脑洞预测：五大ChatGPT可能优化的行业

RedZero9 · 发表于 2023-1-20 19:47

01. ChatGPT让手里的项目显得“制杖”

这几天关于ChatGPT的新闻满天飞，以前不止一次做过带算法的项目，都说这个算法平台会越来越“聪明”，但是需要标注。但是看多了类似的项目，对于算法的能力就有了深深的怀疑。标注的曲线就是在95%的基础上增长到96%。
算法里最稳定的应该是印刷体的文字识别，然后是表格的文字识别，最难的手写体识别；语音是纯英文和纯普通话，混在一起识别都不行；在语言理解NLP上，长段的文字需要几百个专业人士整理数月文字，才能训练一个v1.0版本的未毕业秘书。
我一度认为，在人工智能领域，再过几十年也不会有什么改进了，最多是对老东西修修补补，比如终于能识别一种手写体了，然后又能识别一种方言之类的。
按现在算法能力商业化的平均水平，实际上ChatGPT只要能达到平均水平就可以进行商业化。
02.五大ChatGPT未来可能优化的行业

第五名：低代码

预测理由：面向语文编程，让每个人用一句话写一个RPA流程。
之前有人尝试过问ChatGPT，如何用UniPath（国外RPA服务商）写一段OCR识别的流程。本来没什么期待，不过ChatGPT还真的写出来了（正确性还比较简陋）。
这个流程让我意外的是，现在的RPA的服务商在国内已经非常卷了，国外相互收购也是特别的多，不过流程定制和简化交付的问题，一般都很难解决，目前已经实现的最便捷的操作就是“托拉拽”，但想想就还是难用。未来的方向也就是所谓的流程挖掘，但是目前也是前路茫茫。
如果ChatGPT可以通过语言实现功能的自动化，那未来真的能够诞生全自动化的流程编写了，到时候一句话就可以实现比如自动化电子签章，或者短时间紧急业务的批量化处理。
这个效率是逆天了，当然现在看起来离实现还有点点远，不过确实行业瓶颈突破没准是一个方向。
第四名：自助BI分析

预测理由：面向决策者分析数据，一句话生成分析图表，表简答题变成选择题。
现在的数据想要完整的呈现，是需要漫长流程，从决策者要数据，到生产数据，再整理到BI上，没有3个以上的人完不成。
假设ChatGPT可以完成AI自动化的需求分析，以及AI数据建模和自助的数据集的整合呈现，那真的是把数仓完整的用起来了。现在国内的业务和国外最大的不一样就是定制多，这也是行业在快速变化以及行业缺乏统一建模标准的原因。这也导致了定制化服务的需求特别多，如果ChatGPT知道如何理解业务需求，同时知道数据建模口径，以及如何优化SQL，那ChatGPT可以同时替代好几种业务。
短期内可能可以尝试优化SQL，或者自助编写SQL，长期看AI数据建模和理解也无需求如果能实现，就又是一个行业颠覆性变化的重要节点。
第三名：游戏剧本

预测理由：大陆可以生长，故事可以千人千面，延长游戏生命周期。
现在艾尔登法环、荒野、旷野之息等等游戏虽然好玩，但是每个人玩的是一样的剧本，只是接任务触发的先后顺序不一样而已。一个游戏的生命周期取决于DLC有多长，以及玩家什么时候厌倦这一款游戏。
不过有了ChatGPT，这一切可能又会不一样了，游戏的剧本可以随时交给ChatGPT，随时写下去，每个人可以从扮演法师、战士、弓箭手、盗贼、白手起家等职业，变成一个可以自己捏脸、自己写故事设定的“元宇宙游戏”。这个实现的是角色扮演游戏的小时付费。
数不清的网游可能不需要版权授权，甚至可能是玩家自己设计了游戏，然后放在某个什么上做售卖，玩游戏变成了网剧编辑的感觉。
第二名：室内设计

预测理由：让有房者自助体验设计氛围感，以及带来的设计+购物新体验最近几年，家装行业实际上发展是比较快的，加装可能是最容易实现3D化以及自助装修的。
设计师在这个行业里一方面有商品信息和货源，另一方面有家装配色搭配的能力，以及客户需求的理解能力，同时这个行业也是目前视觉呈现数字化程度最高的行业场景了。
如果ChatGPT在家装上能有发展，实际上他应该替换的是设计师的家装配色的学习能力，以及和顾客的交流需求的能力。而商品货源信息都是现成的，3D呈现也是现成的。设想一个场景，就是在家里的电视上，几个家庭成员就你一句我一句的把改善型住房的内部装修搞定了。
这样的体验会不会是未来的一个方向呢？
第一名：数字营销

预测理由：市场大小决定了技术发展，数字营销规模是最有可能影响ChatGPT未来产品能力发展的领域。
如果ChatGPT卖的是调用量，那么被调用次数最多的潜在领域，还是数字营销。如果每一次调用意味着一次决策行为，那么购买的决策行为是发生最频繁、最有ROI转化可能性的领域。
新的数字营销技术可能是什么呢？比如搜索框的改变，对话导购形式的购物替代搜索？再比如更复杂的流媒体内容推荐？比如广告语在不同类型人群里的不同展现？
最后一个脑洞猜想大家看看有没有可能补齐的，我这里就不过多YY了。
03.算法放在场景里才有生产力

算法的商业化走到今天，我们可以看见在通用行业的ASR、OCR、NLP这样的标准能力，也能看到类似商品推荐、意图识别、人货匹配、广告营销的能力，也有制造业配补调、销量预测、切箱算法这样的供应链能力，甚至一些声纹检测、图像诊断、图像安检等等。似乎除了广告领域以外，每个行业都看着欣欣向荣，实际上规模不行，交付质量不行，甚至把噱头吹一吹的市场能力也差点火候。
技术和应用的不成熟，让算法这个前几年含金量很高的两个字，现在变得人人都摇头。“算法成本高不可攀，效果可能不如请两个实习生，实习生还能帮忙跑个腿打印文件。”这是最近听到最多的一句话。现在除了最基础的算法能力，大家还没有任何争议的商业化外，其他的可能是现要求可以把“高并发”做好，把“数和BI”做好就谢天谢地了，没有甲方奢求有性价比高的算法。后来，补齐算法能力缺口的竟然是人力本身。
几年前打着替代人力的算力，如今为了补齐效果，只能提出“人机耦合”。人机协同就是想自动驾驶也需要人做兜底，随时把着方向盘。人机协同就是，机器干不好的那5%需要人工盯着干预。特别有意思的是人力的这5%的成本可不比100%的成本低。
其实还有很多其他潜在的应用场景，比如文档归纳、文档补全、家庭陪伴、IoT智能升级、甚至出各种试题和试卷等等，只要和创作标准化相关的，可能都是潜在的应用场景。
当摩尔定律突破了纳米级的限制，当人工智能有了更多的场景，当产品研发生产达到盈亏平衡点，算法的奇点就会到来。
稀奇先生，公众号：稀奇星球，人人都是产品经理专栏作家。

		自动登录	找回密码
密码			立即注册