在今年上半年，AI业内不断有大模型创业者坚定的预言：“2024年AGI元年，是人工智能和大模型应用的爆发之年。”现在越来越多的企业和个人开始接触和拥抱AI能力。小编作为最早一波进入AI 2.0 赛道的产品人，今天从产品角度，分享一个AI 2.0 时代的非共识认知的理解。

“Auto-pilot”模式这个概念可能99%的AI应用向的产品人还没有接触过。这个非共识观点来源，小编最早是在闫俊杰（MiniMax 创始人兼 CEO）的一篇分享中看到。

闫俊杰：假设我们有更好的模型，能力比现在再显著地提升，比如所有的测试都可以做得非常好，它可以独立来工作了，就不是一个 copilot、可能是一个Auto-pilot（全能助理），这显然会产生更多完全不一样的产品形态。但是这个东西不是产品设计出来的，而是当你把技术 Push 到某一个阶段的时候，这个产品自然就清楚了。

小编目前负责的AI项目中就有一个是符合“Auto-pilot”模式特性的产品。恰好前两天也跟琢磨事的主理人智勇讨论了关于“Co-pilot 和 Auto-pilot”的差异与价值。关于智勇的观点，可以在文末的链接中详读。接下来将分享一下我对这两类AI产品模式的理解和认知。

#01Co-pilot，辅助智能（半智能）

Co-pilot 这个产品模式，作为深耕AI2.0产品的朋友，肯定非常熟悉了。这个模式的产品思路：

结合自有业务资源 or 业务场景中，洞察场景中的长尾线索，通过Native + AI的手段，提供原有解决方案无法覆盖 or 人力本身无法满足的价值，并使之成为一种新的解决方案。辅助业务角色完成业务需求。

从定性的角度来看，小编理解，他的核心指标：单维度智能水平的提升，同时将人工参与度降低。

在Co-pilot 模式下，虽然引入了大模型技术，但目前的AI产品受限于模型能力缺陷、数据数字化程度低、训练成本高等困境，模型输出结果大多稳定于60-80分之间的交付水平。这个分值虽然不高，但对于业务场景并不是没有价值。

这里小编以AiPPT这个产品来说明一下这个观点。

AiPPT是一款“输入一句话，通过AI自动生成大纲和PPT”的AI工具，在2023年8月上线后，11 月过 100 万访问量，今年 5 月访问量在 490 万左右，验证了国内付费 PMF，单月收入达到数百万人民币。

接触过AiPPT的产品同学应该对这款产品的能力有体会，AiPPT的功能对PPT制作中的物料收集和PPT绘制有一定帮助，但并没有体验到PPT制作效果的10倍提升。那为什么AiPPT能在国内验证付费PMF，月入数百万呢？

赵充（爱设计&AiPPT.cn创始人/CEO）：其实我们的核心用户群跟 Office、金山是岔开的。Office、金山的核心用户是那些高频使用 PPT的人，其中很多是用 PPT 去赚钱的，比如说投行、4A 广告公司这种需要把 PPT 做得很好，去客户那儿做 presentation 的。但我们的用户群并不一定是高频做 PPT 的人，他可能一年就做个两三次，甚至很多人这辈子第一次写 PPT 就是用 AiPPT。因为之前的金山或者 Office 其实使用门槛比较高，而 AI 来了之后，大家写 PPT 的流程变了，可以用对话的方式直接去做，门槛大幅降低了。

在AiPPT创始人的分享中，可以看出，AiPPT的目标用户并不是高频使用的PPT的“传统用户”，而是在PPT制作场景下的长尾用户群体，即低频用户群体。AiPPT体现的内容制作低门槛的特性，对于极少制作PPT的用户群体，相较于传统PPT工具的使用体验差异，可定性为10倍效果的提升。因此在“Co-pilot”模式中，产品价值取决于场景定位，好10倍的体验来自于用户定位。

但另一方面，在原有数字化解决方案较完善的场景中，虽然“Co-pilot”模式可以通过更低的用户成本、更低的使用门槛、更高的生成效率，提供辅助用户决策的线索/素材。但这种方式对业务价值创造效率的提升是相对有限的。

同样是AiPPT这个产品，虽然在PPT制作这个场景下，找到了长尾线索，解决了一部分用户的痛点。但就整个PPT制作场景，它当前的能力并没有办法解决大多数 or 主流用户的需求。

延伸一下：AiPPT的产品迭代规划，在赵充的分享中也有提到，主要两个方向：一方面是通过技术手段训练可以直接生成PPT的大模型（重构并精简传统PPT制作流程）；另一方面是通过积累专家级的经验数据（视觉中国的数以万计的PPT模板），让AI生成的效果更符合主流用户的需求。AiPPT的产品迭代规划，也是目前AI产品的主流迭代思路。

