AI，这是一个在过去两年被反复提起的一个词，我们由最初的满怀期待到现在听到 AI 就焦虑，感觉自己很快会被淘汰。而时间的推移，你会发现无数人都在去讨论：“AI 能取代设计师吗？AI 能取代程序员吗？”最初我们都在期望 AI 帮我们解决洗衣做饭等问题的时候，没想到我们的饭碗没了。两年的时间过去，AI 在不断的颠覆迭代，对我们设计过程会造成哪些影响？对我们 B 端设计又会有哪些机会？今天我们就由浅入深的聊聊 AI。
一、AI 产物的解析
我们想要理解 AI 产物，首先必须得了解其对应的过程以及产物的类型.
目前 AI 产物整个的过程主要分为以下几个步骤：数据收集、数据预处理、特征提取、模型训练、评估优化、推理决策、循环优化
我们举一个简单的例子来理解一下整个的步骤，比如「智能天气预报零碎」
数据收集：零碎就会收集来自不同地点的温度、湿度等气象数据，将其同步记录到零碎核心
数据预处理：对收集到的数据从事人工清洗，去除异常值等特殊情况，将采集的数据标准化
特征提取：将处理好的数据给到零碎，用于分析数据中的模式，比如识别出哪些条件下通常预示着雨天
模型训练：应用过去的历史气象数据，零碎训练一个模型来学习天气变化的规律
评估优化：通过与实际天气情况对比，评估模型的准确性，并根据需求从事调整
推理决策：当用户询问明天的天气时，零碎应用训练好的模型来预测天气
反馈循环：用户对预测结果的满意度反馈给零碎，如果预测不准确，零碎会学习并改进预测模型
当然这是较为简单容易理解的情况，真实的实质会更加的复杂，还会涉及到 NLP、ML、DL 等技术来不断优化 AI 让其能做的真正做到可知可感，像一个真人一样。
二、AI 产物的类型
在 AI 产物的运用层面，目前主要有以下几种产物类型来落地 AI。
1. AI 绘图
这是我们设计师最为熟悉的领域，主要是因为日常工作本身就会与图片相关，主要可能绘制图片，赞助我们解决日常工作的问题。
目前主要还是以 Midjourney、Stable Diffusion 为主，他们都有着较强的绘图能力，对传统的绘图领域造成十分大的影响（举一个侧面例子，前两年会有无数学习插画的课程，自从 SD、MJ 出来过后便消失了无数）。除了传统的 AI 绘图模式，还会有最新版的 Photoshop 推出的「创意填充（Generative Fill）」，它可能应用「Adobe Firefly」提供的技术能力，允许用户以非破坏性的体式格局从事图像组合和生成，关于绘图类的 AI，大家都会结合自身生态来去构造相类似的产物。
目前 AI 绘图类资源：Midjourney、Stable Diffusion、Civitai、liblib、Firefly
2. AI 文字
AI 文字类的产物会十分的广泛，因为它不像图片难以理解、解析，文本所能承载的信息就十分广泛。比如行业标杆 ChatGPT 以及它的一众小弟，你会发现软件之丰富，会失去判断能力，每一个都想去做尝试。
比如最近很火的 KIMI，可能阅读处理 200 万字以内的长文本；百度的文心一言，靠着搜索结果也可能给用户精准的数据；讯飞的讯飞火星，可能与语音结合，通过语音对话的形式实现 AI 的交流沟通，你会发现每一个软件都有着自己独特的特点，而这些特点也会是我们去寻找在 B 端产物核心的机会点（下篇文章我们会聊到）
这是行业核心竞争最激烈的一个赛道，上周各大 AI 厂商开始疯狂降价，通过价格战来不断内卷。
AI 文字类的软件：ChatGPT、文心一言、Kimi、讯飞火星
3. AI 视频
视频类目前由于门槛较高，其实会发现整个是噱头大于实际用途。比如之前很火的 Sora，据报道背后是用了十分多的素材累计起来的，其参考意义并不大。
不过 AI 视频生成的实质，我最喜欢的还是「小女孩的一生」这类视频主要是在传统的视频软件核心制作需求大量时间与精力，而现在就可以轻松解决。
AI 视频类的软件：Sora、Runway
4. AI 音乐
音乐类其实了解的会比较少，所有的资讯都是来自 B 站的各个自媒体解读。通过他们的表情给我一种看到 MJ 画出无数复杂的图像一样，我认为也是出乎他们的意料～
目前整个音乐领域主要是以 Suno 为主，赞助他们从事旋律创作、和弦编排上，相信在后续的两三年时间内，可能赞助到更多音乐的创作者。
三、AI 产物对设计师的影响
目前，AI 会影响到我们工作的无数方面。这里也为大家准备了一些在日常工作核心我们所应用的各种场景。
1. 交易理解
