报告有所呈现，表明到五年后的2030年，全球当中30%的工作内容会被自动化给替代。

注意，这不是岗位消失，而是工作方式的重构。

我们再看前程无忧的报告，

更残酷的现实是什么呢？

文字处理率在行政岗的AI方面，已经达到了72.35%，冲到了70%的是替代焦虑在他们那里。

这表明，每十个从事行政工作的人员当中，有七个借助人工智能来提高工作效率，与此同时，又有七个担忧会被人工智能所取代。

更为可怕的是，企业相互之间的AI差距正逐步拉大，百分之五十一的职场人只好依靠自学来谋求生存，三分之一的人甚至还未曾着手去了解AI。”。

这意味着什么？

这意味着，当多数人正处于相当辛苦地加班干活儿的状况下，其他人已然在以一种体系化的方式借助人工智能来提升效率了。

我们看一下市面上的这些AI应用。

等等

目前市面上的AI应用至少有几千款。

这致使我忆起往昔玩4399小游戏之际，表示要逐个去点击一番，从而进行一番体验。

其中也会发现很多很难用没效果的产品。

现下的AI应用市场，恰似15年前的山寨手机那般，核心体验糟糕透顶，功能使用起来困难重重，并且还存在冗余的情况。

那为什么现在是这样呢？

AI层出不穷，呈现井喷式的增长，要反思技术与产业的关系。

当下，AI所处的阶段是正处于应用爆发期，整个市场存在特别多的工具，并且每一天都会有新的玩家进入这个市场，这种状况跟当年的百团大战极其相似，当年在百团大战里存活下来的是美团，然而，存活下来的从来都不是应用的数量，而是场景重组的能力。

