特赞服务了 200 多个大型的企业，95% 以上的续约率
本文作者：范凌，特赞科技 Tezign 创始人及 CEO
物理学家 Freeman Dyson 认为：现代物理学需要两类人，一类像鸟，如笛卡尔「我思故我在」；另一类像青蛙，如培根「实践是检验真理的唯一标准」，所有东西都需要在实践当中来得到见解。过去 20 年，我的工作前十年在学校，更像鸟；过去十年做企业则是青蛙。今天我是一只 90% 的青蛙。
创意最简单的模型是「发散」和「收敛」
创意的模型有很多，我想讲一个最简单的。这个模型是一个菱形，第一步叫「发散（divergence）」，第二步叫「收敛（convergence）」。
什么是发散？我们要创造一个东西的时候，你需要积累、整理、吸收大量的素材。这个过程就叫「发散」，就是从少变多。然后，我们通过「收敛」进行产出，要把发散的东西变少。中国有句老的话叫「厚积而薄发」，读书人也经常会说，「把书先要从薄读到厚，再要从厚读到薄」。这其实都是发散和收敛的游戏。
我女儿喜欢哆啦 A 梦，她一度想成为一个漫画家。那我得了解一下漫画家是怎么创作的。我找到了藤子 F 不二雄写的一本书。里面有一段话讲得很好：「人脑好比一台具备学习能力的电脑，随着作画经验的积累，这项技能可能会变成一个方程式，被输入到脑中，然后你往里面不停地塞素材，创意最后就能收敛并慢慢轻松涌现。」所以当你要去画东西的时候，第二步是「提取」，而第一步则是「摄入」，摄入带来发散，提取带来收敛。他说：「虽然说画漫画是一种创作活动，但完全的无中生有是不可能的。」因此要创作，都需要积累；要收敛，都需要发散。
当我们讲到生成式人工智能，都会强调「一键生成」，但我们真的可以只提取，不输入吗？只有「提取」的结果是每个人提取的东西都会去一个很拥挤的地方、都差不多，或者说差不多差。即使在人工智能时代，我依然坚信创意需要摄取、积累、发散，而不只是有收敛、提取、一键生成。
企业需要什么样的生成式人工智能？
特赞服务了 200 多个大型的企业，95% 以上的续约率，有些客户一起合作了快 10 年了，分布在快消、美妆、鞋服、零售、汽车这些行业。过去五年，品牌的内容生态发生了巨大的变化，简单概括就是又多、又快、又卷，品牌现在希望可以把生成式人工智能作为「救命稻草」，希望解决用内容解决企业增长问题。
我们从 2017 年开始探索人工智能做内容，但是从两年前开始，都要重新做一遍，因为 GPT 和扩散模型的出现。使用 AI 可以总结为两个场景：一个是内容太多，让 AI 帮忙总结一下；另一个是用一句话让 AI 无中生有。使用 AI 基本上也是收敛和发散两种用法，一种用法叫总结，一种用法叫生成。但是这个过程里面，一键生成是一个奇迹，到现在依然还离我们的预期很遥远。
为什么很遥远？不是时间，而是距离。
如果大家看 Sora 生成气球人视频的说明，提到成片率是 1/300，也就是 300 次发散以后，有一个可以使用的结果。AI 确实很善于创造可能性，它每生成一段文字、一张图片，基本是像是吐出来。我总把这个生成式人工智能比作韦小宝，你说什么，AI 都可以接龙，但是这个回答有没有养分？不一定，但至少还挺可爱的，所以我们会看到人工智能一键生成的结果也一样。但是我们要去解决企业的问题，不需要很多可能性，我们恰恰需要的是那个最对的答案，这里要高准确度，同样也要独有的。所以需要积累，这个积累的可能是数据资产的积累、内容的积累、经验的积累。所以我们看到 ToC 的 AI 交互形态就是对话。ToB 我们要想怎么样可以让 AI 变得更像专才？
我们做一个内容的数据资产管理的系统，叫做DAM（Digital Asset Management）。这个系统收集了企业所有的内容投资结果。企业每年花很多的钱来做营销、做内容、做测试、做分析，这些就是一个企业可以积累下来的资产，这些积累是企业让AI产生ToB 专才的基础。