对于一个 B 端设计师而言，交易一定会让你十分头疼，因为无数专业术语、名词不太明白。再加上时间紧，任务重，根本没办法深入的去理解交易，因此就需求有一个简单直接「利器」，那 AI 很明显可能承担一部分责任。
比如我们以最近一位向我咨询的同学为例，他主要负责云产物的设计工作。因为产物线过多，会导致他无法从容应对项目核心的繁杂需求，特别是对交易的理解十分薄弱（说的像不像文章前的你们～）。
这时候我就会推荐他应用 AI 工具来对交易从事快捷理解，比如现在要负责一个 「持续集成的需求」，里面涉及到共享存储库等一系列术语，对于他来说根本没办法解决。这时候我们就可以对 AI 从事提问，首先解释什么是共享存储库；紧接着问具体什么是持续部署；再让他给我简单举一个通俗的例子；这类问题便快捷解决。
AI 其实是十分擅长回答产物定义等，在网上有固定明确答案的问题，这时候对其提问你可能快捷解决。
2. 素材制作
对于我们设计的日常工作而言，素材制作主要是为了省时间，像是 B 端的图标，我把他们遮上，你知道是哪个产物的吗？而这类风格的图标素材我们可以快捷生成，并且在日常工作核心，也可以用相同的体式格局生成大量的图片底图素材等等，至少可能在视觉设计上给到大家十分多的赞助。
3. 用户访谈
提到用户研究在 AI 中的运用，无数人会想到让 AI 帮我们生成调研方案。emmm… 其实在用户研究核心，方案的制作并不是最痛苦的事。反而是对应的问题整理会尤为头疼。比如我们在用户访谈时，在之前只能考虑应用录音的体式格局，将与用户的对话录制下来，后续再通过回放的体式格局从事回顾。
而现在我们可以考虑结合 AI+智能工具的体式格局，快捷实现。简单梳理一下对应的 SOP：
从事用户访谈，同时将访谈录音从事录制
将录音信息上传至语音识别平台，如：飞书妙记、讯飞听见
将文本信息扔给 AI，让其帮你整理对应的提问实质，以及你的回答～
最后整理其行为态度与结果，快捷生成
数据整理
当然除了用户访谈之外，我们在用户研究的时候还会有无数真实数据这时候我们也可以通过 AI 的体式格局来从事解决。比如我们将用户在访谈以及问卷调研核心的所有数据结果整理到表格核心，并且与其他用研人员讨论出用研结果评判标准。然后再将数据上传到飞书多维表格，并新增 AI 字段，将我们评判标准告诉给 AI，让其可能主动学习紧接着 AI 就可以根据你的要求快捷生成出一个可以参考的数据结果，你再结合结果与数据从事一遍走查即可，这样的整个过程会比你以往更快，工作强度也会更低。
四、如何理解 AI 产物
在试用过十分多的 AI 产物后，我觉得主要会有两个要点：利润、收益。
1. 利润
主要是我们在体验时，需求注册、购买，甚至有的产物需求为 AI 性能单独付费，这就是金钱利润。比如 MJ、ChatGPT 几乎都需求付费来从事应用。而在应用 AI 产物时，通常我们需求从事零碎的学习，同时在让 AI 产物从事服务时，我们需求录入大量的信息，来告诉 AI 我要想要什么，这是信息利润。像是应用 SD，我需求去输入大量的信息，告诉 AI 我想要什么风格的实质。
主要是我们在体验时，需求注册、购买，甚至有的产物需求为 AI 性能单独付费，这就是金钱利润。比如 MJ 和 ChatGPT 几乎都需求付费来应用。
那为什么我想要应用 AI？这就会牵涉到收益，也就是 AI 产物可能给我带来什么？
比如它可能帮我整理资料、生成图片、制作视频，这些都是它的收益。而利润与收益本身就是正相关，比如你告诉 AI 更多信息，那就可能得到更为准确的答案。
作为设计师，我们首先要解决的便是利润与收益的问题，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，我们就需求认真思考。
因为金钱利润与产物定价相关，我们无权干涉；获得的收益与大模型、程序员相关，需求他们从事微调，因此我们能做的只是让 AI 平台可能更容易应用。
2. 收益
如何平衡利润与收益，我们来看看目前大量 AI 产物的具体做法。
SD 是一个典型的工具型产物的思路，将所有的设置直接提供给到用户，想要任何实质你都可以设置得到。这也就导致它的应用门槛很高，通常我们需求大量的学习才可能上手应用。而页面核心所有的性能都是直接平铺展现，因此十分复杂。
举一个简单例子，这就如同 B 端产物，我的所有性能都平铺呈现在工作台上，显然不太友好，因此你需求付出大量的利润，而对应确实 SD 可能给到我们更为准确的结果，想要什么它都可能帮我们实现，这就是典型的高付出、高回报，它适合更为专业的人从事应用。
ChatGPT 则是为了保证你的收益，会采取连续对话的体式格局。