就像PC时代留下的是套件，手机时代沉淀下微信生态。

于我此刻启用AI之际斟酌思索的是，我选用了你这款产品，果真能够为我实现效率的提升吗？身为产品经理的我，又应以怎样的方式借助AI从而达成创新呢？

之前我读湛庐阅读的一本书《把思考作为习惯》

书中提到创新的三大要点是：创造余闲、思想流动、跨界思考。

去创造出空余的时间，进而做更多的思考，那么我们来看看产品经理一天到底都在做些什么呢？

存在需求文档，要进行原型设计，需做数据分析，包含跨部门的沟通，乃至救火等之类的情况。

创新并非是背负着KPI，每日都极其辛苦地只顾低头努力干活，创新，必定是要在诸多繁忙事务期间能够创造出一定的剩余空闲时间。

如何创造余闲，本质上是效率的问题。

我这次分享的三件事就是效率，效率还是效率。

二、AI时代，思考方式才是终极武器

思考个业务问题：

如果你在海外要做一个本地同城及时配送的业务，你要如何开始？

什么是本地同城即时配送业务？

就是美团外卖、饿了么的配送服务。

我曾做过一个出海项目，此项目属于本地生活行业，它借助国内产业，联合国外运营团队，在澳大利亚这个城市实现落地。

这个小镇，人口不足5万，其外卖市场规模，甚至比不上北京的一个小区。

市场是这样的，我们花费了时间，至少半年，才完成了认证，针对这个市场的认证。

针对市场验证，运用了一些产品方法论，像是波特五力法这种，还有SWOT析分法，以及五层九维法、所谓波特竞争三要素等方法。

历经这些物品的收集工作结束，差不多过去了 6 个月，在开展业务可行性评估之后，明确这个业务具备可行的实施条件，我们主要着力于三枪这个重点方向。

第一枪是竞品分析。

在海外也有类似于像国内、美团、饿了么这样的大厂。

比如说像、, 还有。

当年去拆的配送逻辑。

下了很多单的外卖拆解他们的APP功能,

也去访谈了一些合作的餐厅，最后整理了竞品分析的数据库。

结合了五层九维法这些去方法论去做拆解。

第二枪是合规性。

也是真金白银的学费交在了合规性方面。

在海外，为打工人提供保护的劳工组织，其保护措施极为严格，因而致使企业用工成本处于极高的状态，有此情形，所以企业的用工成本非常高。

不少律所，我们都前去进行了拜访，众多骑手，我们也访谈了一番，薪资结构、保险方案、工时限制等诸多关键要素，最终从中梳理清晰了。

第三枪冷启动。

像我们国内的主流的社交媒体是微信，在澳大利亚主要是。

我们出于说服第一家合作餐厅使然，寻觅了诸多老板，最终将目标锁定于一位烧烤店老板，助力其开展线上渠道的推广营销活动！

在这个过程当中，出现了诸多的方案想法，甚至协助老板重新制作了诸如线上菜单之类的东西，规划了顾客单价，以及明确了出餐时间等等。

做成了这一个客户了以后，我们也去盘算了一下这个时间点。

我们从开始调研到最后业务确认能做，整整是花了六个月的时间。

再后来，出来了，为何常常将2022年称作人工智能的元年呢？

只因22年那具有现象级特征的大模型.5问世了，待到2023年4.0出现之后便开始呈现爆发态势。

等我头一回启用GPT之际，我遂将咱俩往届的疑惑，还有某些有待开展调研的事项，俱是逐个问询了一回。

我的最先反应是，这酷极了，那跟我们所采集而来的结果，超过85%保持着相配契合的状态。

虽然，85%已经足够惊艳了。

但在我们做市场调研的时候，我们一定去不要完全相信大模型。

那有可能15%的错误上导致你整个项目跑偏甚至直接做死。

多数情形下，仍需我们亲自去做验证，而且这还能够提升你自身对于市场的感知，对于竞品的感知，进而培养你的产品感知。

就在这个时候，我变得比较焦虑了，那.0出来之后，我们运用AI工具去复现，同样量级的市场调研周期，被压缩了接近50%。

遵循传统的产品路径，得穿越【数据荒漠】，其中百分之八十的时间，都耗费在了信息收集这件事上面。

因此，在这个时候，AI所改变的，并非单单是信息收集的方式，它更是在商业领域里，成为了一种能够进行快速试错，进而降低成本的方法。

当需求调研变成数据爬虫的狂欢

若界面分析转变成为智能体之间的对抗，要是原型设计演变成提示词方面的工程，那么产品的护城河究竟处于何处呢？

在人工智能时代，思考的方式才算是终极的武器，我们需要去做的事情是思维模型，再加上效率革命。

昔时，我们所运用的SWOT分析，以及波特五力，还有Kano模型，从本质上来说，全都属于历经验证的思维框架。

我的行动就是，总要在面对AI的到来做点什么。

我同样融合了自身的某些产品经验，产出了我的首个系列课程，将其放置到了起点学院里。

然而，AI的发展实在是太过迅速了，哪怕那时采用的已然是最为前沿的方式，可如今看来，依旧是略微显得有点过时了。

