向团队传授六种用例单元

一旦您为团队提供了识别新 AI 机会的框架，下一步就是培训他们掌握使用 AI 的基本方法。为了帮助实现这一点，我们分析了从客户那里收集的 600 多个用例。大多数用例都属于六种“单元”之一——这些是用例的基本类型，适用于所有部门和学科：

六种简单的人工智能用例

(图表描述：一个中央蓝色球体被六个代表单元的图标环绕成一个圆圈)

• 内容创作
• 研究
• 编码
• 数据分析
• 构思/策略
• 自动化

这些单元是帮助您的员工为您的业务找到最有前途用例的快捷方式。每个单元代表了我们在各行各业、各种角色和工作流程中看到的数百个用例，使其成为实现可规模化价值的快车道。

让我们仔细看看每个单元，从内容创作开始：

人工智能用例的六种单元

1. 内容创作

人工智能可以支持所有团队的内容创作——无论是总结销售电话，还是生成战略文件、博客文章、网页，甚至图像和可视化的初稿。我们看到团队使用人工智能来编辑和润色他们的工作，然后在最后一刻将其作为校对员。

人工智能可以自动按照您公司的风格书写并应用您的语气指南；遵循您偏好的文档结构；甚至对写作提供反馈。然后，它可以将您的作品翻译成不同的语言，或为不同的受众、渠道或项目进行改写。

在写作时，人工智能可以吸收对话的完整上下文或考虑一组上传的文档来塑造输出。例如，尝试上传您的写作指南或使用您最好的五篇博客文章，然后提示 ChatGPT 基于这些示例创建一个详细的写作指南。

可用于入门的内容创作用例：

• 市场营销： 创建营销活动策略、标题或电子邮件营销活动。生成内容大纲和初稿。为不同受众或渠道重新利用内容。
• 财务团队： 创建政策文件草稿和技术会计备忘录，供专家审阅。
• 产品团队： 构建产品需求文档，生成产品描述、发布说明、发布通讯和用户指南。
• 销售团队： 生成客户计划、通话脚本和跟进邮件。

Promega 在跨市场和受众中规模化信息传递

生命科学公司 Promega 在使用 ChatGPT 企业版生成电子邮件营销活动初稿的头六个月内节省了 135 个小时。他们还用它从信息文档生成营销活动简报，并将任何文案翻译成特定营销渠道的付费广告。

我们从协调邮件策略中节省下来的时间，可以投入到改进邮件体验的内容创作中。我不知道上次写营销邮件没用这个 GPT 是什么时候了。

卡里·西根塔勒 (Kari Siegenthaler) Promega 市场营销策略师

2. 研究

人工智能被广泛应用于各行各业的研究。从快速学习新概念（如人工智能采用或设计思维）；到在网络上搜索相关文章或竞争对手数据；再到更全面的、多步骤的研究项目，扫描网络以获取文章、数据点和见解。我们也看到团队上传冗长的内部文档以快速获取见解。

使用人工智能进行研究的最大优势之一是，您可以指定分析结果呈现给您的格式和结构：表格格式、要点列表、按特定部分组织或交叉引用。

人工智能对细节的关注和遵循指令的能力使其成为一个出色的研究助手。

可用于入门的研究用例：

• 销售与市场营销： 调查新行业，更好地了解竞争对手，研究新受众。
• 财务： 搜索上市公司的基准、并购目标，或有关会计准则的文章和指南。
• 产品： 估算新市场规模，研究竞争对手，识别趋势，分析用户反馈。
• IT： 在网络上搜索新供应商，并评估其产品的优缺点。
• 软件工程： 查阅 API 端点和外部文档。

引入深度研究

深度研究是 ChatGPT 中的一项新的自主能力，它可以在互联网上独立进行多步骤研究。给它一个提示，ChatGPT 将查找、分析和综合数百个在线来源，以创建达到研究分析师水平的全面报告。了解更多。

