质量甚至高于一些专业的翻译软件。
1）校对 & 润色（个人）
产品经理其实除了需求文档之外，有不少文字工作，比如对内对外的沟通邮件，产品手册，产品发布会的逐字稿等等。在这个过程中，我通常会有两种情况需要大语言模型帮助我。
情况1：当我用非母语语言和合作方沟通，无论是和研发团队还是和Stakeholder沟通，我会让大语言模型帮我做校对，从而避免我的沟通内容有基本的语法错误或拼写错误。这个强迫症完全受我毕业入职第一家公司发生的一件事情所影响。我刚刚毕业时加入的一家公司是做SAAS平台，服务于全美近100所高校，有一次发布之后我们平台上的一个新功能TIPS有拼写错误，销售总监在接触某个客户后发了一封邮件婉转的说明了我们服务对象是受过高等教育，而产品上有这样的错误会非常影响他们的销售。
情况2：很多产品经理是技术背景出身，其实是非常不擅长写产品发布会逐字稿的，但又不得不准备逐字稿。我不晓得大家是不是这样，反正我是不能没有逐字稿随意发挥的，这会让我非常紧张，但大多数情况下，我的初版逐字稿停留在说清楚产品概念和Unique selling point上，我记得我第一次做产品发布会的时候，市场部的同事看到我的逐字稿，指着某个地方说，这边你的文字需要有一点力量时，我当时是一脸懵逼的，直到拿到改完的逐字稿，我才发现文字工作者真的是，好厉害。但是有了大语言模型之后，我不仅会让TA帮助我润色，简洁，甚至可以提出我对于逐字稿的要求给到我修改建议，整个世界都因为有了这个小帮手而变得美好了很多~
2）总结长篇文章（个人）
就像在翻译的例子2中提到的，很多时候，我们在研发产品前和过程中，需要翻阅大量的资料，无论是分析阶段的市场报告、行业报告，还是过程中需要学习的各种专业内容。
有些时候，这些内容需要你通篇阅读，而有些时候无论是时间原因还是快速定位需要阅读内容的需求，大语言模型的长篇文章总结能力都能帮助我们大大提升效率。
3）企业工作提效（企业）
我们也可以把LLM引入现有企业的工作流提升为企业提效，比如服务过SAAS系统的伙伴都知道，大多数SAAS平台会有一个客服部门，他们是最前线接触客户的人群，有时候会直接和客户沟通，有时候需要回复客户在系统提交的Ticket处理问题。
例子1：客服部门的经理需要了解每日工作概览，在原有的流程中，客服经理需要阅读大量的文本才可以了解到每天或一段时间内的概况，引入LLM后，可以通过语音转文本的方式（如果客服人员和客户聊天的语音是允许被授权录音的），转成很多份文本，让LLM通过一定的规则格式总结出概览，例如客户名称，简短问题描述。这样就可以大大提升客服经理的工作效率。
例子2：客服部门每天要接收大量客户提交的Ticket，这些tickets可能是处理一个客户的操作疑问，可能是一个需要紧急修复的问题，可能是一个非紧急要修复的问题，甚至是一个客户的期待优化，当我们在原有的流程中引入大语言模型，TA可以帮助我们做Tickets分析，可以通过一定的规则格式总结并转到后续流程，例如是否是操作疑问，如果是的话转到客服部门，如果不是的话，转到研发部门。
4）信誉跟踪
当我们设计研发的产品已经进入到了市场并稳定销售之后，从产品经理的角度来说，及时跟进产品反馈的优先级就提高了。我们可能会主动接触用户获取直观的反馈，也可能通过产品上的问卷收集。而无论哪种方式，我们都会获得一堆定性或定量的数据。定量研究通常会有很多工具帮助我们做整理和分析，而定性研究通常所需要耗费的人力成本会很多，而大语言模型可以帮助我们更高效的做定性分析，尤其是做一些初步的监控，例如我们可以把日常的问卷通过总结提炼出用户的反馈是正面的还是负面的，一旦正负比例超过一定的阈值，就能引起我们的关注并做更深入的分析。
虽然世面上有很多通用聊天机器人，比如ChatGPT，Bing Chat，Kimi，文心一言。
但是很多公司其实还是在研究开发各种各样专业的咨询机器人以更好的解决特定的问题，因为这些专业的咨询机器人都非常擅长回答特定的问题。比如旅行规划咨询机器人，职业指导咨询机器人等等。
我们最近做的项目中有一个领导力顾问咨询机器人，TA会学习很多领导力相关的软技能从而可以专业的帮助用户解决由软技能引起的各种问题。
除了这类商用咨询机器人，我们也可以在企业内部做一些小型聊天机器人并结合已有工作流程提升企业工作效率。
比如，如果一家大型公司，IT部门可能每天会收到大量的密码忘记需要重置的请求，我们可以把聊天机器人和重置密码流程结合在一起，这样就可以大大降低IT人员重复劳动的时间。
本文由 @AI 实践干货 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。