比如说，在课程里，对于国内外大模型，我分别选用的是智谱清言，还有，而当下国内主流的模型是，所以，只能持续不断地去输出相关的内容。

做这门课程时，我持续思索，究竟，当前阶段的产品，究竟要造就怎样的一位产品经理呢？

我同样开展了许多的验证，考量结果而言，做的是专业且高效的产品经理。

借助AI的能力，通过模型方法论，凭借底层思维，运用逻辑思维以及框架，以此去大幅提升效率。

那是由于，就AI而言，使用者所具备的边界，使用者所拥有的专业知识边界，这类条件决定了AI的效能。

再往后，时代又变了。

三、AI + 传统工具

随着业务的发展，积累的数据也越来越多。

请问在座的各位有多少人每天需要和数据报表打交道？

那么，我再次提出一个令人心痛的问题。而又有多少人，在往昔，由于技术团队的排期太过漫长，以至于内心急切渴望到了恨不得自己亲自去撰写SQL语句的程度呢？

分享个案例：一件小事儿促成一个系统。

曾经我们做过一个业务，就是这个业务的数据很重要。

然而，鉴于排期迭代情形紧迫，故而报表尚未完备。这个当口，业务已然上线，业务方面以及产品方面均认定某一数据指标颇为关键，急切需要有。

研发部门告知我们，虽说此项数据统计颇为繁杂，然而，不存在任何问题，既然如此，话又说回来嘛，排期却定在了两周之后呢。

可能了解我的那些同学，会知道我是出身技术的那种，从事移动端开发工作情形下，还是具备着一定程度技术功底的。

做技术的时候，我目标是做一个全栈开发。

在之后，当我知晓了产品这个岗位之后，我发觉，一个产品要想成功，做产品相较于全栈开发而言，重要程度远远超出。

按照技术所说，排期是两周，可我根本没办法等到那么漫长的时间，怀着沉默的心情，我缓缓打开了我的那个（数据库查询工具），为此花费了我一整天的工夫，这里面包括耗时30分钟去构思指标逻辑，又用了6个小时去仔细梳理各类表之间的关系，期间因调试SQL而出现报错情况，还耗费1个小时跟技术就字段命名规范问题展开扯皮，最终发现SQL虽然能够运行，然而查询出来的却是错误的结果。

那我对我的技术栈进行了一番盘点，我在SQL方面所拥有具备的能力，单单只是被限定于基础的查询这一范围：

SQL:

源于，在其中，名字如同%yyds%这样近似的情况。

ORDER BY、

GROUP BY、

LEFT JOIN

现在我有什么能力加持呢？

那就是AI.

当我与AI就SQL查询展开对话交流之后，我的发现是，它居然具备代码解释的能力。

可以这么理解，好比那时我才刚学会乘法口诀，此时此刻我就已然能够去求导数了。同样是在有着AI加持的状况下，我才能够以高效的方式输出数目更多的报表及其查询。

看个报表案例：

对于我们所做的，关于商品转化率以及分享率分布情况的一个查询而言，来猜测一下，如此的一张查询报表，其开发究竟需要多长时间呢？

倘若是一支传统的团队去制作一张报表，那是需要前端、后端以及测试的，大概要花费三至五个工作日，得有一周的时间才能够完成测试进而上线。

现在，通过AI需要多长时间呢？

6个小时。

那我们再看一下这个RFM客户价值分析这张表，

他也是通过各种维度。

这一张表也是在传统模式可能要开发个2到3天。

现在通过AI，可能就需要3个小时就能完成。

当然了，作为一个BI的报表系统，

不只是去我们去用AI来提升我们产出查询的效率。

更重要的其实就是我想说的，

通过AI加传统的工具来提升我们的效率。

比如说报表系统传统的工具有什么？

像、Power BI、帆软以及衡石BI报表。

他们在核心定位方面存在不同，在集成能力方面有所差异，在指标平台方面有着区别，在部署模式方面不尽相同，在目标客户方面存在不同之处，在定价模式方面也有一些不一样。

正是鉴于此，凭借AI与BI相结合的这类做法，让我们促使了各个业务的BI系统得以向前推进。

包含电商方面，互联网领域，医院范畴，财务板块，人资部分，我们各个岗位，各个部门的一些有关的数据统计。

这个意味着什么呢？

意味着曾经需要8个小时的脏活，现在30分钟就能搞定。

于业务方拍桌子之际，你能够微笑着回应，可不可以给我一首歌的时长，是这般含义。

那时候我说我又焦虑了。

存在这样的情况，有的团队借助AI能够在三天之时完成一项功能放上；然而也有一些团队，手动去更改代码则需要三周这么久。有的团队会让AI成为做苦力的角色，将其他精力投入到去发现一些新的想法之上；但另一些团队却还在因为系统报表出现错误而陷入抓狂崩溃的状态。另外，有的团队已然在熟练地运用智能体矩阵、Rag、甚至是微调模型了；可有的团队甚至还在为与他人或者对外沟通的时候会出现服务器繁忙的状况而感到苦恼。