3. 编码

许多软件工程师是人工智能的重度用户。他们用它来调试、用不熟悉的语言生成代码初稿、将代码从一种语言移植到另一种语言，以及对他们的代码进行“橡皮鸭”调试。在过去两年中，人工智能在数学、科学和多种语言编码方面的能力显著提高，许多工具现在甚至提供实时代码预览。

我们也看到许多非编码人员在人工智能工具的协助下开始学习编码。仅通过使用自然语言，市场营销和财务团队就能够构建 Python 脚本来自动化流程，编写 SQL 查询来检索数据，甚至用前端代码为网站或内部演示创建可视化。

可用于入门的编码用例：

• 软件工程师： 调试或“橡皮鸭”调试代码，将其移植到其他语言，研究 API 端点。
• 市场营销： 构建交互式图表和数据可视化，与网页和设计团队共享，或编写 SQL 进行数据分析。
• 财务： 创建 Python 脚本以自动化月度结算的部分流程。
• 产品： 构建交互式原型以快速充实新产品想法。

Tinder 加速编码

Tinder 的工程团队使用 ChatGPT 在处理非直观语言（如需要专业知识的 Bash 脚本）时生成语法初稿。ChatGPT 提高了他们的编码效率，使参考和查询外部 API 文档以及解决架构和设计决策问题变得容易。

Jira 中有些任务过去常常因为感觉像是苦差事而被降低优先级。现在我最终会接手它们，因为我知道有 ChatGPT 在我身边会更容易处理。

克里斯·富勒 (Chris Fuller) Tinder 高级软件工程师

4. 数据分析

人工智能帮助任何人协调来自不同来源的数据，识别见解和趋势，并处理复杂的电子表格数据，而无需高级 Excel、SQL 或 Python 技能。

您可以向人工智能提供多个电子表格或仪表板截图以支持快速分析。它可以解读电子表格数据，理解可视化图表，甚至帮助您格式化输出以用于报告。您还可以指导结果的结构方式，例如指定偏好的图表类型、摘要格式或比较逻辑。

可用于入门的数据分析用例：

• 市场营销： 上传网络研讨会出席数据并快速将其可视化。从仪表板截图中总结关键趋势。
• 产品： 分析趋势、社交媒体反馈，或上传关于功能请求的 CRM 数据以发现新机会。
• 销售： 审查您的客户列表以找到您最强的客户。将潜在客户映射到客户账户并根据意向信号对其进行评分。
• 财务： 快速分析费用数据并寻找趋势，或协调来自不同电子表格和数据库的数据。

Poshmark 为洞察和策略腾出更多时间

时尚市场 Poshmark 使用 ChatGPT 生成 Python 代码，为其业务绩效分析核对数百万行电子表格数据。然后，他们使用人工智能为高管生成每周绩效报告和会计备忘录，每周节省数小时的手动工作。

我们显著减少了手动工作，提高了速度、准确性、沟通和洞察力。我看到每个人的工作都在提升。

罗德里戈·布鲁马纳 (Rodrigo Brumana) Poshmark 首席财务官

5. 构思和策略

构思和策略用例在所有团队中都很受欢迎，从为新博客文章进行头脑风暴，到帮助构建文档结构，解决策略问题，或根据关键目标或利益相关者的偏好对工作提供反馈。

随着人工智能模型变得更加多模态，我们看到团队使用语音和视觉与人工智能互动，就像与同事互动一样。

随着模型能够思考更复杂的问题，我们看到许多团队与它们一起制定战略计划，同时考虑他们的数据、目标、背景、约束和依赖关系。

可用于入门的构思和策略用例：

• 市场营销： 基于新机会进行营销活动创意头脑风暴。上传您的营销简报并询问缺少什么。提示生成产品发布的市场推广计划。
• 财务： 为新地域制定市场扩张计划，考虑当地竞争对手、风险、机会规模和资源需求。
• 产品： 构建反映所有依赖关系和风险的发布计划。上传您的产品需求文档 (PRD) 并在高管评审前识别薄弱环节。
• 销售： 使用语音模式练习您的推销或发现技巧。