这种体式格局十分巧妙，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实质提出要求，进而提供更多信息，来优化结果。
虽然你需求反复打字，增加利润，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从事修改，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从事细节丰富（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从事选择决策，而这些都是在不断地精准用户想要的结果。
回过头我们再看利润与收益这个公式，你会发现金钱利润与我们设计师无关，因为这与产物的定位等实质密切相关；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，我们会在信息利润更为关注，也就是如何做到以下几点：
如何无感的让用户录入自己的需求
如何快捷纠错，让用户重新输入
在结果不够准确时，提供更多选择以提高满意度
五、AI 与 B 端如何结合
那么强大的 AI 性能，那如何在 B 端这类型的产物核心从事落地，我认为是需求将 B 端与 AI 从事结合，这里想到了一些应用场景和大家从事分享：
1. AI 智能挑选
在日常工作核心，挑选一定是较为复杂的性能。由于挑选本身是按照开发逻辑实现的一个性能，因此你会看到目前整个的零碎作法分为两类。
一类是把挑选做得尽可能的简单，只会通过字段与对应的值，根据「且」的逻辑来呈现挑选结果。这样可能保证挑选门槛低，大多数人都会从事应用；
一类是把挑选做得尽可能的复杂，将挑选中「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，导致应用门槛较高。
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。而且复杂挑选本身设计组件较为难做，同时我们完全将产物的复杂度交给用户，不太适用。
比如我想在 CRM 产物核心挑选「最近一个月我负责的高价值客户」，我就需求从事 日期、负责人、客户类型三个字段的挑选。假如挑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，那这个挑选的设置就会极其复杂。这时候我们就可以通过 AI 的体式格局，将上述文本写在 「AI 挑选」 的模块核心，提出你的挑选诉求，AI 就可能赞助你自动匹配挑选。
并且这个方案在移动端上也能从事适配，因为之前有尝试过移动端的复杂挑选，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从事应用，我们就可以利用移动端的特性，让用户语音说出他的挑选诉求，然后语音转文字，将文字录入 GPT 导入管理零碎核心，这样就能实现快捷挑选，感觉讯飞语记+讯飞星火就能实现。
2. 复杂逻辑 AI 设置
在 B 端产物核心，各种规则设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，因此就可以考虑应用 AI 的体式格局从事设置初稿。比如一个过程设置，其实设置的难度相对较高，同时里面的规则较多，我们很难通过自身的逻辑要求，让零碎快捷生成相应的过程设置。而现在我们可以通过 AI 的体式格局先识别对应的信息实质，将自身语言逻辑从事录入，然后将语言逻辑通过 AI 的体式格局转化为程序逻辑。
这里想到我期待的一个场景，我是快捷指令的重度应用者，但每次编辑快捷指令往往需求耗费大量时间，苹果则可以将这部分设置工作交给 AI 完成，通过对话、聊天等的体式格局，将你的需求说出，即可实现一个过程设置。虽然 iOS18 没有这个性能，希望苹果能在 iOS19 加上。
除了过程之外，像是无数低代码产物、各种规则都可以考虑应用 AI 从事赋能。（无数产物最近都在跟进，这个下篇文章聊聊）
六、AI 智能客服
AI 在客服类产物也可以有着广泛的应用。
因为本身客服类产物就是高强度、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 快捷赞助客服人员锁定问题，给出建议的解决方案，这样可能赞助其减少客服压力。
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~
七、AI 图片生成