这并非工具方面存在的差距，而是处于石器时代与三体文明之间所形成的代沟，任何一个会将自身技术代差呈现出来的团队，无不至于会被渐渐淘汰掉。

此时，AI时代的人机共生能力，我总结为一个金字塔模型。

作为底层基础的是LLM、GPT等，大模型所需的是提示词对话能力，中间层所具备的则是SQL等中间语言能力。

上层所具备的乃是工具层，诸如对于Figma、Coze、BI这类工具的掌控能力。

四、AI + 时间管理

你是否有过这样的经历？

明明存在着一堆尚未做完的事情，内心充斥着极为强烈的焦虑感，然而却没办法把目光从手机那里移开。

总是感觉时间匮乏，没有充足的时间用于工作，没有足够的时间去学习，没有充裕的时间玩耍，也没有够量的时间休息。

这不得不提到一个词儿叫时间管理了。

上次，时间管理的包裹，在2020年，某位姓罗的艺人，有个相关梗，转瞬之间，已然过去了5年。

说到时间的管理，我们反观管理方法的演进。

像早期胡萝卜加大棒，通过奖惩的方式来影响员工的行为跟绩效。

到了20世纪中期，在20世纪中后期，借助KPI，它与公司的战略目标，以及关键的业务结果，直接产生关联。

KPI是被动的目标。

当今之时，诸多公司借助OKR这种方式，去制定清晰明确的目标，设定至关重要的结果，凭借主动积极的办法，来衡量当下目标究竟有无达成。

更多的适用于创新企业，还有敏捷开发的这种环境。

公司通过KPI、OKR的方式管理员工。

每个人的产品都是自己，每个人都要对自己负责。

所以管理的方法同样也适用于自我管理。

OKR的本质是目标，管理也是被忽视的计划管理。

通过更主动的方式管理时间、精力、计划，甚至人生。

OKR是什么：

需要做的是，清晰明确个人所设定的目标，清晰辨别每个阶段的情况，清晰知晓每个目标实现时能够用以衡量的那些关键结果。

下面我们也去看一些好玩的例子。

中国速度不只有基建，还有开学前补作业。

毕业答辩前，你的论文是什么时候交的呢？

工作以后，第一生产力。

作业没写完，开学前还有一天补救的机会；

论文没写完，至少还能延迟毕业；

工作没做完，至少还能换个地方重新开始，

但是人生只有一次，谁能给我们机会重新开始呢？

在AI时代，我们应该如何通过AI来做时间管理呢？

在我一些应用来看，是智能体加工作流。

智能体是什么？

智能体，它等于，大语言模型，加上，规划的能力，加上，记忆的能力，加上，外部的工具。

结合工作流来做落地提效工具。

智能体的核心能力自我决策、环境感知、动态响应。

工作流，流程编排规则固化，顺序控制。

智能体的本质是做任务，工作流的本质是流程。

晓得在AI时代，得借助智能体添加上流程序的办法，去提高时间管理的效能哟。

所以就要反推智能体加工作流，我们该做什么。

核心就是任务拆解加SOP。

目标拆解的方法是遵循smart原则：

比方说拿我来讲，我于 2022 年为自己确立了一个目标，这个目标究竟是什么呢？

那时，我在人人都是产品经理平台上，看到众多专栏作家所发的内容，我认为其皆极为专业，具备颇高深度。

那具体明确我要成为一个什么样的人，我应该做什么样的事儿。

所以，我定下了一个目标，这个目标是，我要成为专栏作家，成为那种人人都是产品的专栏作家，时间范围是在五年以内，最晚截至2028年。

那可衡量可判断是什么，

每月起码要发布一篇具备高质量的稿件，每季度至少有一篇稿件会被予以推荐，这样的结果是能够进行量化的。

那可达到的是通过努力是可以达到的：

比如说，借助数据分析来瞧，在2020年至2022年期间intellij idea mac，我所发布的文章，其被推荐的比率是9.1%。

只要我发的多，发的够深度，是可以达到这个目标的。

另外与目标相关性，当前的这个目标跟我整体的目标是一致的。

臂如，我期望成为一个能够独立自主进行思考的人，这就要求具备那种独立自主进行思考的思维，进而去阐述独立自主进行思考之时所包含的内容。

