這篇文章從分析LLM可以做哪些事，提供一些可以為產(chǎn)品經(jīng)理帶來幫助或靈感的啟發(fā)。

我們了解到，生成式AI指人工智能系統(tǒng)可以產(chǎn)出高質(zhì)量的內(nèi)容，特別是文本，圖片和音頻。這個(gè)特性使得很多人工智能應(yīng)用程序可以更加容易的被搭建出來，同樣，因?yàn)樯墒紸I目前的蓬勃發(fā)展，這也意味著搭建這些人工智能應(yīng)用程序會(huì)比原本便宜的多。

雖然生成式AI可以生成高質(zhì)量的文本、圖片和音頻，但是迄今為止，對我們影響最大的還是文本生成，所以今天想要從文本生成這個(gè)角度和大家分享一下LLM可以幫助我們做哪些事情，或者如何用較低的成本搭建對企業(yè)有價(jià)值的人工智能應(yīng)用程序。

在這之前，我想把大語言模型可以幫助產(chǎn)品經(jīng)理做的事情分為兩大類，

一類是個(gè)人向價(jià)值，也就是只要你擁有任何大語言模型賬號，無論是免費(fèi)還是付費(fèi)的，你只要登錄就可使用，是Web-based LLM，我會(huì)在后面的文章中標(biāo)注為個(gè)人。

另一類是企業(yè)向價(jià)值，也就是把LLM引入到企業(yè)原有的軟件自動(dòng)化流程中才能產(chǎn)生價(jià)值，是基于LLM的軟件應(yīng)用，我會(huì)在后面的文章中標(biāo)注為企業(yè)。

一、LLM可以做哪些事情

1. 從“點(diǎn)滴” 到 “完整”

當(dāng)我們給LLM一些很簡短的提示詞之后，LLM可以給我們很多

1 ）頭腦風(fēng)暴好伙伴（個(gè)人）

想當(dāng)初我們從0到1做一個(gè)新產(chǎn)品的時(shí)候，在一個(gè)很好的idea通過商業(yè)分析后遇到的第一個(gè)坎就是給這個(gè)新產(chǎn)品起一個(gè)名字。我們整個(gè)核心團(tuán)隊(duì)經(jīng)歷了好幾輪頭腦風(fēng)暴，從關(guān)鍵字的挑選到產(chǎn)品概念的匹配，從傳播性到申請去重查詢，最終決定了一個(gè)產(chǎn)品名。

而現(xiàn)在你可以把大語言模型作為你頭腦風(fēng)暴的好幫手，用一些簡短的提示詞就可以讓TA幫你做一些創(chuàng)意類的思考，從而可以幫助我們從中獲得靈感。而這個(gè)小能手的靈感仿佛不會(huì)枯竭，當(dāng)你不斷的讓TA再想一想，TA會(huì)勤勤懇懇的不停的思考，直到幫助你獲得滿意的靈感繼續(xù)加工

甚至可以幫你一起頭腦風(fēng)暴活動(dòng)方案

2）幫助你寫產(chǎn)品Newsletter/Release Note（個(gè)人）

產(chǎn)品經(jīng)理一個(gè)很重要的職責(zé)是讓大家了解到每個(gè)迭代完成后，我們做了哪些功能從而傳遞了哪些價(jià)值。無論是對于研發(fā)團(tuán)隊(duì)的認(rèn)可和鼓勵(lì)，還是對于外部協(xié)作團(tuán)隊(duì)的彈藥補(bǔ)充。這樣不僅能夠讓你所帶領(lǐng)的研發(fā)團(tuán)隊(duì)在公司中有著持續(xù)曝光，讓公司了解到你團(tuán)隊(duì)所創(chuàng)造出的價(jià)值，并且也可以通過和外部協(xié)作團(tuán)隊(duì)的互動(dòng)讓研發(fā)團(tuán)隊(duì)了解到他們的反饋/肯定/顧慮，相信我，這比你一遍遍不停的傳遞每個(gè)迭代的研發(fā)目標(biāo)來的有用的多。

當(dāng)你給到大語言模型一個(gè)簡單的指令“請幫我寫一份產(chǎn)品發(fā)布通知”

大語言模型會(huì)給到你一份專業(yè)的格式，包括：標(biāo)題、版本號、發(fā)布時(shí)間、新功能、優(yōu)化、問題修復(fù)、已知問題、結(jié)語。

當(dāng)你可以給到大語言模型更多上下文信息，比如產(chǎn)品的基本信息，我們這次做了哪些關(guān)鍵故事，大語言模型可以表現(xiàn)的更好。

3）翻譯（個(gè)人）

在產(chǎn)品研發(fā)的過程中，無論是全球企業(yè)的跨國合作，還是信息收集/學(xué)習(xí)，都很有可能拿到非母語資料。舉兩個(gè)常見且真實(shí)的對比例子。

