脉脉林凡：AI落地商业的3词6字5概念

过去一年中，人们对于AI生成式大模型的态度已经发生了深刻变化。

有的公司想利用它降本增效，却无法达到预期业务增长，有的公司斥巨资研发，也迟迟无法达到期望的成功，作用微薄，白白“烧钱”。

大型企业怕落后、中型企业想降本、小型企业想超车。可以说，患有AI焦虑症的人，基本上涵盖当下的所有公司。

都说AI潜力无限，它真的是万能的吗？

“AI的应用场景一定不是全链路应用，而是用于关键环节。”

利用AI赋能成立“一人公司”，最快几年可以实现？

“AI赋能超级个体，大概3到5年即可成立一个一人公司。”

企业怎么把握交互式AI的变化风向，抓住风口？

“下一个交互层变化一定是是语音交互的变化，把握变化初期的风向，就可以迎风而上。”

上周六上午，脉脉创始人兼CEO林凡老师做客混沌，结合自身在AI技术和企业管理中的丰富经验，深入剖析了企业在AI应用落地中的关键环节，同时，通过提出“AI落地评估三原则”并拆解相关案例，帮助企业找到那些真正能产生价值的落地点，为企业技术研发提供切实可行的解决方案，获得了同学们“听一堂课省几千万”的如潮好评。

以下为课程笔记 （篇幅所限，本文内容仅为课程五分之一，请前往混沌APP听完整课程！）

授课老师｜ 林凡 脉脉创始人兼CEO

编辑｜ 混沌商业研究团队

支持｜ 混沌前沿课

企业AI应用落地前的认知准备

1.AI做不到什么

AI不是灵丹妙药，这是人们首先要明确的一个基础认知。

很多企业希望通过AI实现快速降本、快速增收、快速创新的目的，但直到今天，AI的发展水平仍不能满足企业想要立即降低一半人力成本的需求。

诚然，很多企业通过尝试，利用AI提升了企业10%至20%的效益，但距离100%的目标差距依然非常大。但如果能出现原生应用，很可能会带来重大创新突破，但这种发展需要时间。

2.AI能做到什么

现在，很多美国公司立足AI技术，在应用场景中找到了一些非常好的结合点。

例如，Meta利用AI优化广告定向、内容推荐和广告创意，广告回报提升了32%；领英利用AI生成用户Profile和工作描述，会员收入和招聘收入实现10-15%的提升；知识产权方向的创业公司利用AI收集材料撰写律师函，大幅降低成本，等等。

以上这些事情在技术层面都很容易解决，甚至在GPT3.5时期就可以实现对文案的优化和改进。但美国的公司将这种技术与应用场景有机结合起来，达到了“朴实无华但有效”的效果，即使技术并不酷炫，但商业结果的成效是显而易见的。

3.什么样的公司适合应用AI

先说结论，我认为只要不是纯体力劳动的公司，都可以用好AI。其中，大公司比较适合做增收，即用AI技术优化关键环节，从而实现收入的增加；创业公司比较适合做突破，类似于上面提到的知识产权公司。此外，我认为每家公司都可以做提效，例如将程序员使用的Github copilot转换为cursor，一定会在编程领域得到20%至30%的提升。

类似于文案撰写等工作，都可以由AI先行生成，然后再由公司人员进行挑选和优化。之所以有的游戏公司可以用AI替代一半的设计师，就是因为AI非常适合偏创意型的设计工作。

找到AI组织提效的关键节点

在企业内部想要去做AI的创新，实现组织提效和业务进展，可以参考以下AI落地评估三原则。

1.AI落地评估的三个关键原则

这三个关键原则分别为：规模，场景，技术。很多企业在不知晓AI落地评估的三个关键原则之前，AI的创新工作都是发散且收效甚微的。但明确这三个关键原则，且进行评估之后，公司内部的很多项目就可以被先期砍掉，避免不必要的投入。