在 B 端产物核心，图片处理也是十分头疼的一个环节。因为无数 B 端企业的本地商家，都需求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个抽象，整理成自己需求的模型库，来优化产物。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。同时在无数 B 端产物核心，本身就会有主题的性能，那完全可以将这个主题的需求进一步细化，通过 AI 的体式格局会有十分多的运用场景。
八、AI +
除了上面讲到的实质之外，还有无数可以想到的交易场景：
比如 HRM 零碎核心，我们可以应用 AI 可能快捷赞助 HR 处理简历，从事信息上的整理与汇总；CRM 零碎核心，销售需求记录大量的跟进记录，那我们便可以应用 AI+语音的体式格局，让销售去说做了什么，在零碎核心就能从事更准确的记录；医疗零碎核心，AI 可能赞助医生从事患者病情的快捷初诊，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 端产物的结合，我们可能发现 AI 本身确实会有着十分多的能量，我们作为设计师需求了解其原理和设计思路才行。
这时候肯定就会有同学问：“有没有哪些真实落地的 AI 产物呢？”
1. 有赞
有赞是行业中较早宣称拥有 AI 性能的 B 端产物之一。AI 性能上线以来，已经经历了几个版本的迭代。目前，整个应用体验相当不错，让我们看看它的设计思路。
首先，有赞的 AI 性能位于界面右上角，点击“加我智能助手”即可展开并查看所有性能。这些性能包括性能咨询、数据检索、文案创作、经营分析和自动任务。
性能咨询：类似于智能客服，可能根据用户提出的问题自动匹配相应的答案，并提供赞助中心的相关文档链接。
但整个其实并没有接入大模型，而是传统的智能客服的思路，提出一些预设核心没有的问题这里并不能给出解决方案。像腾讯云的智能客服，则可以针对你提出的非标问题，依据知识库的大模型实质，快捷回答。
数据检索：根据预设的数据规则自动匹配数据。输入“/”会让你手动选择订单、商品、客户，进而实现快捷搜索的性能。
文案创作：与 ChatGPT 相似，但由于目前是试用版本，这里就没办法体验到。
经营分析：可以将自己想要的数据与 AI 从事对话，AI 会帮你统计具体数据的值，并且可以应用不同的图表体式格局从事展现，这个性能对于老板来说十分友好。
自动任务：可以赞助你快捷创建一个过程设置，和我们上一篇文章讲到的思路很像。不过好像是零碎出现 Bug，即使是应用零碎自带的提示词，也依旧提醒我无法创建过程，只能为空白过程（不排除因为我是免费版所导致）。
整个来看，有赞所提供的 AI 能力确实不错，确实是站在 AI 的角度去解决零碎中的实际问题。从性能的维度上，涉及到文本创作、数据查询、企业设置等多个环节。看完这些性能后，我很好奇有赞移动端做得如何？发现这个 AI 页面与移动端的尺寸比较一致，甚至整个 AI 界面都有点像移动端的适配版本。为此我下载了移动端看了看，结果发现目前还没有动作。不过我认为 AI 性能在移动端的运营场景会更值得大家期待。
2. 小鹅通
小鹅通的 AI 产物也在不断迭代扩充。我们会发现，它的整个思路与有赞比较接近。
首先，在 AI 助手部分，它集成了在线客服等 AI 常用性能，并通过对话框的形式来从事交互。此外，它还支持数据检索、文案创作等常用性能。
不过在体验上，数据检索的性能还有优化空间。因为当我们选择对应的条件后，小鹅通的做法不够简洁，提示为“按照以下条件查找用户，用户昵称为：”，我更喜欢有赞的做法“/搜商品：”，简单易懂。
由于文案创作的能力是属于高级版付费性能，因此大家只能脑补一下。不过从它的产物介绍页能看到，支持的实质十分多，并且都是基于自己产物性能模块所衍生出来的文案创作，这点还是很不错。
同时，小鹅通也会针对自身产物的特性推出相应的特色性能，例如智能字幕。我认为这是一个十分好的性能点，至少对于我而言，是有愿意为这个性能去付费的冲动。确实，在课程中需求有字幕的赞助，这样便于同学们更好地学习。
这里也可以为小鹅通提出相应的建议，智能字幕的性能还会有衍生的场景。比如，当用户开通了智能字幕后，我们可能为用户快捷总结该堂课的核心实质。这样，在课程的介绍或者是老师后续分享总结该堂课的核心要点时，都十分有赞助。我自己也尝试过通过飞书妙记加 Kimi 去解决，整个感觉还不错（又一个付费性能出现了）。
关于 AI 助理的 AI 语音评测，由于确实没有实际的应用场景，我只能通过简单的介绍来了解，感觉性能还可以。
3. 钉钉