例子1：我們曾經(jīng)有個(gè)項(xiàng)目需要做一個(gè)內(nèi)容型主導(dǎo)的產(chǎn)品，在這個(gè)過程中需要了解很多心理學(xué)的知識，根據(jù)這些知識的理解及內(nèi)容專家的溝通才能思考如何做相應(yīng)的數(shù)字化轉(zhuǎn)型產(chǎn)品，而這些心理學(xué)知識的大量文檔資料都是總部做文檔歸檔，我們只能靠自己及翻譯軟件的幫助完成這些工作。

例子2：最近我們開始做引入大語言模型的AI+產(chǎn)品研發(fā)，在這個(gè)過程中，也必不可少需要翻閱大量的資料，由于是一個(gè)全新的知識領(lǐng)域，像我們在整個(gè)研發(fā)過程中，甚至需要查閱相關(guān)的論文。但是現(xiàn)在有了LLM的扶持，真的有種起飛的感覺，我們會(huì)用一些大語言模型直接閱讀下載的原版論文PDF格式，TA不僅能夠幫你很好的翻譯，甚至在這個(gè)基礎(chǔ)上做腦圖幫助你快速定位需要看的內(nèi)容。

實(shí)際使用下來，有些大語言模型的翻譯質(zhì)量甚至高于一些專業(yè)的翻譯軟件。

2. 化“繁” 為 “簡”

1）校對 & 潤色（個(gè)人）

產(chǎn)品經(jīng)理其實(shí)除了需求文檔之外，有不少文字工作，比如對內(nèi)對外的溝通郵件，產(chǎn)品手冊，產(chǎn)品發(fā)布會(huì)的逐字稿等等。在這個(gè)過程中，我通常會(huì)有兩種情況需要大語言模型幫助我。

情況1：當(dāng)我用非母語語言和合作方溝通，無論是和研發(fā)團(tuán)隊(duì)還是和Stakeholder溝通，我會(huì)讓大語言模型幫我做校對，從而避免我的溝通內(nèi)容有基本的語法錯(cuò)誤或拼寫錯(cuò)誤。這個(gè)強(qiáng)迫癥完全受我畢業(yè)入職第一家公司發(fā)生的一件事情所影響。我剛剛畢業(yè)時(shí)加入的一家公司是做SAAS平臺(tái)，服務(wù)于全美近100所高校，有一次發(fā)布之后我們平臺(tái)上的一個(gè)新功能TIPS有拼寫錯(cuò)誤，銷售總監(jiān)在接觸某個(gè)客戶后發(fā)了一封郵件婉轉(zhuǎn)的說明了我們服務(wù)對象是受過高等教育，而產(chǎn)品上有這樣的錯(cuò)誤會(huì)非常影響他們的銷售。

情況2：很多產(chǎn)品經(jīng)理是技術(shù)背景出身，其實(shí)是非常不擅長寫產(chǎn)品發(fā)布會(huì)逐字稿的，但又不得不準(zhǔn)備逐字稿。我不曉得大家是不是這樣，反正我是不能沒有逐字稿隨意發(fā)揮的，這會(huì)讓我非常緊張，但大多數(shù)情況下，我的初版逐字稿停留在說清楚產(chǎn)品概念和Unique selling point上，我記得我第一次做產(chǎn)品發(fā)布會(huì)的時(shí)候，市場部的同事看到我的逐字稿，指著某個(gè)地方說，這邊你的文字需要有一點(diǎn)力量時(shí)，我當(dāng)時(shí)是一臉懵逼的，直到拿到改完的逐字稿，我才發(fā)現(xiàn)文字工作者真的是，好厲害。但是有了大語言模型之后，我不僅會(huì)讓TA幫助我潤色，簡潔，甚至可以提出我對于逐字稿的要求給到我修改建議，整個(gè)世界都因?yàn)橛辛诉@個(gè)小幫手而變得美好了很多~

2）總結(jié)長篇文章（個(gè)人）

就像在翻譯的例子2中提到的，很多時(shí)候，我們在研發(fā)產(chǎn)品前和過程中，需要翻閱大量的資料，無論是分析階段的市場報(bào)告、行業(yè)報(bào)告，還是過程中需要學(xué)習(xí)的各種專業(yè)內(nèi)容。

有些時(shí)候，這些內(nèi)容需要你通篇閱讀，而有些時(shí)候無論是時(shí)間原因還是快速定位需要閱讀內(nèi)容的需求，大語言模型的長篇文章總結(jié)能力都能幫助我們大大提升效率。

3）企業(yè)工作提效（企業(yè)）

我們也可以把LLM引入現(xiàn)有企業(yè)的工作流提升為企業(yè)提效，比如服務(wù)過SAAS系統(tǒng)的伙伴都知道，大多數(shù)SAAS平臺(tái)會(huì)有一個(gè)客服部門，他們是最前線接觸客戶的人群，有時(shí)候會(huì)直接和客戶溝通，有時(shí)候需要回復(fù)客戶在系統(tǒng)提交的Ticket處理問題。