Match Group 模拟焦点小组

全球在线约会领导者 Match Group 正在试验 GPT-4 的多模态能力，为产品可用性运行焦点小组模拟。通过上传线框图并要求 ChatGPT 模仿特定用户画像，设计师可以提出问题，同时要求“用户”导航界面并提供反馈。结果是：无需额外成本和延迟即可获得产品创新的新想法。

6. 自动化

许多用例涉及自动化任务的某些部分。我们看到客户识别可重复的、常规的任务，并设计方法将其交给人工智能处理。自动化可以很简单，例如生成每周竞争对手更新，也可以更复杂，例如为每周高管简报创建财务报告，供人工审阅。

记忆和自定义指令是自动化这类流程的关键。定制 GPT (Custom GPTs) 是共享它们的方法。通过创建一套标准指令，上传相同的文档，并每次指定相同的输出，团队能够卸载价值较低的任务。

如今，这些自动化通常是单个任务，但随着深度研究和 Operator 等产品的出现，我们正迈向一个人工智能可以独立、按计划承担多步骤任务的世界。

可用于入门的自动化用例：

• 市场营销： 为快速的网络研讨会报告创建标准报告和可视化。或根据会议纪要或记录稿构建 Slack 更新摘要。
• 产品： 创建发布更新摘要器。或总结并分享每周客户见解。将会议纪要转化为给高管的 Slack 帖子，总结依赖关系和后续步骤。
• 财务： 将每周财务数据转化为高管概览，并对需要关注的变化发出警报。
• IT： 上传您的软件架构截图，并询问关键依赖关系、风险和优化机会。

BBVA 自动化其部分信贷分析工作

BBVA 的 Credit Analysis Pro GPT 通过从各种来源（如年度报告、ESG 评估和新闻报道）提取非结构化数据，帮助信贷风险分析师加速他们的评估。

---

行动项

• 向您的团队传授每种单元的基础知识，并为每个部门提供示例。
• 接下来，开始为新用例进行头脑风暴，举办黑客松或全公司范围的竞赛，看看谁能找到最具影响力的用例。
• 了解贝恩咨询公司（Bain）的用例奥林匹克，以获取特定框架。
• 设置一个电子表格或 Slack 频道，用于收集您团队提出的所有用例。

雅诗兰黛公司如何构建可重复的 GPT 开发流程

雅诗兰黛的 GPT 实验室从跨学科团队开始——包括业务用户、主题专家和技术负责人——以识别和开发高影响力用例。他们的流程简单且可重复：

1. 设计： 业务用户在一份两页的简报中定义目的、范围和受众。
2. 准备： 主题专家收集相关数据，围绕最佳实践塑造用例。
3. 构建与测试： 技术负责人构建 GPT，集成数据集，并测试 GPT 的准确性和一致性。
4. 启动： 整个团队部署 GPT 并创建用户指南。
5. 调整与扩展： 整个团队使用反馈循环，根据 GPT 性能进行迭代和优化。

“设计正确的用例意味着提出正确的问题，”ChatGPT 企业版采用总监 Charmaine Pek 说。“我们为什么要构建这个 GPT？我们试图解决的问题是什么？它将产生什么影响？”

欲了解更多详情，请阅读关于雅诗兰黛 GPT 实验室的内容。

---

收集和优先排序用例

一旦团队理解了关键用例并开始识别要解决的问题，用例往往会迅速增加。

挑战随之从发现转向优先排序。哪些用例可以规模化以影响所有员工？哪些最有可能现在就带来成本效益？哪些可能带来新产品或收入来源？

我们的客户成功团队使用这个影响/投入框架 (Impact/Effort Framework) 来帮助企业客户优先排序用例。这是一个简单的四象限图，根据每个用例对公司的价值及其所需的投入程度对其进行评分。

影响/投入框架

高投资回报率焦点 (High ROI focus) 影响大、投入低的速赢项目——通常是建立势头的最佳起点。 (示例：Tinder 创建了一个 GPT 来普及对其命令行界面的访问，使整个产品团队无需编码即可进行原型设计、测试和调试。)

