當前的AI工具市場，還處于一個野蠻生長的藍海階段。那如果在B端上應用來進行降本增效，還會有諸多痛點需要解決。這種時候，如何走完AI工具落地的最后一公里呢？

隨著AI技術的不斷發(fā)展，各類AI工具層出不窮，許多崗位已經深度應用了這些工具。例如，在翻譯場景中，AI翻譯工具能夠提供符合業(yè)務格式和文風要求的翻譯；在作圖場景中，AI生圖工具可以生成草稿和半成品。由此可見，AI工具目前已經在各行各業(yè)中顯現出顯著的降本增效作用。

但事實上，當前的AI工具市場正處于一個野蠻生長的藍海階段，這意味著利用這些AI工具來進行業(yè)務降本增效必定會存在以下痛點：

1. 較高的試錯成本

當前市面上的AI工具數量繁多，各家提供的功能和質量參差不齊，導致存在極大的信息差。在某一AI工具門戶網站下，僅“AI圖片背景移除”這一項就收錄了近30個不同的AI工具。

因此，當我們需要某個特定的AI功能時，很難快速找到最符合業(yè)務需求的工具。這就需要我們逐個嘗試這些AI工具，利用業(yè)務數據進行模擬測試，并評估其效果。這個過程相當耗費成本，主要包括以下幾方面：

1）人力成本：

由于AI工具通常由第三方平臺開發(fā)，因此需要注冊相應平臺的賬號，并設計一套評測方案（包括測試集選擇、指標體系建立等），最終評選出最適合業(yè)務需求的工具。

然而，這并不意味著評測工作可以一勞永逸。由于AI工具更新迭代速度極快，目前的最優(yōu)解可能很快就會被新的工具取代。因此，我們需要定期測試市面上的最新AI工具，并更新我們的工具選擇。此外，不同AI工具由于使用的訓練集不同，在不同案例中的表現也會有差異。如果我們的業(yè)務內容變化較大，也需要結合業(yè)務的變化重新評估AI工具的效果，以找到新的最優(yōu)解。

有人可能會問：“為什么不能通過第三方門戶網站推薦或用戶推薦來找到最優(yōu)解呢？”這是因為這些推薦通常基于通用場景，而不是特定行業(yè)的需求。在通用場景下表現良好的AI工具，可能在某些垂直行業(yè)中表現不佳；反之亦然。因此，在當前垂直領域信息缺乏的情況下，只能通過逐個嘗試來找到最優(yōu)解。

2）工具購買成本：

雖然市面上有不少免費的AI工具，但其效果往往不如付費工具。為了找到最優(yōu)解，通常需要購買一些付費工具，這也會帶來一定的成本。如果涉及的工具較多，這筆費用也不容小覷。

盡管這筆費用對大部分公司來說并不算大，但主要成本仍集中在人力消耗上。

2. 較割裂的使用體驗

假設業(yè)務通過一定成本的試錯，找到了N個最優(yōu)的AI工具，那么在實際操作中，業(yè)務需要在這N個AI工具之間頻繁切換。這涉及多個平臺之間的跳轉、文件傳輸等操作，導致效率大打折扣，降本增效的目標難以實現。

以圖片生成業(yè)務為例，設計師用AI從零生成一張圖片可能需要經歷以下步驟：

i） AIGC工具文生圖：使用提示詞生成N張圖片，從中選取可用的背景和人物。

ii）AI圖片背景/物體/人物抹除：從文生圖的結果中摳出所需要的背景、物體和人物。

iii）組裝合并：使用圖片編輯工具組合背景、物體和人物，生成一張所需的圖片。

iv）AI濾鏡/轉繪/擴圖：對合并后的圖片進行進一步處理，生成目標圖片。

v）AI無損放大：由于AIGC生成的圖片尺寸不一定符合業(yè)務需求，需要使用AI無損放大工具生成合適尺寸和分辨率的圖片。

按照上述步驟完整生成一張圖片，可能需要用到多達8個AI工具。設計師需要在這8個工具之間頻繁切換，上傳和處理圖片。這種割裂的使用體驗無疑增加了設計師的工作成本。再考慮到AI工具的不穩(wěn)定性和試錯成本，當前AI工具的使用成本顯然非常高。

3. 工具成本累加

前文提到，通過一定成本的試錯，我們找到了N個最優(yōu)的AI工具。這意味著我們需要支付以下費用：工具A使用人數 * 工具A成本 * 工具A訂閱時長 + 工具B使用人數 * 工具B成本 * 工具B訂閱時長 + ……

