随着AI的发展，其应用场景也越来越广泛。在这样的背景下，面向企业的B端产品同样迎来了转型升级的机遇。本文将阐述AI在B端产品中的应用，希望对你有所帮助。

如果在10年前，我们可能还难以想象一个系统不仅能像人类的大脑一般智能，甚至还能超越人类在数据分析、决策支持、甚至是创造性工作方面的能力。

而如今，这不再是科幻小说的情节，而是我们身边正在发生的现实。去年发布的chatGPT，不仅能像人类一样与我们对话，而且还能够为我们解决工作、生活中遇到的种种问题。

在这样的背景下，面向企业的B端产品同样迎来了转型升级的机遇。于是从几个月前我便持续关注AI相关动态，也尝试在自己的工作、生活中将AI运用起来。

这篇文章，则是分享给大家这段时间来我的观察、学习成果。包括：

1. 生成式AI与外部应用结合的2种技术：用大白话解释RAG和Fine- tuning的技术原理
2. 生成式AI的模型原则和团队搭建
3. AI在B端产品上应用的具体案例
4. 个人该如何赶上AI这股潮流

01 生成式AI的基础知识

首先想理解生成式AI可能会出现哪些应用，那AI的基础知识是必不可少的。

如果大家想更系统地了解AI的基础知识，十分推荐大家可以去观看「Generative AI for everyone」这门课程，课程由机器学习领域的专家吴恩达教授开设，目前已经有中文字幕，课程不长，非常推荐大家抽空看看。

课程地址：https://www.coursera.org/learn/generative-ai-for-everyone

如果你没有时间看课程，也可以选择看我这篇精华内容总结的文章，基本已经把AI的基础概念给你说清楚了：https://mp.weixin.qq.com/s/vKxmi2E2BAF-22T9-Y88SA

02  生成式AI和B端产品是如何结合的？

生成式AI模型是可以由我们自行调试的。目前一些厂商都有开放自己的开源模型，我们可以利用别人做好的预模型，来将AI技术与自身产品做结合。

目前主流下有几种调试AI的技术，这里为大家介绍两种比较常见的技术，分别是RAG和Fine-tunning。

1. RAG（增强信息检索）

RAG是一种支持导入自身/企业信息，让GenAI学习并回答的技术。目前很流行的「与PDF对话」之类的应用，便是这种技术下的产物。

它的运作方式可以简单理解为3步：

1. 导入信息后，先给出问题，让GenAI搜索相关联的文件、信息；
2. 优化提示词，提示GenAI可以从对应文件中找到答案，回答问题；
3. 确认AI回答的答案，并不断优化调试提示词；

2. Fine-tuning（微调）

微调是比RAG更复杂的一个技术，它用训练好的参数初始化自己的网络，然后用自己的数据接着训练。

我们可以简单将它的技术原理概括为2步：

1. 选择预训练模型：选择一个与新任务相关的预训练模型，比如GPT；
2. 在新数据集上微调模型：在新数据集上微调预训练模型的参数，以适应新的任务。

这种技术一般在以下几种场景中使用：

• 用提示词无法很好说明自己的目的，或者完全无法使用提示词说明。例如让GenAI完全像某人一样跟自己对话，因为AI没有这个人的数据，所以无法模仿；
• 在特殊领域中的工作内容；（例如医生之间的专业术语）
• 需要用更小的模型去完成工作；（例如不希望GenAI消耗过多性能，仅需要完成一小部分任务即可时）