在利用这三个关键原则进行评估之前，还需要明确一些基本概念。其中，跟场景有关的一个是工作流、任务节点，另一个是创收、降本。跟技术有关的一是单轮交互、多轮交互，二是“文科”、“理科”，三是文本、多模态。下面，我们分别展开。

工作流、任务节点， 是将复杂长期的运营策略简化为一系列具有逻辑关系的工作流程，简而言之，就如同流水线一样，每个人都属于自己的任务需要完成，由企业选择AI来做哪些步骤。

关于 创收降本 ，企业想用AI，无非是创收和降本两个方面。很多人在进行探索的时候，会习惯从业务角度考虑这件事。很多企业家想到AI落地的第一落点就是智能客服。然而，举例来说，如果公司的客服成本占比只有3%，自研技术投入1000万，帮公司省掉了1.5%的人力成本，这么做其实并不值得。

在技术层面，典型的 单轮交互 ，就是输入一次+输出一次，例如提问+回答，就是一个完整的单轮交互。而 多轮交互 则是有问有答，回答完多个问题后，引向购买产品或服务的终点，达到销售转化的一种过程。

这两种模式在技术的研发难度上面是差了一个量级的。可能前者在研发阶段只需要花费100万，但后面的就需要花费1000万。

关于 “文科”“理科” ，例如，营销文案、销售话术、客服话术，都是研究让措辞更生动、描述更具体，而这是文科生擅长的事情，这些事对于AI而言是简单的，甚至可以打到80分。但同样能力的AI在理科生擅长的领域只能做到基本合格，即初级员工的水平，因此企业很难直接用这种能力的AI去处理数据优化方面的工作。

关于 文本、多模态 ，实质上是通过把文字、图片、语音、视频这些由人的感官体验到的东西，交付给统一的模型进行处理。所处理的数据要比单纯文本高出几个量级，因此，所需要的技术能力更为复杂，投入也更为巨大。

综合整个AI落地评估三原则，就是在尽可能规模大的一个业务中找最核心的有优化空间的场景，用尽可能简单的技术来解决问题。同时结合现金流的情况决定做与不做。企业目前已经拥有较大规模，且创收或降本（即场景）的变化量较大，占比大于10%，同时技术难度为单论交互搭配文科类，每年投入100万就可研发的项目是必须做的；企业在行业中拥有较大规模，场景变化量在3%左右，技术类型为多轮交互搭配文科、单论交互搭配理科，每年投入1000万的项目是可以做的；还待验证规模的新兴企业，场景变化量较小，占比小于1%，技术类型为多模态或多轮交互搭配理科类，每年需要投入1亿的项目，则需要非常谨慎地去做。

2.案例拆解

案例1：Linkedln

Linkedln利用AI生成用户Profile和工作描述，例如在个人简历前面增加一段可以迅速吸人眼球的话，让用户可以更好地展示自己的特长，优化生成个人简历，从而更顺利地找到工作。仅此一项应用，就让Linkedln增收了2亿美金，业绩提升了10%到15%。

此外，Linkedln还会帮助企业招聘发布职位。Linkedln发现很多人无法在手机上对招聘岗位进行完整的文字表述，因为要写的内容太多了，书写过程很麻烦。于是，Linkedln通过一些简单问题选项，综合公司过去发布的行业内容，自动生成岗位描述，让想退出编辑的人从70%降低到50%，职位的发布量相应也增加了30%至40%。

职位发布以后，Linkedln还有一整套商业模式，例如通过推广职位来更好达到招聘效果，更多的人发布了职位，推广费用也等比例提升，招聘收入实现同步增加。这其实是非常简单的一项技术，但是带来的商业价值是巨大的。

案例2：Meta

Meta做了一件非常有效且技术层面极易操作的事情，就是优化广告创意。

众所周知，facebook一年有几百亿美金的广告收入，许多企业都会选择将广告投放到facebook上面。但现实中，真正能够写出有创意的广告文案的企业仍是少数。而meta背后有一个很大的广告库，所以知晓哪些广告能够在哪些领域打动目标客户。企业在生成一个广告创意后仅仅需要在facebook投放，meta会根据facebook用户的习惯，为广告创意提供修改和优化的服务建议。仅此一项，就直接为meta带来了几十亿美金的收入。伴随广告效率的提升，用户也更愿意点击这样的素材，广告转化率也同步提升，更多的广告主愿意投入更多的钱到Facebook上进行推介，从而形成良性循环。