自助服务 (Self-service) 投入最低的项目，单个用户可能会为自己启动，作为特定任务的个人助手。许多项目最初是个人解决方案，但往往在团队间变得有价值。 (示例：摩根士丹利的财务顾问使用人工智能作为超级助手，总结市场分析并生成研究报告。)

高价值/高投入 (High-value/high-effort) 通常具有变革性（如 Moderna 的 Dose GPT 或 Klarna 的客户助手），但这些用例通常需要更多的时间、规划和资源来构建。许多团队从速赢项目开始建立势头，并以此为灵感投资于更高价值的项目。 (示例：Indeed 构建了一种自动化方式，向求职者解释为什么向他们推荐某个职位空缺。这花费了数月的测试和迭代，但带来的提升非常值得：工作申请开始量增加了 20%。)

高投入/低影响 (High-effort/low-impact) 这些可以暂时安全地搁置。但新产品和新能力可能会使它们更容易构建和部署，因此要对提升它们持开放态度。 (示例：构建一个定制的人工智能助手来生成网页表单——即使您的团队已经为此使用了可靠、集成的工具。)

(感谢软银 (Softbank) 的 Jeret Shuck 向我们展示他如何使用这个简单而强大的工具)。

62% 的人工智能价值在于核心业务功能

以这种方式评估和优先排序您的人工智能用例机会，有助于加速实现重大胜利，从而产生进一步的兴趣和投资。

---

行动项

• 在全公司范围内推广优先排序框架，鼓励员工在团队会议中使用它来识别最佳想法。
• 对于高价值、高投入的用例，在确定所需工作范围时，考虑部署一个定制 GPT (Custom GPT)。
• 让您的领导者倡导那些对整个部门产生影响的用例。自上而下的支持是成功部署人工智能的关键标志。
• 每个季度重新评估此评分，因为您今天的高投入用例可能会随着人工智能能力的进步而变成低投入用例。

---

下一步：部门工作流程映射

大多数团队开始时将人工智能用于单个任务：编辑博客文章、生成营销活动简报或起草政策。在特定、离散任务的背景下思考人工智能更容易。

但随着我们观察到重度用户将人工智能嵌入到他们所做的一切中，我们经常看到他们找到开始跨越多步骤工作流程的用例。

以下是一个多步骤流程可能形成的方式：

• 使用深度研究来探索市场趋势
• 分析客户数据以估算机会规模
• 使用语音模式进行启动策略的头脑风暴
• 生成信息、营销活动素材和翻译

帮助您的团队将人工智能视为可以从头到尾嵌入的东西，将为他们准备好迎接一个人工智能代理可以代表他们完成整个项目的未来。

一个例子：

在市场营销工作流程中应用人工智能

• (研究图标) 深度研究以了解市场趋势和机会
• (数据分析图标) 数据分析以确定受众和机会的规模
• (构思图标) 关于营销活动策略的头脑风暴和制定简报
• (内容创作图标) 内容创作以帮助撰写关键信息和文案
• (自动化图标) 自动化内容本地化和渠道优化

---

行动项

• 鼓励重度用户将工作流程分解为单个任务，识别核心用例（单元），并清晰地映射每个步骤。

---

从今天开始

人工智能不同于传统的软件或云应用。学习利用其优势需要一种新的思维方式。但我们与客户的合作向我们展示了，所有学科的人们能够多快地学习这种思维方式，并开始在他们的工作中发现高影响力的用例。

启动这个过程归结为帮助您的组织采取三个步骤：

1. 理解人工智能在何处增值： 识别您业务中可以立即从人工智能中受益的部分
2. 向您的员工传授基础用例： 帮助团队探索基础用例，并开始构建他们自己的用例
3. 优先考虑要规模化的内容： 使用影响/投入框架专注于高影响、低投入的机会

人们越多地使用人工智能来重新设计任务和工作流程，他们发现的机会就越多。

我们希望本指南能为您的团队提供一个清晰的起点。在您从想法走向成果的过程中，我们随时为您提供支持。

我们正在审视每一个业务流程——从法律到研究，到制造，再到商业——并思考如何用人工智能重新设计它们。

斯特凡·班塞尔 (Stéphane Bancel) Moderna 首席执行官