通过这两种调试AI的技术，我们可以选取大公司已经训练好的预模型进行调试，使AI更符合我们自身企业、个人的要求。

3. 模型选择

在模型选择上，一般有开源模型、闭源模型。他们都各有优缺点，如下：

而不同级别参数的模型，使得AI最终展现出来的能力也是不一样的。

不同参数AI模型的能力情况如下：

所以根据场景，AI团队可以选择不同的模型进行调试。

4. 团队搭建

需要注意，如果想要调试AI，机器学习工程师和软件工程师是不可或缺的。

如果条件允许的话，团队内有产品经理和数据工程师是更好的。产品经理的角色也可以帮助更好地检验产品的商业化潜质，而数据工程师的角色可以多维度的分析数据，提供反馈。

03 B端产品*生成式AI结合的探索

目前生成式人工智能已经在B端产品中得到了怎样的应用呢？

接下来，我将分享一些国内外已经推出的人工智能产品，以及它们的设计方向，希望能给B端产品的伙伴们带来一些灵感。

鉴于时间和篇幅限制，接下来的内容将主要基于企业公开资料进行介绍。我也正在尝试申请部分产品的试用，后续会分享更具体、详细的产品测评，欢迎大家持续关注。

1. Twilio：Customer AI

Twilio是一个支持超过300,000个客户的公司，提供文本消息、电话通话和电子邮件服务，帮助公司与客户建立良好的关系。他们几个月前推出了AI产品「Customer AI」；

目前根据公开资料，可以看出他们的AI产品有以下亮点：

1. 个性化推荐：AI能够连接过往所有互动的数据点，为客户生成个性化推荐，并为每次活动找到合适的人群，这对于市场营销团队来讲，能大大提升转化率；

2. 个性化跟进建议：AI技术的实时分析可以通知员工何时跟进之前的客户互动，并给出个性化跟进建议；

3. 客户分析：AI帮助销售人员了解如何转化潜在客户，并通过减少摩擦来优化客户的注册或登录过程；

2. Salesforce：Einstein 1

Salesforce推出的Einstein 1平台，是一个全面升级的客户数据平台，旨在为企业提供一个值得信赖的人工智能(AI)平台。

根据企业的公开资料，可以看出他们的AI产品有以下亮点：

1. 数据整合：整合内外部数据源，确保所有数据在一个平台上可访问。帮助员工更好地理解客户和业务，提供预测性分析和内容生成。

2. 任务自动化：Einstein 1平台支持自动化工作流程，可以通过Flow实现自动化。

例如下图中，便设置了根据客户资料自动推荐折扣的自动工作流。

3. 个性化客户体验：提高客户服务水平，提供为客户提供更个性化的体验。

下图演示的是Einstein 1自动为销售人员生成邮件内容。

但saleforce还支持自行配置，针对客户生成更个性化的邮件内容。

3. HubSpot：HubSpot AI

HubSpot是一家总部位于美国的软件公司，专注于开发和销售营销、销售和客户服务软件。

他们的AI工具在销售、营销和客户服务方面提供了很多新功能，下面是一些亮点介绍：

1. 博客文章生成：用户只需点击几下就能创建针对特定国家和博客的搜索引擎优化(SEO)标题和内容。此外，还可以使用HubSpot AI工具调整文章的语气或添加结论。

AI自动生成文章大纲，在这个环节就可以介入修改

最终生成的文章

2. 内容生产：HubSpot提供了报告助手，可以快速生成基于特定查询的报告，并允许用户自定义和优化这些报告。此外，内容助手还可以为销售团队撰写电子邮件，包括介绍邮件、冷邮件或跟进邮件，帮助提高沟通效率。

博主演示的是根据右侧的内容要求，生成了左侧的数据表图

3. 客户跟进：HubSpot AI可以协助客服团队通过重写、扩展或调整信息的语气来改善与客户的沟通。还可以自动生成对话摘要，便于服务代表理解和回顾客户的需求。

邮件词语修改，这个就不多说了，跟saleforce的是一样的

总结

通过对这几款产品的观察，可以看到生成式AI在B端产品上面的应用集中于两个词：个性化、自动化。

个性化：通过AI强大的文本分析能力，对客户过往数据进行分析，并在各种场景下（营销、转化、售后）给予工作人员更贴合客户个性化的建议，以给予客户更优体验。

自动化：支持将部分重复工作交由机器人处理。并在各种文本工作中（例如邮件沟通），由AI生成内容，以大大节省人工时间，提升效率。

在落实AI与B端产品的结合上，也需要注意企业都非常在意“数据安全”问题。

由AI提升效率固然是好，但如果发生了窃取数据，或有心之人通过特定的prompt套取出企业的机密信息，这对于企业来说是非常严重的安全威胁。

所以在未来AI与B端产品结合的路上，数据安全会是一直存在的，非常重要的命题。

04 个人应该如何赶上AI潮流

《哈佛商业评论》中，介绍了一些对于知识工作者来说，如何更好地将AI应用起来的办法。

目前使用最多的实践案例来看，生成式AI特别可以在三个主要方面发挥作用：通过自动化一些结构化任务来减轻认知负荷，提高你对非结构化任务的认知能力，以及改善工作中的学习过程。

