近期有关AI的分享
趋势层：
- AI正在重塑工作方式：你不会因为AI而失业，但会因为使用AI的人而失业。
比如一家公司，当业务增长停滞时，多数部门优先裁员的对象，大概率是不会驾驭或使用AI的人。
-
AI正在开启一个全新的互联网时代：AI原生体验，智能是默认的界面，情境化且日益个性化
-
无论是大企业，还是小公司，AI的落地最好是一把手工程
那些AI应用效果好的公司，CEO都会亲自体验和推动，并自己率先成为AI应用专家。
对于传统互联网公司，尤其是有成熟业务场景的，有很大的阶段性红利。
我问朋友，为什么传统客服服务企业，没有出来很好的AI客服产品。
他说，门槛不高，费用还贵，主要原因还是这些传统客服企业不懂AI。
有了大模型后，自己就能轻松做个AI客服系统，也不需要外部了，这还是因为CEO懂AI。
战略层：
- 找到垂直细分场景，Think small，是一种重要的战略能力
不要想着一次性改造所有业务。
可以从最简单的客服场景开始，先让AI处理80%的常见问题，效果验证后再扩展到其他场景。小步快跑，快速验证。
其它的场景，都是类似的解决逻辑
- 建立”人机协作”思维模式的前置思维，是AI First思维
传统思维是”人做不了的事情让机器做”，AI First思维是”默认让AI先做，人来优化和兜底”。
这个转变我至今也还在适应中，但一旦转过来，效率提升是显著的。
- 找到那些不变的东西
聚焦具体的场景，用新的技术和工具，再用新的方式去产生新的体验，会是更优的策略。
用户的核心需求是不变的，变的是满足需求的方式
对个人的启发也是，可以找到一个日常的小痛点，然后集中精力和时间，去解决好它，做到90分的水平，这个能力基本上就具备了，再去解决其它问题，底层逻辑是一致的。
执行层：
- “AI员工”的意思，就是要想办法让AI完成各种常规的实际任务
对于业务场景，一个公式：“AI员工” = 提示词工程 + 业务Know-how + 数据管理
基于这套底层逻辑融入场景的自动化工作流中
- 养成一个小习惯，每天和AI聊个15分钟。可以参考“提问-实践-复盘”这个基本的步骤
选择一个对个人来说很小、很具体的一个场景，比如周报生成、客户回复、数据整理，不用嫌小，然后去用心解决好它，最终达到AI能实现90分以上的水平
能力层：
- 把提问当作硬技能去训练
垃圾输入=垃圾输出
我发现很多人用AI效果不好，不是AI不行，而是不会问问题。
就像PC互联网时代，会用关键词搜索的人和不会用的人，获取信息的效率差别巨大。
- 提示词的能力，是培养AI思维和AI落地能力的关键技能
这也是培养AI思维和落地能力的核心。
可以从模仿开始，找到好的提示词模板，理解其结构和逻辑，然后针对自己的场景进行改造。
商业级提示词
商业级提示词
往往会比日常的要复杂很多
有人说，为什么要搞这么复杂
是不是他们不行？
你看，我只写了几行，也能达到一样的效果
其实，这里忽略了商业级提示词很多更关键的原则，尤其是安全原则
除了效果外，还需要尽量保证输出的一致性、稳定性和安全性
比如，工业生产中的质量控制，不是说能做出产品就行，而是要保证每一件产品都符合标准
这和AI输出的一致性要求很相似
100条结果中，有那么1条如果不合规了，那对企业可能就是一个大的舆论风险，甚至是法律风险
比如，我知道的一个故事，一个朋友，用AI生产文章，里面提及的人名，是某一位政界大佬，虽然文章并无负面，但仍然被要求谈话及删除文章。这已算是幸运，但凡AI出点关于这个人名的不利言论，就是灾难性的
再比如，AI刚出来后不久，某AI课堂，内容出现了不和谐的内容，导致了全网的负面舆论
商业场景下的AI应用，本质上是在做风险与收益的权衡。
相比个人使用时可以容忍的试错空间，企业使用时需要更严谨的控制
AI的贡献
中午请两位朋友吃饭，其中一位，在去年的时候，开始将AI融入到自己的业务中，经过这大半年的探索，目前已经有初步的成效了
我问，具体如何评价AI的价值
朋友说，用了AI后，AI整体贡献率直观判断是20%-30%，按1000万收入算，各种业务场景接入AI后差不多贡献两三百万，一些岗位不需要那么多人了，一些岗位的效率变高了
这是从经济收益来衡量
但下午直播时，直播间的粉丝也提到，除了这个价值之外，还有就是组织效率和氛围的帮助
假设团队100人，因为AI带来的变化，团队人数少了许多
但剩下来的团队，管理成本、人效、氛围也都是会有较大的积极变化，这一点也很有意义
对于一些传统互联网公司，尤其是有一些成熟业务场景的公司，CEO有AI的意识并亲自推动相关业务场景落地，会有很大的阶段性红利
Hype Cycle曲线
Hype Cycle是Gartner提出的一条S形曲线模型，主要描述一项新兴技术或创新理念在公众认知与市场期望上的起伏过程
如上图示例
