本文讨论了人工智能背后B端设计师的机会，包括AI产品带来的设计机会以及如何平衡成本与收益。文中提出了多种应用场景，如利用AI自动化完成复杂筛选、规则配置，以及在客服类产品中应用AI等。
对于设计师来说，我们要关注的不光是 AI 产品的使用，我们还要明白，AI 会给我们带来哪些设计上的机会。
关于这部分，最近在求职的同学应该深有感触，面试过程中经常会被问到：“现如今 AI 大行其道，请问你觉得 AI 应该如何与 B 端产品进行结合？”
今天我们就来聊聊 AI 背后的 B 端设计师的机会点。
在试用过非常多的 AI 产品后，我觉得主要会有两个要点：成本、收益。
主要是我们在体验时，需要注册、购买，甚至有的产品需要为 AI 功能单独付费，这就是金钱成本。比如 MJ、ChatGPT 几乎都需要付费来进行使用
而在使用 AI 产品时，通常我们需要进行系统的学习，同时在让 AI 产品进行服务时，我们需要录入大量的信息，来告诉 AI 我要想要什么，这是信息成本。像是使用 SD，我需要去输入大量的信息，告诉 AI 我想要什么风格的内容。
主要是我们在体验时，需要注册、购买，甚至有的产品需要为 AI 功能单独付费，这就是金钱成本。比如 MJ 和 ChatGPT 几乎都需要付费来使用。
那为什么我想要使用 AI？这就会牵涉到收益，也就是 AI 产品能够给我带来什么？
比如它能够帮我 整理资料、生成图片、制作视频，这些都是它的收益。而成本与收益本身就是正相关，比如你告诉AI更多信息，那就能够得到更为准确的答案。
作为设计师，我们首先要解决的便是 成本与收益 的问题，因为 AI 不能保证给用户一个准确满意的回答，因此我如何录入更少的信息来获得更为准确的结果，我们就需要认真思考。
因为金钱成本与产品定价相关，我们无权干涉；获得的收益与大模型、程序员相关，需要他们进行微调，因此我们能做的知识让 AI 平台能够更容易使用。
如何平衡成本与收益，我们来看看目前大量 AI 产品的具体做法。
SD 是一个典型的工具型产品的思路，将所有的配置直接提供给到用户，想要任何内容你都可以配置得到。这也就导致它的使用门槛很高，通常我们需要大量的学习才能够上手使用。而页面当中所有的功能都是直接平铺展现，因此非常复杂。
举一个简单例子，这就如同 B 端产品，我的所有功能都平铺呈现在工作台上，显然不太友好，因此你需要付出大量的成本，而对应确实 SD 能够给到我们更为准确的结果，想要什么它都能够帮我们实现，这就是典型的高付出、高回报，它更适合更为专业的人进行使用。
ChatGPT 则是为了保证你的收益，会采取连续对话的方式。
这种方式非常巧妙，因为当前的 AI 由于用户不够熟悉，AI 也不够智能，因此很容易会得到一个你不满意的结果。这时候就可以通过连续对话反复修改，不断对它生成出来的内容提出要求，进而提供更多信息，来优化结果。
虽然你需要反复打字，增加成本，提出修改意见，但是这就像你是一个老板，可以随意提出修改意见，作为 AI 的牛马员工就会很积极的进行修改，感觉也挺好。
MJ 也会把你像老板一样对待，你在提出设计要求过后，会优先给你 4 个选项，让你辨别哪一个风格是最为满意的，通过你给出的方向可以再一步步的进行细节丰富（是不是这个画面有点眼熟，像不像给老板提案的你）
同时所有结果不太满意，你还可以选择不同的引擎版本，这些都是潜移默化让用户进行选择决策，而这些都是在不断地精准用户想要的结果。
回过头我们再看 成本与收益这个公式，你会发现 金钱成本与我们设计师无关，因为这与产品的定位等内容密切相关；得到的收益与我们关系不大，因为这与 AI 工程师、他们所开发的大模型关系更为密切；作为设计师，我们会在信息成本更为关注，也就是如何做到以下几点：
那么强大的 AI 功能，那如何在 B 端这类型的产品当中进行落地，我认为是需要将 B 端与 AI 进行结合，这里想到了一些应用场景和大家进行分享：
在日常工作当中，筛选一定是较为复杂的功能。由于筛选本身是按照开发逻辑实现的一个功能，因此你会看到目前整体的系统作法分为两类。