关于钉钉的 AI 性能，由于这些性能本身需求付费，因此我只能根据官网的信息来为大家做一些分享。如果哪位同学已经应用了钉钉的 AI 性能，欢迎私聊我，让我简单了解一下，或者你演示给我看也行。
首先，对于钉钉来说，由于它本身就是一款 OA（办公自动化）软件，日常工作中的各种协同工作自然是它所关注的重点。因此，你会看到诸如请假审批、工作概览、待办助手、个人日程等无数项性能都属于钉钉的范畴。
不过在性能上大同小异，大家可以通过截图/官网了解这些性能，我们在这里就不详细展开了。
其次，钉钉在实质创作方面也有所涉猎。它根据性能场景提出了文档、PPT、脑图、图片等场景的智能生成性能。这些性能可以赞助用户在不同的工作场景中更高效地创建和编辑实质。在应用场景上，钉钉也会提到像会议、宜搭这类交易零碎的快捷创建和应用场景的应用。这些性能使得用户可能迅速搭建起适合自己交易需求的零碎。
大家可以特别关注一下宜搭这个模块所提供的 AI 性能。我认为，这些性能是 B 端交易零碎中需求提供的基础能力。它们包括智能报表的填写、交易零碎的数据分析以及实质的智能处理等。这些性能是较为通用的，几乎每一个产物都会涉及。
总的来说，钉钉通过其 AI 性能，为用户提供了一套全面的解决方案，以满足不同交易场景下的需求，从而提高工作效率和协同效果。
4. 飞书
我们再来聊聊飞书，飞书基本上也会拥有和钉钉相类似的性能，这里我们就不展开过多的赘述，大家可以打开它的官网去做详细的了解。
这里分享一个特别的应用场景：飞书多维表格。
首先，如果你有搭建一个交易零碎的需求，可以通过飞书多维表格的 AI 能力让其自动帮你生成相应的零碎实质。你只需求提供简单的描述即可，这可能赞助用户快捷创建一个交易零碎。
其次，在多维表格的每一个字段中，我们都可能将其转化为 AI 字段。它可能自动生成数据结果，并且可以根据前方的所有信息从事引用来生成一个合理的数据结果。这在我们日常工作中十分有用。比如我需求做用户调研，那我就能通过这种体式格局批量呈现数据，得到一个准确的结果。
5. 金蝶
金蝶最近更新了自己的 AI 性能。首先，通过官网的介绍可以发现，金蝶的应用场景会更加广泛。它主要涵盖了不同产物的各种交易场景。
通过官网查阅了 AI 性能的视频演示后，发现其在两个交易核心的 AI 落地：
① 财务
在财务零碎核心，由于其重要性，主要包含智能审核、报告生成、指标分析、智能问询四大板块。智能审核就是通过 AI 的体式格局，提高审单人员的工作效率。在例子中讲到合同付款审批，进入审批详情页，AI 可能为当前的审批给出零碎的意见，并且会给出相应原因。
并且通过 GPT 的能力，阅读合同中的附件信息，应用 AI 快捷从事资料汇总。同时可以通过提问，让 AI 回答合同附件中的具体情况。
这只是金蝶的一个 AI 性能，后面还有报告生成、指标分析、智能问询也给大家准备了一些资料，查看上方截图获取。
② HR
在 HR 场景核心，它可能根据大模型快捷提供干部的职能选择，赞助企业快捷优化人力资源设置，使企业不断发展。同时还会包含人员任务的精准设置，以及员工选拔的快捷识别和智能推荐。
整个来看，金蝶的整个 AI 性能是目前为止我认为最为完整和交易打通最彻底的一款产物。这些性能由于权限的限制，我只能通过视频的体式格局查看。不过，视频中显示的都是真实的应用界面，因此大家可以放心。
6. Salesforce
我们再来说说 Salesforce，毕竟是全球领先的 B 端厂商，在 AI 方面也会有无数自己的见解。
首先是在移动端，Salesforce 可能通过询问 Einstein（爱因斯坦） 快捷得到数据，并且这里就提到了我们之前讲到的语音输入~ 果然英雄所见略同。这里主要是针对移动端寻找数据的场景，通过 Einstein 可能帮我在零碎核心快捷寻找赞助，找到详细数据。
第二个场景则是用户在数据查询时，可能根据查询的实质快捷补充信息。这样就不用不断跳转填写数据，整个效率会来的更高。
第三个则是根据文档核心的信息，通过 AI 的体式格局来从事评估，有助于用户可能快捷判断。
当然关于 Salesforce 的 AI 性能还会有十分多的信息，这里我们都将它整理到我们的知识库核心。
关于这方面，你们也可以结合自身的产物去想一想对应的应用场景，深入思考一定是对它有赞助的。
对于 AI，在我不断的分析下会发现，行业中的所有 B 端产物都值得重新做一遍。它的能力巨大，而且用好了将会是一把无形的利器。而作为洪流中的一员，我们需求掌握它为自己赋能，在日常工作核心，又会有一个新的解题方法，一个新的解题思路。
希望我的分享对你有所赞助，我是 CE，我们下期见~