“前天写完这篇文章还没来得及发，昨天连夜看了 OpenAI 的春季发布会。chatGPT-4o 强大的环境感知力真的惊到我了，同时也更加让我坚信了 AI 未来的应用方向——「 AI 」作为「大脑」感知环境，思考处理方式，调度执行器”
LLM 的爆发已经一年了，在 B 端 AI 席卷了无数的产业链：新媒体、电商、办公、编程……无数行业都带来了业务流的革新。
然而，在 C 端，目前 AI 并没有明显的王炸级应用出现，无数企业、个体都在找、在问，AI 的 C 端的王炸应用究竟路在何方。
作为一个专业的 AI 产品经理，今天基于 AI 应用层的核心能力，结合当下市面上的主流应用，加上我自己的理解来仔细的盘一盘 AI 究竟给我们带来了什么。
小爱同学，大家都了解吧，我们可以通过简单的语音指令让小爱同学给我们播放音乐，控制电器。
举一个简单的例子：
场景一：
我们直接向小爱同学发出指令「小爱同学，我有点热」，此时小爱同学会说「你可以去医院看看」
——他认为我们可能生病发烧了
场景二：
我们发出指令「小爱同学，开一下空调」，此时小爱同学会帮我们打开空调
然后我们接着说「小爱同学，我有点热」，此时小爱同学会说「你可以去医院看看」
——他依旧认为我们可能是生病发烧了
然而如果我们对 LLM 发出相同的指令，场景二返回的结果将会是「我帮你把空调温度调低」
PS ：想要了解的可以看以下链接。
https://kimi.moonshot.cn/share/coufi0avk6g8t9jcsdfg
基于以上的场景我们可以看出 AI 的出现与过去所有的技术最大的不一样在于
AI 的具有两大革新性能力：
至于我们我们广泛应用的内容生成能力，从当下的内容质量来看，并不具备有效的创新性，对比过去的场景，它仅可以作为一个提效工具，所以我认为这并不属于 AI 的革新性能力。
1.Copilot ——翻译：副驾驶
可以理解为我们的助手、老师，他可以为我们的某个场景情况，提供解决问题的指导、建议，帮助指引我们的行为。
2.Agent ——翻译：代理人
可以理解为我们的管家，他可以直接的帮我们解决问题。
下面我举一个例子来说明这两者的区别：
场景：
我的电脑是一台 mac ， mac 没有 windows 的剪贴板功能，我希望有一个软件
Copilot
我告诉「老师（ Copilot ）」我希望为我的 mac 下载一个类似 windows 剪贴板的软件
「老师（ Copilot ）」会「教我」
-可以下载某某某剪贴板软件达成目标
-第一步去某某某网站找到软件进行下载
-第二步按照操作说明进行安装
Agent
我告诉「管家（ Agent ）」我希望为我的 mac 下载一个类似 windows 剪贴板的软件
「管家（ Agent ）」会直接「帮我」
-找一个软件大师
-告诉软件大师为这台 mac 安装一个剪贴板软件
-软件大师会去去某某某网站找到软件进行下载，然后安装到我的电脑上
-软件大师跟管家说安装好了
-管家告诉我剪贴板软件已经安装完成
在 23 年年底的时候，我还认为短期（可能一年）内，我们主流的产品可能都还是 Copilot 的形式，因为大家对 AI 的结果仍然具有未知的恐惧性。
但是现在 24 年 5 月， Agent 的应用已经席卷了整个 AI 应用的市场。
原因是什么呢？
这就要回想一下我们刚刚说的 AI 的核心能力——判断调度。
我们发现其实相对的目前 AI 的「弱小」的生成能力——
比方说在上述的场景中，我们直接让 AI 帮我们生成一个下载软件的执行器，那估计我们反复重试执行几千次这个执行器，我们也不可能将这个软件下载成功。
相对来说，开发工程师写的脚本执行器明显是更靠谱的。
所以我们提前开发好下载软件的完整的程序，其实只要发挥 AI 的判断能力，告诉他如果需要下载软件，请将指定的参数按照指定的格式输入到这段程序中并运行，就 OK 了。
在这个过程中 AI 只需要发挥自己的判断调度能力，明白我是要下一个什么软件，搜索到这个软件，在调用程序就可以了。
于是一个满足我们需求的 Agent 就被做完整的呈现出来了。
《中国 AIGC 应用全景报告》数据显示，2024 年中国 AIGC 应用市场规模将达到 200 亿人民币，当前， B 端产品占据了大模型产品市场 80% 的营收。在 C 端却不温不火。
我们来分析一下为什么会出现这种情况：
根据 AI 产品榜 aicpb.comAI产品榜·赛道总榜TOP20截止 3 月的赛道总榜数据，除去排名第一通用的聊天机器人，第二的搜索引擎，以及排名十四的浏览器助手，其余的赛道，例如：设计工具，代码生成、写作生成、教育工具等，均是应用 AI 生成能力进行工作效率提升的产品。