1. 减轻认知负荷

生成式AI工具可以通过释放人的精力，使我们专注于高价值的非结构化任务。

例如我们每天有固定要处理的文件内容，这些文件就可以交由生成式AI帮我们阅读、处理。

我自己目前也关注了很多产品、生成式AI领域的账号，看到一些感兴趣的内容就会先记录下来，然后统一交给GPT帮我概括，再通过概括判断我是否该深入阅读。

注意：GPT的概括是不一定全面的。如果对文章感兴趣，建议去深入阅读，不要使用概括去理解整篇文章。

GPT帮我概括的文章大纲

2. 提升认知能力

另一种增强知识工作的方法，是用生成式AI促进高阶认知过程，执行非结构化任务。这其中我们可以应用起来的是提升批判性思维和创造力。

批判性思维方面，生成式AI可以帮助人们就面临的挑战提出更好的问题。例如我最近在工作中遇到瓶颈，就会喜欢去问一下GPT的想法，两者之间的想法相碰撞，就跟好友聊天一样，更容易产生好的思路。

而创造力方面，更多指提升人们的生产效率。GenAI可以根据可行性、影响、成本和新颖性等标准评估和对我们的想法进行完善，有了AI的加入后，我们优化迭代的速度更快了，也不用一遍遍的检查、思考。

例如我现在会在每次完成文章后，让GPT帮我检查文章逻辑，修改语句等。比原先我需要检查4、5遍文章，现在有了GPT的帮助，我起码节省了一半的时间用于检查文章这件事情上。

GPTs提供的文章修改建议，根据它的建议修改成了大家最终看到的文章版本

3. 改善学习过程

掌握技能需要练习，而不仅是课堂学习。然而要使练习有效，就需要反馈。随着AI生成能力的不断提高，为每位知识工作者配备一位AI导师成为可能。

目前在Github中，已经有相关的教程，如何轻松的调教GPTs成为自己的个人导师，教自己学技能。

附：AI资源推荐：

如果看到这里，你对生成式AI也开始产生兴趣，并开始想要系统了解，下面有一些资源可以推荐给你：

**AI基础知识**

推荐课程：

1. 吴恩达 《Generative AI for everyone》

https://www.coursera.org/learn/generative-ai-for-everyone

目前已有中文字幕，无压力。

2. 微软《Generative AI for Beginners – A 12-Lesson Course》 – https://techcommunity.microsoft.com/t5/educator-developer-blog/generative-ai-for-beginners-a-12-lesson-course/ba-p/3968583

需有英文基础。部分课节已在B站有翻译，大家可以通过lesson的标题、部分关键词去搜索。

**AI一线新闻**

1. Lex Fridman的播客、视频；

2. Google AI Bolg

https://blog.research.google/

**实际上手使用AI**

了解了再多的信息，如果没有用起来，那终究还是会变为“纸上谈兵”。

学习最好的方法还是实践，推荐大家可以将AI使用起来。

**快速使用提示词**

对提示词还不太清楚该怎么用的话，有一个偷懒的办法：直接借鉴别人的模版，这里推荐个好用的中文提示词网站，非常实用：

https://www.aishort.top/

结束语

人们常说“历史的车轮滚滚向前，这不是以人们的意志所能改变的。”

随着新技术的不断发展，它融入我们的工作、生活将是大趋势。如何拥抱新技术，是我们必须要面对的课题。

这是我第一次尝试写此类型的文章，还有许多不足的地方，如文章有错误、遗漏或不够详尽的地方，欢迎各位不吝提出指正。

同时因为篇幅限制，很多内容也没能在一篇文章内呈现完，后续我也计划继续撰写：

1. AI产品体验报告
2. 作为产品经理，如何利用AI重塑工作流程