#02Auto-pilot，全能智能（全智能）

“Co-pilot”模式对于AI业内深耕的产品人来讲，是一个共识。而“Auto-pliot”模式，可能绝大多数产品朋友的第一印象是汽车行业的智能驾驶。而今天我分享的并不是软硬结合方向，而是软件方向。

基于小编在这个方向的实践经验，以及一些业内调研。小编认为Auto-pilot 模式的产品逻辑：

基于业务场景，剖析“执行解决方案的业务角色（真人）”的能力矩阵，将角色的经验数字化，角色的能力模型化。将各维度的能力模型融合起来，使之成为一个全新的解决路径。替代原有业务角色完成业务需求。

在实际的产品落地时，PM需要结合自有业务资源 or 传统场景中，洞察岗位经验可数字化程度占比较高的角色；剖析角色的能力属性，将AI可替代的角色能力剥离；同时将塑造能力的经验数字化、模型化、矩阵化，融合成新的角色能力模型；将新的AI角色替换原本的人工角色，使之成为一个全新的解决路径，验证PMF；

说到这里，可能读者朋友对Auto-pilot 模式的价值没有清晰的感知，那小编依旧以AiPPT 这个产品为例：

AiPPT在当下的定位，是Co-pilot模式，即一个AI工具。在进行PPT制作过程中，依旧需要人的参与。而如果将其定位于 Auto-pilot 模式，那么它就不是一个AI工具，而是一个PPT制作智能专家（智能人）。在Auto-pilot 模式下，读者朋友接到老板的任务制作一个汇报PPT，就可以将这个任务交给你的AiPPT助手，你无需关心过程，只需等待这个智能人把成品交给你即可。

作为产品人的你，在看到这个例子，是否能清晰的感知到 Auto-pilot 模式的产品价值呢？

1. Auto-pilot 模式的适用条件

从落地层面考量，AiPPT 是否应该向“Auto-pilot”模式发力呢？小编的认知里，AiPPT并不适用于Auto-pilot 模式，或者说在“Auto-pilot”模式没有被普及前，这个产品并不适合做第一波吃螃蟹的人。

至于原因，小编认为适用于Auto-pilot 模式的产品需符合如下3个条件：

1. Auto-pilot 模式适用于垂直于行业的业务角色。
2. Auto-pilot 模式适用于偏向生产力方向的角色。
3. Auto-pilot 模式适用于非严肃场景的业务角色。

小编将通过几个案例，逐条阐述一下这三个前提条件的背后思考。

1.1. Auto-pilot 模式适用于垂直于行业的业务角色：

以AiPPT为例，由于PPT适用的场景非常广泛，有人可能用它做融资PPT，有人可能用它做毕设PPT。如果将AiPPT设定为智能人的角色，它除了要具备PPT制作的能力和基本审美能力外，还需要具备各类场景的业务认知能力，才能达到代替真人完成这个角色的任务。而在当前的业内环境下，各个细分行业的专家级的数字化经验数据并不完善，且在完善后，变成公域共享数据的难度极大，因此这类垂直于内容制作领域的AI产品在较长时间内都无法以智能人的形态达到用户需求。

1.2. Auto-pilot 模式适用于偏向生产力方向的角色：

而据“Tech星球”，猎聘旗下AI面试产品“多面·Doris”相关负责人表示，某银行校招，仅在面试环节，若采取传统线下5分钟快面，需要20位HR用3天完成5000个面试，如果使用多面AI数字官Doris，48小时就能完成5000个面试，相当于一个数字面试官2天时间能完成20位HR 3天的工作量。

以AI在招聘场景为例，在招聘环节中，招聘HR的职责主要是找简历、联系候选人、意向沟通、面试等。而招聘职责的工作流程已经十分标准化，并且在过往的业务系统中，是可以梳理出高质量的过程性数据，进行能力模型训练。因此目前AI2.0的能力特征在这样的场景下，是可以替代HR角色的招聘职责的。而在大型企业中，由于职责分工明确，人力招聘是由专人负责的。结合AI 2.0的两种产品模式，“Auto-pilot”模式相较于“Co-pilot”模式，在这个场景下的业务价值更高。

但同样在这个场景下，AI面试官是否能完全替代HR的角色呢？在小编当前的观点中是无法完全替代，因为在这个场景下，人力资源的角色分为两个方向的职责，一个方向是如上所述的简历收集、及快速筛选符合面试诉求的候选人。这个维度是可以通过“Auto-pilot”产品替代的。