可以看出， AI 在当下我们主要的应用就是基于生成能力的工作提效。
对于 B 端用户来说有无数现有的重复但相对技术含量较低的工作，他们的需求很简单就是解决自己的工作场景：
但是 C 端用户的需求是什么呢？
我们看拿当下几个王炸级的 C 端应用来看一下他们满足了用户的什么需求：
抖音
美团
滴滴
总结一下：
对于 B 端用户来说，仅仅需要应用 AI 的生成能力就可以对需求进行满足因为他们明确知道自己需要用 AI 来做什么。
但是 C 端用户不一样， C 端用户不知道自己需要什么。
打个比方：
「我要一匹更快的马」，本质是「我想要更快的到另一个地方」
在这里我并不想要表达「我们需要从第一性原理的角度分析需求」
我想要表达的是：C 端用户并不清晰自己的核心需求
所以针对 AI 这个像「电」一样的东西，用户是不知道他能用来做什么的
因此 C 端目前看起来没有什么应用场景。
回顾一下全文：
我们先探讨了 AI 的革新性能力究竟是什么：
1.基于场景的自然语言理解
2.基于场景判断调度工具
然后我们我们探讨了 AI 的当前的主流应用形式：
1.Copilot——翻译：副驾驶
可以理解为我们的助手、老师，他可以为我们的某个场景情况，提供解决问题的指导、建议，帮助指引我们的行为
2.Agent——翻译：代理人
可以理解为我们的管家，他可以直接的帮我们解决问题
最后我们又聊了 C 端用户的核心需求：
便利、娱乐
显而易见，到了这里我们可以直接的得出结论：
如果我们想要做出一个 C 端的好应用，那我们应该做的就是——
找到可以应用 AI 革新性能力的用户需要便利 or 娱乐的场景，并使用 AI 某种应用形式来完成实现这个产品
最近支付宝灰度测试 AI 智能助理，真的给了我很大的启发。
支付宝的 AI 智能助理集成在首页，提供服务办事型功能，如医疗问诊、查办公积金、买机票、找厕所等，可推荐功能或直连小程序，支持语音和文本输入。
支付宝拥有庞大的遍布在我们日常生活每个场景角落的生态应用，但是之前他们都以小程序、功能点等看似集成其实本质是驻在支付宝这个平台的独立应用。
而现在，我们只需要告诉 AI 每个小程序、功能用途是什么，再分别开放对应的执行器接口给到 API：
那么我们将会得到什么——
早上起床，说一句，「三十分钟后我要打车去上班」，支付宝 AI 小助理就可以调用「滴滴」的接口，帮我们预约好车
中午到了 11 点他就会问我们，中午是不是需要点外卖，点的话吃什么，然后调用「饿了吗」的接口帮我们点好外卖
晚上 6 点下班前又会提前我们打好回家的车
这是多么夸张的一个生活体验
且他完美的满足了我们的结论：
应用 AI 革新性能力，满足用户需要便利的场景，并使用 AI Agent 的形式来实现了这个产品
同样的如果小米的生态在做出一样的产品：
根据我们实时下班时间，结合实时定位，AI 帮我们启动家里提前已经装好食材的电饭煲，到家以后我们就可以美美的享受一顿晚餐了
美团也是一样：
周末我想出去来一个短途城市之旅，我就可以让给 AI 给我进行推荐，然后他可以帮我预定餐厅、买好电影票、制定好路线
难以想象我们的生活将会变得如何便利、舒适。
当然这个例子更多的是生活助理的角度，大家也可以一起发掘更多角度的赛道。
只要记得核心——从便利 or 娱乐的场景利用 AI 的判断我们当下所处的场景，主动的调用当下已经很成熟的产品「照顾好」我们即可。
当下太多的人都在拿着 AI 这把「锤子」在找钉子，找不到结果。
我们是否应该尝试换种思路
AI 只是让我们多了张手牌，这张手牌我们有就可以了并不一定要真的打出去。
就像吴恩达教授所说「 AI 是新的电力」，哪怕是在当下我们会在任何地方都应用「电力」吗？
显而易见的我们并不会在我们产品上只留下「电力」，我们是让电结合各种各样其余的东西：比如转化成动力「电动车」、比如转化为光「手机显示」……
我们接着分析一下在电力这条赛道了赚钱的有什么人
那在 AI 场景下，我们现在最迷茫的就是第三部分，这第三部分的钱应该怎么来赚呢，试想一下，你现在会想你要如何来使用电力来赚钱吗，显然不会。
我们需要，也必须要了解 AI 的能力及其边界。
依旧保持我们以前关注需求的嗅觉。
在合适的需求中打出 AI 这张牌即可。
不要纠结于为「锤子」找到合适的「钉子」，我们只要为「钉子」找到合适的「锤子」即可。
本文由 @徐琪 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。