例子1：客服部門的經(jīng)理需要了解每日工作概覽，在原有的流程中，客服經(jīng)理需要閱讀大量的文本才可以了解到每天或一段時(shí)間內(nèi)的概況，引入LLM后，可以通過語音轉(zhuǎn)文本的方式（如果客服人員和客戶聊天的語音是允許被授權(quán)錄音的），轉(zhuǎn)成很多份文本，讓LLM通過一定的規(guī)則格式總結(jié)出概覽，例如客戶名稱，簡短問題描述。這樣就可以大大提升客服經(jīng)理的工作效率。

例子2：客服部門每天要接收大量客戶提交的Ticket，這些tickets可能是處理一個(gè)客戶的操作疑問，可能是一個(gè)需要緊急修復(fù)的問題，可能是一個(gè)非緊急要修復(fù)的問題，甚至是一個(gè)客戶的期待優(yōu)化，當(dāng)我們在原有的流程中引入大語言模型，TA可以幫助我們做Tickets分析，可以通過一定的規(guī)則格式總結(jié)并轉(zhuǎn)到后續(xù)流程，例如是否是操作疑問，如果是的話轉(zhuǎn)到客服部門，如果不是的話，轉(zhuǎn)到研發(fā)部門。

4）信譽(yù)跟蹤

當(dāng)我們設(shè)計(jì)研發(fā)的產(chǎn)品已經(jīng)進(jìn)入到了市場并穩(wěn)定銷售之后，從產(chǎn)品經(jīng)理的角度來說，及時(shí)跟進(jìn)產(chǎn)品反饋的優(yōu)先級就提高了。我們可能會(huì)主動(dòng)接觸用戶獲取直觀的反饋，也可能通過產(chǎn)品上的問卷收集。而無論哪種方式，我們都會(huì)獲得一堆定性或定量的數(shù)據(jù)。定量研究通常會(huì)有很多工具幫助我們做整理和分析，而定性研究通常所需要耗費(fèi)的人力成本會(huì)很多，而大語言模型可以幫助我們更高效的做定性分析，尤其是做一些初步的監(jiān)控，例如我們可以把日常的問卷通過總結(jié)提煉出用戶的反饋是正面的還是負(fù)面的，一旦正負(fù)比例超過一定的閾值，就能引起我們的關(guān)注并做更深入的分析。

聊天（企業(yè)）

雖然世面上有很多通用聊天機(jī)器人，比如ChatGPT，Bing Chat，Kimi，文心一言。

但是很多公司其實(shí)還是在研究開發(fā)各種各樣專業(yè)的咨詢機(jī)器人以更好的解決特定的問題，因?yàn)檫@些專業(yè)的咨詢機(jī)器人都非常擅長回答特定的問題。比如旅行規(guī)劃咨詢機(jī)器人，職業(yè)指導(dǎo)咨詢機(jī)器人等等。

我們最近做的項(xiàng)目中有一個(gè)領(lǐng)導(dǎo)力顧問咨詢機(jī)器人，TA會(huì)學(xué)習(xí)很多領(lǐng)導(dǎo)力相關(guān)的軟技能從而可以專業(yè)的幫助用戶解決由軟技能引起的各種問題。

除了這類商用咨詢機(jī)器人，我們也可以在企業(yè)內(nèi)部做一些小型聊天機(jī)器人并結(jié)合已有工作流程提升企業(yè)工作效率。

比如，如果一家大型公司，IT部門可能每天會(huì)收到大量的密碼忘記需要重置的請求，我們可以把聊天機(jī)器人和重置密碼流程結(jié)合在一起，這樣就可以大大降低IT人員重復(fù)勞動(dòng)的時(shí)間。

二、LLM不可以做哪些事情

1. 大語言模型會(huì)有知識截?cái)?，也就是大語言模型的訓(xùn)練資料是有時(shí)間范圍的，它只有在特定時(shí)刻才對世界有所了解，一旦超過這個(gè)時(shí)間范圍，大語言模型就不能給出正確的答案。
2. 大語言模型會(huì)有幻覺，感興趣的話可以查看 “涌現(xiàn)、幻覺、反省，AI+產(chǎn)品經(jīng)理需要了解的三個(gè)有趣現(xiàn)象” 這篇文章。
3. 大語言模型有上下文限制，感興趣的話可以查看“AI產(chǎn)品經(jīng)理必修課：你必須知道的Token要點(diǎn)”。
4. 大語言模型不擅長處理結(jié)構(gòu)化的數(shù)據(jù)，也就是我們常見的excel表格類內(nèi)容
5. 大語言模型的輸出可能會(huì)有安全，倫理道德，偏見等問題，這些問題大語言模型公司也在不斷的克服。