那这个时间节点五年内成为专栏作家。

有了这个目标拆解了以后就要做一个目标的规划。

比如我一般是一个三年一个规划。

那这里要注意的，你的规划跟目标最好是具备一定的连续性的。

确认目标，确定自己期望拿到的结果。

假设说，你工作五年之后，会形成什么样式，存在如何样一个的成绩，具备何等样的后果。

然后对年度进行拆解，我将其划分成四个维度，举例来说，有取势，有明道，有优术，还有炼器。

取势是什么？

对一些相关的行业公司及岗位做一些基础了解。

我的KR做相应的行业分析，输出行业分析报告。

明道思维层的提炼，

近几年的一些产品的逻辑提炼，并且提升智能感。

什么是智能感呢？

在我们做互联网的时候，要更多的网感。

到了AI的时代，我们要的智能感。

此时的KR输出内容，在相关的一些平台上，输出模型跟方法论。

优术层我的O是复盘方法，工具总结内化。

KR依据自身的项目，来开展一些内容的输出，凭借自身项目案例，进行一些内容的输出。

炼器是工具层的维度。

磨刀不误砍柴工，做一些充分的准备。

于KR之际，凭借好奇心去掌控各类AI工具，将其拆解至月度，明晰每个月所需做的事情，进而把任务落地到周，明确每一周每一天大致的规划。

把每周要做的任务给完成好了之后，进行一次较为简单的复盘，瞧瞧哪些方面完成得存在欠缺，哪些方面做得相对不错呢。

OKR的目标在于跟踪，需在每个月结束之时，去做每个月的复盘，进而制定下个月的计划，倘若存在未完成的情况，那么下个月便要投入更多精力去完成。

所以，这是一个属于我的时间管理SOP，首先要去拆解目标，接着要将其分配到每个月，再从每月细分到每周，每周又要细分到每日，每日和每周结束之后都需要进行一次复盘，每个月结束之后同样要进行一次复盘，通过这样的方式去做出一个动态的调整。

最后去做一个工作流出来。

我在后续进行时间管理之际，并非要自己去查看其中细节，而是借由AI的途径，让其给我输出一份时间管理策划的。

这个时候，我们会去思考一个问题，每周一旦做完计划，就会信誓旦旦，还会意气风发，仿佛觉得自己又具备相应能力了。

但是真正真的每周都能这么完美吗？

OKR的目的是通过自去拿，结果自去又能坚持多久呢？

那如何高效拿结果提升竞争力呢？

这时间管理的事儿了。

所以我们思考一个问题，时间管理真的只是管理时间吗？

那时间管理的三件事是什么？

能力管理、精力管理跟管理时间。

【能力管理】的核心是找到规律。

就每个人所从事的工作而言，从本质上来说，是存在着能够遵循的规律的，借助模式识别的方式去探寻到它的规律，使之转变成标准，进而将其固化，最终实现精进。

以我刚接触工作流来讲，刚开始运用那一周，采用工作流的方式，花费了一整天去钻研这个工作流，着手搭建工作流，到了第二周，我所搭建的工作流可能用时三个小时，第三周持续搭建，或许只用了一个小时，第四周我进行优化，可能仅仅花了十分钟。

时间管理的第二件事儿精力管理。

精力管理的核心时间块。

比如我们看一下，一天我们都在做什么。

假设睡眠时长为8小时，工作时长是8小时，吃饭用时2个小时，并且还要去操作手机，把玩王者游戏；存在玩耍同学的话或许还要去照顾孩子。最终留给学习以及创新，还有时间可言吗？

如果不对精力进行管理，会陷入时间不够用的泥潭中。

所以实现精力管理的核心是去做时间块。

比如说区分2小时、一小时、30分钟的时间块。

两小时做一些长时间专注的任务。

比如写文章，做研究

一小时是一定专注的。

比如1个小时内能完成的，像读书或者处理业务需求。

30分钟碎片化的工作。

比如说看看资讯做一次复盘。

那时间管理的第三件事儿聚焦当下。

有一种传统工具，比如说用于做任务清单管理的，像苹果备忘录，还有omini focus，以及手机自带的日历intellij idea mac，另外还有Mac自带的便签，还有重要紧急四象限线等等。