當使用的工具較多、團隊成員較多時，這將是一筆可觀的成本，甚至有可能不如聘請一個外包/實習生更為經濟。

“試錯成本”、“使用體驗割裂”、“工具成本”，這些問題是阻礙團隊進一步利用AI工具降本增效的瓶頸。但這些問題的存在其實有一定的客觀原因：

1）市場處于藍海階段：目前，AI工具市場仍處于藍海階段，信息差異巨大。要客觀了解市場上工具的能力水平，必然需要大量的試錯成本。并不是所有企業(yè)都能意識到這一點并愿意花費成本進行試錯。

2）工具的標準化：由于市場處于初級階段，大部分AI工具優(yōu)先保證自己的MVP（最小可行產品）和PMF（產品市場契合度），這意味著大部分工具都是在做標準化的通用解決方案，而不是滿足企業(yè)的定制化需求。因此，對于業(yè)務流程繁瑣的企業(yè)來說，AI工具的提效程度有限。

3）缺乏一站式解決方案：同樣由于市場處于初級階段，尚未出現超級巨頭，也沒有一個“All in one”的工具。這導致很多工作流程分散在多個系統(tǒng)上，造成使用體驗的割裂。

因此，在B端企業(yè)領域，AI工具距離真正實現“降本增效”還有最后的“一公里”。作為一個B端產品經理，面對市場上琳瑯滿目的AI工具及其痛點，我們可以幫助企業(yè)走完AI的這最后一公里，幫助企業(yè)在AI工具的藍海階段抓住機遇，快人一步。

一、如何走完最后一公里？

個人認為，要走完最后一公里主要有下面幾個步驟：

1. 挖掘業(yè)務所需的工具

首先，我們需要明確業(yè)務所需的工具類型，以便為后續(xù)的研究指明方向。盡管當前市場處于藍海階段，但已經有不少優(yōu)質的信息源出現，如門戶網站、評測視頻、AI相關公眾號和社區(qū)等。因此，我們可以通過這些信息源了解市面上的AI工具，并收集適合我們業(yè)務需求的AI工具方向。

當前AI工具種類繁多且不斷迭代，難以使用統(tǒng)一的方案進行類型劃分。以下是我嘗試的一種分類方式，分別從內容模態(tài)和處理方式進行分類。

1）內容模態(tài)分類：

內容模態(tài)指內容的形態(tài)，大致可分為文本、音頻、圖片、視頻、3D模型。

這些內容模態(tài)可以進一步細分，某些類型的組合還可以形成新的類型。例如，3D模型/視頻+音頻可以形成數字人，圖片+文字可以形成PPT類型。

2）處理方式類型：

基于上述內容模態(tài)，我們可以將處理方式分類，包括但不限于以下幾種：

i）思考：理解某類內容中的信息并將其描述出來。例如，對一段新聞進行提煉的AI文字總結工具，或對一段視頻進行提煉的AI視頻總結工具。

ii）生成：通過用戶輸入的信息與預設的參數，直接生成某類內容，即AIGC（人工智能生成內容）。常見的如SD、MJ等工具，Chatbot也可以歸類為此類型，因為它通過用戶的聊天和預設的場景進行響應。

iii）編輯：在某類內容生產過程中進行修改和編輯，常見于圖片、視頻、音頻、模型等美術素材生產環(huán)節(jié)。例如，AI摳圖、AI圖片擴展、AI去水印等。

我們可以通過“業(yè)務所涉及的內容模態(tài)”和“業(yè)務環(huán)節(jié)中對內容的處理方式”快速定位所需的工具類型。

當然，我們也可以通過繪制業(yè)務流程圖來輔助挖掘所需的AI工具。如下圖所示，在圖片宣傳素材生產環(huán)節(jié)中，可能用到的數據采集、圖片分析、圖片生成、提示詞工具、圖片擴展、一鍵摳圖、去水印、批量修改等工具。

2. 知己知彼，熟悉工具

當前AI工具市場處于“競爭激烈的藍海階段”是一個不可否認的事實。要在這個環(huán)境中有效利用AI工具，必然需要花費一定的試錯成本來了解相關工具。

然而，我們可以采用科學的方法來減少試錯成本的浪費：

1）通過信息采集渠道初篩：

通過前文提到的信息源（如門戶網站、評測視頻、AI相關公眾號、AI相關社區(qū)等），我們可以獲取AI工具的一手資訊。雖然這些資訊不能直接告訴我們最優(yōu)解，但可以輔助我們對AI工具進行初步篩選，為后續(xù)的評測提供方向。