一类是把筛选做得尽可能的简单，只会通过字段与对应的值，根据「且」的逻辑来呈现筛选结果。这样能够保证筛选门槛低，大多数人都会进行使用；
一类是把筛选做得尽可能的复杂，将筛选中「且 或」逻辑呈现，并且在此基础上还增加了针对不同字段的运算规则，导致使用门槛较高。
而这一切都是开发的思维逻辑，但它不并是用户的思维逻辑。而且复杂筛选本身设计组件较为难做，同时我们完全将产品的复杂度交给用户，不太适用。
比如我想在 CRM 产品当中筛选「最近一个月我负责的高价值客户」，我就需要进行 日期、负责人、客户类型 三个字段的筛选
假如筛选规则变得更加复杂 「最近一个月我负责的高价值客户和小张本周的待联系客户」取为并集，那这个筛选的配置就会极其复杂。
这时候我们就可以通过 AI 的方式，将上诉文本写在 「AI 筛选」 的模块当中，提出你的筛选诉求，AI 就能够帮助你自动匹配筛选。
并且这个方案在移动端上也能进行适配，因为之前有尝试过移动端的复杂筛选，可以说是所有设计师的噩梦，我们很难将这本身就复杂的组件给到用户进行使用，我们就可以利用移动端的特性，让用户语音说出他的筛选诉求，然后语音转文字，将文字录入 GPT 导入管理系统当中，这样就能实现快速筛选，感觉讯飞语记+讯飞星火就能实现。
在 B 端产品当中，各种规则配置是很容易劝退一个用户。因为我们很难做到设计得好看好用，因此就可以考虑使用 AI 的方式进行配置初稿。
比如一个流程配置，其实配置的难度相对较高，同时里面的规则较多，我们很难通过自身的逻辑要求，让系统快速生成相应的流程配置。
而现在我们可以通过 AI 的方式先识别对应的信息内容，将自身语言逻辑进行录入，然后将语言逻辑通过 AI 的方式转化为程序逻辑。
这里想到我期待的一个场景，我是快捷指令的重度使用者，但每次编辑快捷指令往往需要耗费大量时间，苹果则可以将这部分配置工作交给 AI 完成，通过对话、聊天等的方式，将你的需求说出，即可实现一个流程配置。虽然 iOS18 没有这个功能，希望苹果能在 iOS19 上加上。
除了流程之外，像是很多低代码产品、各种规则都可以考虑使用 AI 进行赋能。
AI 在客服类产品也可以有着广泛的应用。
因为本身客服类产品就是高强度、重复的解决别人的问题，因此我们可以借助 AI 的力量帮我们有限简短的回答用户问题，而不是给我对应的参考资料让我自己查阅，当他不满意后再由人工介入。
同时人工介入阶段，也可以通过 AI 快速帮助客服人员锁定问题，给出建议的解决方案，这样能够帮助其减少客服压力。
最近用相同逻辑，有的开发做出了 AI 面试助手（智语面试），感觉还挺有意思的~
在 B 端产品当中，图片处理也是非常头疼的一个环节。因为很多 B 端企业的本地商家，都需要上传对应的海报物料。而这时候 AI 完全可以将这些海报的需求整体抽象，整理成自己需求的模型库，来优化产品。
比如我是线下生鲜的商家，现在正在组织一个营销活动，这时候AI 就可以自动为这个营销活动绘制海报。
同时在很多 B 端产品当中，本身就会有主题的功能，那完全可以将这个主题的需求进一步细化，通过 AI 的方式会有非常多的运用场景。
除了上面讲到的内容之外，还有很多可以想到的业务场景：
比如 HRM 系统当中，我们可以使用 AI 能够快速帮助 HR 处理简历，进行信息上的整理与汇总；CRM 系统当中，销售需要记录大量的跟进记录，那我们便可以使用 AI+语音的方式，让销售去说做了什么，在系统当中就能进行更准确的记录；医疗系统当中，AI 能够帮助医生进行患者病情的快速初诊，给出医生合理的患者病情指导，让医生做选择题而不是填空题。
这就是关于 AI 与 B 端产品的结合，我们能够发现 AI 本身确实会有着非常多的能量，我们作为设计师需要了解其原理和设计思路才行。
本文由人人都是产品经理作者【CE青年】，微信公众号：【CE青年Youthce】，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。
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。