就技术难度而言，Meta对广告创意的优化依然是单轮交互，技术难度并不大，但效果出奇的好。对于业务已经成熟的大公司而言，只要找到关键的节点，稍微花点时间就可以解决这个问题。

案例3：character.AI

character.AI曾经一度是AI的创业明星代表。它有很多虚拟的角色，人们可以在平台上与虚拟的角色聊天互动，然后通过订阅的方式进行付费。同时，它采用的是多人持续交互的方式，技术层面非常难。企业为了进一步吸引用户，还要做多模态，包括语音以及其他方式的拓展。场景离变现很远，技术又难，是极具挑战的一件事情。虽然前期获得了几亿美金的融资，一度也曾有过50亿美金的估值，但最后还是以25亿美金估值卖给了谷歌，由此可见，这种方式的成功率并不高。

作为创业者，除了要看自己公司内部的情况，肯定也要在当下时代中做一些新的事情。所以，在企业内部采用创新应用的时候，一定要把视野放到行业维度之中观察，寻找行业里面的创新机会。这种思考方式，不同于公司维度上的思考。

点击下方图片，学习完整课程 ↓ ↓ ↓

抓住AI驱动的行业新杠杆

下面，我们将三原则从企业的维度提上来，换到行业的维度看，行业里面有哪些大的可能性和大的机会。

首先我们还是要系统性的看一个行业的体量和规模。 越大的行业，创新的机会就越多的，能够解决的问题也越多。万亿市场规模的肯定比千亿市场规模的要值得做，千亿的肯定比百亿的要值得做。从产品角度来讲，如果做的是关键创收岗位，肯定比辅助创收的岗位值得做。辅助创收岗位肯定要比同创收关系不明确的岗位更值得做。

从场景的角度讲，工作流在企业内部的时候，往往通过找工作流的关键任务节点来判断 。但到了行业的维度，工作流会变得更复杂。我们往往称之为产业链。所以在这个维度上，我们考虑的事情已经不是任务节点，而是职能，某一个工种在整个产业里面到底起到什么样的价值。同样的工种在不同行业里的价值是不一样的。

关于技术难度，其实是类似的。 比如文本和多模态技术，不管是企业内还是行业内，都会看这个事情难度的差异性。但是一旦到了行业的维度，其实就没有所谓的单轮多轮的交互的选择了。因为你要替代的是某些职能，不管是作为它的辅助，还是真正替代这个职能本身。但是在多轮交互里面，会涉及到选择封闭问题集合还是开放问题集合。交互的问题种类非常广泛的就叫做开放问题集合，有领域边界的则是封闭问题。另外，有些行业的默认错误容忍度是比较高的。例如销售说错一件事是有机会圆回来的。但医生一旦说错专业知识后果会很严重，因此相比销售业，医学界的错误容忍度是非常低的。

所以在做技术的选择，职能的替代的时候，我们要清楚地意识到这三个维度的难度差别是巨大的。

今天，有很多人开展在教育行业内进行关键工种的替代，例如班主任。因为用AI去实现人和人之间的交互和对答的时候，它的效率是明显高于人类的。在一些具有中等难度的行业，例如医疗行业中的轻问诊，是具有一定难度的。因为患者需要特别明确和靠谱的回答，但凡有一个错误的回答就会酿成大错。而且，问诊距离后面可以获利的买药环节还有一定距离。高难度的行业也有很多，例如养老行业的精神陪伴。今天中国的老龄化问题越来越严重，这是人们所熟知的。从养老产业角度看，整个国家的养老产业已经有10万亿的规模了，在未来5年时间里可能会增长到20万亿的体量。并且它的上下游业态十分丰富，天花板也很高。