整个过程主要分成五个阶段，分别是技术萌芽期、膨胀期、低谷期、复苏期和稳定期：
其中第一、第二阶段的失败率最高、风险也最大
在这两个阶段，如果没有充分的资金或核心优势，可以先选择观望，或以很轻量级的方式来进行切入
直到观察到行业进入到第三阶段，往往会是一个不错的切入点，也就是开始进入低谷期，这个时候很多新的机会就会显现出来
目前，生成式AI，非常符合这个典型的S曲线
现在回看，2023年，就是第一阶段，ChatGPT 掀起全民讨论；资本和媒体密集涌入
2024年，高峰尾声
2025年，开始进入低谷的初期，因为发现落地很难、变现很难、预期与现实落差很大等等
对小的创业者其实：小团队与个人，可以凭 “轻资产 + 垂直专精” 的策略切入，风险更可控、迭代更快速，也更容易证明价值
Google Deep Research
最近，用Google Deep Research做了几十份调研报告，涵盖我关心的各种业务问题
其报告的质量让我十分惊喜
为了验证它的准确度，我还让它对我进行了调研和分析，直到确认报告里的信息和梳理基本上无误后，才惊讶于它的表现
这也让我对很多具体的业务问题，有了更好的参考资料，关键是：这完全是为自己定制的
传统的方式，还是需要进行大量的检索，依次阅读，然后对其进行整理后才能形成自己的有效参考资料文档
- 信息检索耗时长
- 筛选信息的难度较大
- 整理分析的工作量非常大
- 还容易遗漏一些关键的资料或信息
近期高频体验Google Deep Research后，这些问题都得到了很好的解决
它对我带来的显著变化就是，越来越愿意去思考或学习更多深度的问题，比如提示词逆向工程、关于的全球机会等
这样的好处，我可以将更多的时间投入到思考和决策上，也有利于我做出更理性的判断
再一次夸下Google
好习惯的意义
有研究报告表明：92%的新年目标在1个月内就被抛诸脑后。
所以，只是制定目标或计划，并没有解决根本问题。
美国作家詹姆斯·克利尔才会说：新的目标并不能带来新的结果，新的生活方式才能。生活方式是一个过程，而不是结果。因此，你所有的精力都应该投入到塑造更好的习惯中，而不是追求更好的结果。
好的习惯，才能带来好的生活方式和结果。
习惯是什么？
习惯是重复了足够多的次数后而变得自动化的行为。
简单来说，就是：重复、无意识、低成本
它的意义，不仅仅是机械的重复行为，还是身体的一种节能机制。习惯，还塑造着我们的身份认同和日常存在
好习惯的意义
今天，来聊聊，借助AI，帮助我们养成一个好习惯。
首先，我们需要定义，什么是好习惯？
好习惯是指，那些能够持续为我们的健康、效率、幸福感或个人成长带来积极影响的行为。
按照这个标准：阅读、冥想、运动、早起、写作、思考、做好事等等，都属于好习惯
好习惯如此之重要，是因为它们不仅仅在改变我们的行为，还在潜移默化中塑造我们的自我认知。
每一次我们执行一个积极的习惯，例如进行5分钟的冥想，都是在为“我是一个注重内心平静的人”这一身份投下一票
生活方式本质上是众多习惯的集合，当这些习惯被反复实践，它们不仅改变我们做什么，更重要的是改变我们认为自己是谁。
好习惯是自我提升的复利，这些微小的好习惯一旦建立，便会产生惊人的复利效应
一个每天阅读几页书的习惯，一年下来就能积累可观的知识量；一个每天进行短暂锻炼的习惯，长期坚持就能显著改善健康状况
如何轻松养成好习惯？
我们需要用到福格博士提出的：福格行为模型
行为 = 动机 × 能力 × 触发器
-
动机：你想要做这件事的欲望有多强
-
能力：执行这个行为对你来说有多容易
-
触发器：提醒你执行这个行为的信号
只有当动机、能力和提示这三个要素同时存在，并且它们的综合强度越过某个“行动阈值线（Action Line）”时，行为才会真正发生
具体如何用？以养成阅读为例
说说我的实践
以这大半年每天要做的六个习惯为例：早起、冥想、读书/听书、写作、跑步/力量、英语学习
动力是相对好解决的，其次是能力，最后是提示。
重点说说提示锚定策略，为了养成这六个微习惯，每个微习惯，都有对应的提示锚定策略。
早起与六点的手表闹钟锚定，冥想与午睡或小憩时锚定，听书与开车锚定，看书与输入时间锚定，跑步与早起锚定…
按照这些锚定策略，养成一个又一个微习惯的难度，就很低了
哲学家芝诺回顾自己的一生时，曾说：“幸福通过小步骤积累而来，但它本身并不简单。”
上周飞书随笔的一个分享：
朋友圈看到别人健身打卡，激情冲进健身房办年卡，三天后肌肉酸痛再也没去，如何吸取教训？
普通反思： 下次循序渐进，别冲动办卡。
上升到哲学层面： 人的行动不是被“愿望”驱动，而是被“惯性”支撑；不先打造可持续的节奏或机制，再宏大的目标都会变成一次性激情消费。
愿望唤醒你，惯性托举你；缺了后者，前者只是一阵风。
愿你在微小却可重复的动作里，收获宏大而无需催促的改变。