当一个企业有了 DAM 以后会怎么样？我在科波拉的一个 10 分钟纪录片里找到了答案。科波拉是电影《教父》的导演，纪录片里他在讲一本 600 页的笔记本，每页本子的中间是原著，他在旁边做了一圈白色的纸框，贴在原著页面旁边，并且进行加固。科波拉用这个笔记本记录所有关于电影的思考，就像前面我说的一个企业的标签片段，他对这一个场景的想象……这本子有一个很性感的字叫「prompt book」。如果现在大家搜索「prompt book」，你十有八九搜到的是 AI 提示词库，而不会是科波拉的记录本。但是当时，戏剧导演们就有用 prompt 这个方法，通过这个积累着所有笔记的本子，提取出场景情节和无限创造。我想每个企业、每个人也是一样，应该有一个属于自己的 prompt book，这个积累才是未来创造的源泉。
企业如何用AI解决具体的商业问题？
什么叫创作？为什么你要积累？这里举一些实际的例子。文生图大家都很熟悉，企业可以通过场景的积累，通过 AI 不停地延展。所以，当你知道哪些场景东西会卖得很好，你如何把这个场景的成本降得很低呢？就是无限的复制。比如说我们合作的某个商超，因为很熟悉每个商品在什么场景下会更合适，所以我们不需要提示词就可以生成无穷的商品图片。商品图片通过规则嵌入到详情页智能模版，然后不断地生成更多的详情页。商品运营的工作就变成选择场景、设计场景、测试场景，然后用数字化的店面——详情页进行测试和运营。AI 不是在做人的工作，而是在帮人在做扩散。给你 100 个可能性，人的艺术审美、商业感觉去进行选择，人去做收敛的工作。
我们在合作一个国际知名电动工具品牌，工具的 SKU 数量达到上千个，每个的参数都很复杂，消费者是专业消费者。这个品牌发现最难的事情是专业销售难以培养和留住，因此怎么降低销售学习门槛成为关键。我们首先用大语言模型去扩散各种各样钻头的使用场景，再用这些场景去对应它 1, 000 个 SKU 的特色、功率、售价等信息，建立一个可以培训的销售的话术仓库，这些销售就可以从这里面提取学习各种各样的场景。不是直接用这些话术去进行销售，而是用 AI 工具帮助销售，成为更专业的销售。
发散的工作，AI比人更擅长。收敛的工作，人比 AI 至今还做的好太多。
另一个通过 AI 来发散的例子是新产品研发。社交媒体上有关于某类产品的各种热门内容，我们用图表标记这些内容的关键标签。以洗发水为例，一个品牌可以通过对比热门内容和自己产品之间不重叠的关键标签（代表自己的产品没有覆盖的热门内容标签），看到新品创新的可能性，并通过大语言模型快速生成基于这些不重叠关键标签的产品创新概念。这些概念直接对应企业的核心资产，比如说香味、包装、瓶嘴等结合在一起，快速产生各种各样产品原型和概念。原来两年做一个产品创新，现在两个礼拜就可以上新一个产品，原来每一个产品上新都要争取 100% 的成功，因为投入很大；现在产品概念可能十有八九不奏效，但只需要一个成功就一定会带来极大的回报。所以，有没有可能因为有了AI，我们的发散成本会变得更低？我们可以做更多的迭代和反馈，从而得到更好的创作。
AI原生的组织
正如阿里云的创始人王坚院士所说：AI 不是一次工具的革命， AI 是一个革命的工具。它会改变我们做事情的方式，变革我们对待产品、技术、市场的方式，AI 会改变我们的管理方式。
我们一定会看到AI原生的组织，这个组织中 AI 是人类积累的容器，因此成为人的第二大脑，可以像 Prompt Book 一样最大化的发散；然后人通过认知、审美、感觉、文化等来做好收敛。我们之所以需要 AI，是为了让人可以更好的发挥人应该做的事情，那就是创意。OpenAI 的 CEO Sam Altman 关于「创意」的观点我很认同：「创意就是过去东西的重组，加上灵光乍现，乘以迭代的数量和反馈的质量。人们往往觉得要最大化的变量是灵光乍现，其实关键是要最大化迭代的数量和反馈的质量。」通过 AI 来进行发散，通过人来进行收敛，看上去这是让我们最大化迭代和反馈的良方。
今天，我们跟中欧国际工商学院成立了「中欧 x 特赞人工智能与商业创新研究基金」，基金视觉的核心的元素是这个 X， X 是什么？X代表合力， 更代表未知。人工智能和商业创新有很多可能性，也希望有机会跟大家更多的合作和更多的争论。
感谢各位。
来源：互联网