那工具千千万在人用的时候人都麻了。

所以在AI时代，我更多的工具是 Dify + 滴答清单。

去用Dify来搞那个用来制定每月以及每周计划的梳理工作，把它们按照类别进行整理复盘，还要进行提醒，每周得去看两次，每个月另外再多看两次。

通过Rag的投喂让这个工作流更了解我。

用滴答清单来记录任务的那个面板，有着重要紧急四象限之类别，还有弹性任务以及可进行动态的调整。

当日日瞧着自个儿的任务面板，将任务逐一清空之际，尤为心流，甚为踏实，全然不焦虑。

当前AI工作流上面有很多的平台可以用，

比如说像Dify、、。

那时，我也有着去调研不同工作流平台的经历，针对它们在不同维度方面展开了一些对比。

构成维度的有，针对人员的管理，关于模型的管理，三方具设用的工具，知识库应用范畴以内的相关管理等等。

倘若在此地方尚没有对智能体以及工作流有所知悉的同学，能够去进行一番了解Coze，鉴于扣子的生态同样还算是颇为良好的。

虽然是一个闭源的产品，但对于新手小白上手来说还是很友好的。

像Dify工作流中还能做一些很多的插件儿。

我们说了这么多的AI产品，还有AI工具。

在当下这个AI盛行的时代，我们依据下面的表格，对自已进行一番自我反思，看看你属于何种水平 的产品呢？

所以我想说的每个人都知道有一套专属于自己的工作流。

五、AI 实用生产力提效工具

现在AI的使用成本已经很低了。

比如说最开始我们通过提示词的工程，来去跟AI直接对话了。

渐渐的起始能够运用Rag，凭借父子检索以及融合，用以填补外部数据库欠缺的那个需求。

比如说，像Rag，在Dify里面，借助父子检索的模式，能使Rag的检索能力，变得更为强大 ，是不是很厉害，你觉得怎么样，是不是很神奇，你对它好奇么？

此时，能够运用更多种类的模型工具，去开展模型的相关微调工作，借此进而提升模型的具体应用能力。

处在诸如硅基流动这般的平台之上，具备充足的结构化的训练数据，如此便能够着手去训练你的模型。

如今，训练的成本是极其低的，众多工具能够用于模型微调，比如，Kiln， PEFT， Face， LLaMA -...。

现在人工智能一个有趣的比喻是什么？

人工借助更为人为的办法去整理那些结构化的数据，将其用于训练，最终使得大模型成为一个叫GPT的产品。

我现在不允许你不知道的一个平台 Face.

Face当中是什么情况呢，它是这样一个平台，这个平台集成了模型，还集成了数据集，而且有试用空间。

试用空间能够在上面看到很多主流的这些AI的产品。

能于该平台之上直接予以运用，比如说恰似换装这类产品，可直接于现场平台进行体验。

若认为此产品，此模型契合你公司所属场景，那么便可径直将模型进行本地化部署。

另外这个里面是很多开源的一些结构化的数据。

比如说是像成语的数据，成语的翻译等等。

除此以外，在Model之上，我们能够看见诸多主流的开源模型，其中涵盖阿里的模型，以及其他的模型。

现在我们能看到目前，开源的数据模型的数量达到了152万个。

在此之外，近来急剧火爆的人工智能编程工具，乃是伴随底层大模型的点五以及三点七的推出，使得该工具变得更为具备实用性且更好用。

于 0.5 的时候，于开发编程里头已然取得了颇为显著的进展提升，并且也能够着手去开展一些生产方面环节板块的相关特定内容事宜。

3.7时，AI的编程结果有所提升，变得更为出色，此番情境下，甚至能够着手开展一些产品原型的设计工作。

还能去做自动安装环境，去写代码生成高保真的原型。

六、我们在见证第五次工业革命

去年，我同样购置了一块儿4060，当时，1块4090，大约是1万刚刚出头，11000多，因感觉有些奢侈，所以就没买。

今年，当这类大模型能够进行本地部署时，我打算亲自尝试一番，购置一块4090来开展本地部署工作。然而，就在这个时候，我发觉4090的价格相较于当时已然翻了一番。

这个什么时间节点？

看百度的趋势研究，在今年年初1月25日左右，开始爆火。

开始爆火了以后，英伟达的股价应声下跌。

当时是因为大家说大模型的训练成本被打下来了。

原来训练一个GPT4可能需要6千万到1亿美元的成本。

此刻进行训练的一个，有通过蒸馏这种方式的可能性，仅仅需要耗费500万成本。

但是真的是这样吗？

那时那刻，恰似这时这一刻，在18世纪瓦特改良蒸汽机之际，纺织厂的厂主们曾疯狂，曾感到恐慌，因为机器人的生产效率成倍增长。

如有侵权请联系删除！