2）科學合理的評測機制：

科學且合理的評測機制是事半功倍的關鍵。以下是一個科學且合理的評測機制的步驟：

i）評測工具初篩：

我們無法對所有AI工具進行全面評測，因此需要一些手段進行初篩。可以使用具有業(yè)務代表性的數據進行快速測試。如果某個AI工具在初步測試中表現不佳，通過調整提示詞和參數也無法優(yōu)化，且官網上沒有相關的行業(yè)案例展示，口碑也不佳，那么我們可以直接放棄這個工具，避免浪費時間。

ii）AI工具熟悉：

通過初篩選出的AI工具后，我們需要對這些工具有初步的認知?？梢酝ㄟ^官網教程、用戶手冊等途徑進行了解。這一步的目的是充分發(fā)揮工具的價值，避免因使用不當導致的誤判。

iii）設計評測指標：

結合業(yè)務需求設計評測指標，能夠對多個同類工具進行量化對比，從而選擇最優(yōu)解決方案。例如，對一款視頻風格轉繪工具進行評測時，可以列出“風格符合度”、“幀數穩(wěn)定度”、“主體識別準確度”、“成本”、“生成時間”等指標。這些指標需要能夠準確描述AI工具的優(yōu)劣，以便在后續(xù)評分時進行快速選擇。

需要注意的是，部分指標偏主觀判斷，因此需要人工梳理評分標準。比如：

我們需要清晰地定義“每個評分等級的標準”和確保“團隊成員在評測時理解一致”，保證即使進行團隊評測，也能夠較為公正地進行AI工具評測。

iv）選取測試樣本：

基于評測指標，使用具有代表性的測試素材在不同方案上進行測試。這些素材需要具備以下特征：

-具有一定量級，不能僅僅一兩個，否則難以測試出結果。

-在某些方向具有代表性，能夠測試出不同方案的不同指標情況。例如，在視頻風格轉繪工具評測時，選擇角色眾多的視頻，以測試多主體識別的準確性。

v）執(zhí)行并記錄評分：

將樣本在AI工具上批量測試，并記錄相關結論和截圖。由于這一部分評價偏主觀，最好由同一批人進行評價。

通過以上步驟，我們可以科學地選擇出在某個方向上表現最佳的AI工具。

3. 接入各類AI工具

基于調研結果，我們需要將所需的AI工具接入內部業(yè)務系統(tǒng)，以提高業(yè)務效率和效果。

根據接入需求，AI工具可以分為開源和閉源兩類。

1）開源工具：開源工具是指那些源代碼可以被公眾使用、查看、修改和分發(fā)的軟件項目。通?？梢栽诩夹g論壇上獲取源碼，并結合企業(yè)自身需求進行定制化開發(fā)。

2）閉源工具：閉源工具是開源工具的對立面，指那些不符合開源許可條件的程序。閉源工具往往需要付費使用。

從效果上看，付費工具通常表現更好，但這并不絕對。因為閉源工具可能無法完全滿足特定行業(yè)的定制化需求，而開源項目則更具定制化改造的可行性。

市面上的AI工具不一定都有同等效果的開源方案，因此選擇時需要權衡。如果一個AI工具同時具有開源和閉源方案，我們要比較“開源方案改造成閉源方案效果”的成本是否小于“直接使用閉源方案的成本”。如果開源方案更具性價比，則應優(yōu)先選擇開源方案進行開發(fā)；否則，選擇閉源方案。

接入開源方案相對簡單，只需獲取源碼，讓技術團隊進行解析，并將其組裝到我們的系統(tǒng)中，進行必要的定制化功能或訓練集改造。

接入閉源方案有以下兩種方式：

1）接口接入：

如果第三方提供了功能接口，我們可以通過API接入，按需求調用第三方服務，并按請求量結算。

2）套殼方案：

如果沒有提供功能接口，可以考慮通過爬蟲或RPA（機器人流程自動化）工具進行數據輸入/輸出，將我們的B端系統(tǒng)與第三方服務結合起來，并使用第三方賬號進行服務結算。