另一个维度是对高契合度、高端候选人进行综合面试。而这个面试场景中，对话交互的情况更加复杂和多元化，要根据岗位候选人的实际面试情况（表情动作、语态神色、沟通技巧等），有针对性的进行面试策略的调整。其能力项更加偏向于情商维度。而当前的大模型能力，在复杂的对话交互场景中，对人情世故的精准化判断能力是短期内难以提升的缺陷。

1.3. Auto-pilot 模式适用于非严肃场景的业务角色：

以AI在医疗场景为例，由于其模型输出结果的误差对应的代价极大。在严肃场景中，AI在较长阶段内是无法取代真人，独立完成业务需求的。

2.Auto-pilot 模式的核心指标

在Co-pilot 模式中，小编有阐述过其核心指标（定性）是：单维度智能水平的提升，同时人工参与度降低。而在 Auto-pilot 模式中，小编认为其核心指标（定性）是：多维度智能融合后的综合水平的提升。

这里可能读者朋友并不能直观的理解的其差异点，用白话说，就是Co-pilot模式下，产品即工具，不论是AI问答、AI写作、AI绘画，核心目标是解决准不准的问题。而Auto-pilot 模式下，产品即人，而将智能人替换掉真人后，核心目标就不再是准不准，而是解决好不好的问题。而好的定义，在较多场景下并不代表的是准。

这里小编用一个“懂车帝的智能主播”这个案例，来解释一下这个观点。在真人营销直播的场景中，观众提出的问题，比如：

这个商品怎么样？性价比高吗？

营销主播的回答策略是，如果这个商品是他今天的主推商品。那回答的策略一定是正向的。对商品进行营销卖点/亮点的阐述。如果这个商品不是他的直播间主推商品，那么主播可以选择不回答或者就事论事的回答。“正确的答案不一定是对的答案”。

因此在营销场景下，角色的智能水平，不光取决于它的智商水平（准确率），同时更取决于它的情商水平（运营策略基于用户场景的灵活调用）；

3. Auto-pilot 模式的定价模式

在“Co-pilot”模式下，当前的应用层主流定价模式是：订阅模式为主，以用户数量为主要计费单元。按订阅付费的模式，本身较为适用于提供连续服务或产品持续更新的产品。这反映了 AI 应用作为工具辅助人类工作的主流定位。

AI应用主流定价模式采用“订阅模式”，我认为这有2个核心原因：产品价值难以量化 & 盈利并非首要目标。

• 产品价值难以量化：众所周知，AI产品的基础层（算力消耗）主要以用量付费模式，但在应用层却没有被广泛应用，这也反映了许多 AI 应用的价值难以量化，“尝鲜AI产品技术”比“解决问题本身”对用户来说可能更刚需。
• 盈利并非首要目标：许多 AI 产品目前的首要目标是验证其PMF。设置付费门槛的目的是，快速筛选核心用户，并聚焦真实痛点。

而在“Auto-pilot”模式下，以AI面试官这类已被验证市场价值的类“Auto-pilot”产品为例。目前主要被市场认可的定价模式是，按面试人次收费。如：海纳AI面试服务的价格是一个人面试一次大概是在15-30元左右。

在“Auto-pilot”模式下，客户可以接受“以交付成果为导向”的定价模式的核心，是在这个模式下，产品价值可以被清晰的量化。客户可以简单的计算出使用产品带来的投产比。

在小编的认知中，“Auto-pilot”模式在未来可能被广泛普及的定价模式可能存在以下两种模式：

• 以“交付成果为导向”的定价模式：这种模式下，客户只需为成功/有效的结果付费，例如成功的交易量结算、有效的售卖线索等。这种模式可推动产品价值与客户利益进行强关联的建立，并加速产品的普及。
• 以“使用时长为导向”的定价模式：这种模式下，客户需求更偏向于存在长尾效应的收益。例如AI教师，AI品牌主播等。

这两种模式的产品出发点是“Auto-pilot”下，产品即人。那劳动者的发薪方式取决于他的岗位定义。例如：销售场景就是底薪+交易量分红，教育场景就是课时费（按小时计算）等。

以上就是小编今天的分享，欢迎各位读者朋友与小编进行围绕AI产品认知的交流碰撞。

参考文章

MiniMax 闫俊杰：今天的 AI 应用都不会成为 Super App，但这不重要

AI PMF 系列：赚到 RMB 的 AiPPT、赚到美金的 ACE Studio 和赚到留存的捏Ta | 42章经

琢磨事AI碰撞局第二期小记

AI 应用如何赚钱？全球 AI-Native 公司定价策略解密

打工人的命运，掌握在AI面试官手上？

角色中心式计算：AI大模型颠覆性的起点与终点