人工智能（AI）已经成为当前社会的热点话题，无论是科技公司还是其他行业都在探索如何利用 AI 技术来获得优势，似乎任何产品只要套上 AI 的壳就像有了一个银弹，但 AI 本身只是一种工具，它需要与产品目标和价值主张相结合才能发挥最大的作用，例如用于自然语言处理，帮助产品更好地理解和响应用户的需求，也可以用于图像识别和推荐算法，帮助产品更好地匹配用户的兴趣。想要帮助产品更好地实现其目标，这一切有一个前提，即产品自身也要有一个清晰的目标和价值主张，才能更好地利用 AI 技术的优势。
下面是一些结合实际案例的思考和总结。
几个案例
案例一：ChatPDF
ChatPDF 是一个基于 AI 技术的文本搜索和理解工具，它能够自动化地分析和理解大量的文本，提取其中的关键信息和意义，从而帮助用户更快、更准确地找到所需的信息。
从实现上来说，ChatPDF 使用了 OpenAI Embeddings API 为 PDF 创建语义索引，然后找到相关度最高的段落交给 ChatGPT 处理，由于它是完全基于 AI 技术打造的，因此它是一个 AI Native 应用。
案例二：Microsoft 365 + Copilot
Microsoft 365 是一套生产力工具，2022 年为微软贡献了百亿美元的营收，在今年 3 月份的产品发布会上，微软发布了 The Copilot System，并且实现了与 Microsoft 365 的深度融合，功能演示另人兴奋。
不过抛开 Copilot，Microsoft 365 本身就是一款极为成功的产品，但借助 AI，下一个十年大概率还会持续成功下去。
案例三：Confluence
Confluence 是一款企业级知识管理和协作软件，它为团队提供了一个协作、共享知识的平台，让团队成员更好地协作和沟通。
看起来这是一款 “上一代” 的软件产品，不新颖，也不具备 AI 技术，但就算没有 AI，Confluence 在当前也仍然是有价值的（至少是能赚钱的产品），虽然再过几年就不好说了。
案例四：小丰AI助手
小丰AI助手 是一个基于 ChatGPT 的工具集，有点像以前的 hao123。
这种工具集偏玩一玩的性质，可能这波热度过去后就没有新鲜感了。
案例背后
这几个案例有的是拿着成熟的产品想找 AI 落地场景，有的是拿着 AI 技术来套产品功能，我觉得可以从它们的经验中归纳出两点：
- 进入 Software 2.0 时代，引入 AI 技术非常重要，因为未来主要是用数据集和神经网络训练的形式 “写” 代码
- 找到产品目标和价值主张也很重要，好像没有哪个产品本来不行，但接入 AI 能力后就大放异彩
对 AI 的定位，应该是 “AI 提高产品的价值”，从这个逻辑着手，拆解一下这句话中的两个关键词：
- AI：指人工智能技术的应用，包括机器学习、自然语言处理、计算机视觉等技术，这些技术可以帮助产品更好地实现其目标，提高产品的效率、准确性和个性化等方面的能力
- 价值：指产品的目标和价值主张，即产品为用户提供的核心价值和意义，产品的目标和价值主张是产品开发和运营的核心要素，对产品的成功与否起着至关重要的作用
因此不是什么产品套上 AI 的外套就能变成跨时代的东西，产品本身要有清晰的价值主张：
- 它决定了产品的独特性、优势和面向的用户群体，这是产品开发和运营的基石
- 帮助团队更加专注地开发产品，而不是一味地追求功能和技术
- 帮助团队更好地进行市场调研和用户分析，找到产品的差异化和竞争优势，这是产品的核心卖点
- 找到无论通过什么技术、经过多长时间迭代都不会丢下的东西，保持价值传递的稳定性和延续性，这是对用户的价值承诺
AI 不应该被用来掩盖产品的缺陷，如果产品本身没有一个清晰的目标或者没有价值主张，那么即使使用了 AI 技术，也不可能成为一个好产品。AI 和产品的关系是相辅相成的，必须在产品本身的基础上加以运用和优化，就像 Microsoft 365 + Copilot 说的：
有了 Copilot，您可以在 Word 中更具创造性，在 Excel 中更具分析性，在 PowerPoint 中更具表达力，在 Outlook 中更具生产力，在 Teams 中更具协作性。
AI 不解决「有没有」的问题，但能解决「好不好」的问题。
我们应该从改进着手，让原本已经自动化的流程再进化。比如尝试将 AI 应用于数据分析，以更好地理解问题归因和变化趋势；还可以探索将 AI 应用于产品设计和开发，提高产品的质量和用户体验。
至于原本没有的流程、机制、工作文化，还是要脚踏实地的建立起来。