4. 基于業(yè)務的定制化改造

在完成AI工具的功能接入后，我們需要進行基于業(yè)務的定制化改造，使AI工具更貼合公司業(yè)務需求，真正實現賦能。整體過程可以分為以下幾個步驟：

1）定制化微調：

第三方AI工具所使用的訓練數據源通常是通用或行業(yè)常見的數據源，因此在處理公司特定業(yè)務時可能會出現較高的誤差。為了提高AI工具的效果，我們需要進行定制化微調，具體方法包括：

i）參數優(yōu)化：

通過熟練使用AI工具，我們可以在實踐中總結出最優(yōu)的參數配置方案。在內部使用時，預設這些最優(yōu)參數配置方案可以減少業(yè)務的學習成本，提高整體效率。

ii）數據樣本錄入：

如果AI工具允許我們錄入數據，我們可以采集業(yè)務實際生產過程中的數據作為訓練集輸入到AI工具中，從而優(yōu)化其在我們業(yè)務上的輸出效果。一般來說，開源方案支持這種操作，基于大語言模型（LLM）的工具也可以使用檢索增強生成（RAG）方案進行數據樣本錄入。

iii）嵌套規(guī)則/模型：

在AI生成的結果上嵌套我們自研的規(guī)則或AI小模型，可以實現輸出結果的修正。

嵌套規(guī)則/模型和數據樣本錄入的本質都是通過實際業(yè)務實踐對AI輸出結果進行修正。

2）貼合業(yè)務流程的調用方案：

為了避免使用體驗上的割裂，我們需要將AI工具嵌入到B端產品的實際業(yè)務流程中，實現更低的“替換成本”，從而最大化“新體驗-舊體驗-替換成本”。

這個過程的主要步驟有：

i）梳理原有的工作流程：

在將AI工具融合到B端系統(tǒng)之前，首先需要詳細梳理和了解業(yè)務的原有工作流程。這包括收集和分析現有的數據流、業(yè)務規(guī)則、決策流程以及各個環(huán)節(jié)的輸入輸出關系。通過深入了解業(yè)務流程，可以更好地確定AI工具的應用點和整合方式，確保其能夠與現有系統(tǒng)和流程無縫銜接。

例如，在圖片素材制作流程中，除了提示詞、草圖、成品的環(huán)節(jié)，還包括需求提出、修改調整、上架、復盤等環(huán)節(jié)。這涉及到業(yè)務上游和管理者的訴求。因此，美術資源生產環(huán)節(jié)往往圍繞項目資產流程進行，我們的AI工具可以結合項目資產管理系統(tǒng)進行整合。

ii）將AI工具嵌入原有的輸入與輸出環(huán)節(jié)：

確定了需要結合的系統(tǒng)和需要替換的輸入輸出環(huán)節(jié)后，我們可以將AI工具整合到其中。在這一過程中，可以預設工具的結合場景參數，減少業(yè)務的學習理解成本。

例如，原本的業(yè)務輸入輸出環(huán)節(jié)為：業(yè)務上游輸入需求，美術輸出草稿，美術輸入草稿和編輯需求，各類工具輸出成品。

結合AI工具后的系統(tǒng)流程可以變成：業(yè)務需求方在項目資產系統(tǒng)上發(fā)起新建項目，結合需求描述生成提示詞，并生成草圖。美術設計利用系統(tǒng)集成的工具進行編輯，并上傳終稿，最終由業(yè)務成員驗收并發(fā)布到線上。由于整個流程都在線上，相關的工作進度和素材效果跟蹤也能集成在系統(tǒng)上，減少管理成本。

iii）加入AI校驗：

為了避免AI輸出結果中存在誤導性內容對業(yè)務產生影響，我們需要建立一套有效的驗證機制。常見的驗證方法包括規(guī)則過濾、AI過濾和人工審核，以此攔截具有誤導性的內容，為AI幻覺問題提供保障。

在圖片素材場景中，我們可以通過增加審核功能，使業(yè)務人員和設計師能夠保證交付結果的質量。

四、小結

以上便是我個人的思考與總結?；蛟S在未來，B端領域將會出現具有行業(yè)特征的AI工具，解決我們當前在B端應用AI工具時所面臨的痛點。然而，那一天何時到來尚未可知，也不確定這種工具是否會覆蓋我們所處的行業(yè)。

為了幫助企業(yè)在激烈的競爭中占據優(yōu)勢，我們仍需主動邁出這最后一公里，進行定制化微調和業(yè)務流程整合。只有這樣，我們才能充分發(fā)揮AI工具的潛力，為企業(yè)創(chuàng)造真正的“降本增效”。