共计 2426 个字符，预计需要花费 7 分钟才能阅读完成。
近两年，AI 产品如雨后春笋般涌现，大型语言模型公司也不再单纯炫耀模型参数，而是纷纷将模型转化为实际应用。一时间，各种 AI 工具琳琅满目，涵盖了画图、写作、搜索、思维导图制作以及文件修改等多个领域，仿佛 AI 已成为人们日常生活中不可或缺的一部分。然而，实际情况却并非如此乐观。不少人在试用了一些 AI 工具后，便将其束之高阁，不再使用。这究竟是为什么呢？我认为，关键在于对“期望、需求、工作流”这三者关系的把握。
一、过高期望与现实落差
如今，AI 工具的数量可谓数不胜数。斯坦福大学人工智能研究所发布的《2024 年人工智能指数报告》显示，去年就产生了 51 个有名的机器学习模型，2023 年总共发布了 149 个基础模型。像 GPT 和 BERT 这样的模型，理论上可应用于上千个不同的任务。然而，面对如此众多的工具，人们实际在电脑上下载并经常使用的却寥寥无几。
很多人对 AI 寄予了过高的期望，尤其是新手，总认为 AI 能瞬间解决所有难题。比如，有些人期望 AI 能一挥而就写出完美文章。我自己就曾有过类似经历。之前为客户做 PPT 时，满心期待 AI 能一键生成，还特意开通了一个月会员，结果却发现效果不尽人意，还不如自己亲手制作。其实，AI 更像是一个“倍增器”，它只能增强一个人已有的能力，如果基础为零，无论怎么放大，结果依然是零。
前几天，一位朋友在会员日要给 50 多个客户发送礼品，公司运营同事整理好客户地址信息放在 Excel 表格里，但库房的专业系统要求特定格式，朋友折腾了一上午，用 AI 也没能找到合适解决方案。这表明，很多人期望完全依赖 AI 解决问题，却忽略了自身准备，最终难以得到满意结果。
二、需求不明与 AI 沟通障碍
所谓需求，就是人们想要通过某个工具或功能解决问题的过程。但很多人面对 AI 时，根本说不清楚自己的需求，根源就在于对 AI 缺乏了解。
首先，AI 技术对许多用户来说既新颖又复杂，我们不清楚它能做什么，也不了解其局限。AI 需要明确、具体、有条理的指令才能正确工作，而人类交流方式自然且含糊，这就导致了问题的产生。例如，当我们和朋友聊天时问“吃了吗？”，在特定情境下对方能理解，但 AI 无法感知这些非量化因素，只能按字面意思回答，其预测能力和准确性因此受限。
其次，市面把 AI 能力限定在固定模式中。比如 KimiChat、豆包等工具，处理任务时只能给出回答，不能像人一样回问。朋友想让 AI 写文案，只简单说“你帮我写几个文案，我要用在哪哪哪”，AI 无法像人一样进一步询问需求，自然难以给出满意答案。所以，如果想让 AI 生成特定风格文案，最好先给它看类似例子，或者指示它先询问相关问题。
再者，由于沟通不畅，容易造成 AI 推理能力变差。其实 AI 语言推理能力并不差，像 Kimi、豆包等产品，在处理一定字数的对话时都能应对自如。关键在于用户要表达清晰，否则对话会变得混乱。
三、工作流与 AI 的融合之道
要想明确需求，就得借助工作流。工作流是完成一个任务或项目所经历的一系列步骤或活动的顺序，它能将复杂工作分解为具体操作。比如在公司处理订单，典型工作流包括接收订单、确认库存、打包商品、安排发货、发送发货通知给客户等，每个步骤都有明确指示和顺序，确保流程清晰高效。
理解工作流并能在实际操作中运用的理想 AI 就是 AI agent。比尔·盖茨提到的 AI agent 能与用户对话，了解生产线特有需求，自动完成任务并个性化调整生产流程，提高生产线效率。
目前市面上很多 AI 产品目标正确，想解放双手，让 AI 处理繁琐事务，但方法存在问题。比如建一个 AI 代理，它往往只能对话，无法执行其他操作。工作流是横向的，目标是竖向的。以写一本 20 万字小说为例，从主题创意、角色塑造到设定世界观、制定大纲、生成每章初稿等都是步骤，其中主题创意、角色塑造等横向工作需要用户自己梳理标准化，之后才能交给 AI 按固定流程操作。如果一开始就想解决纵向问题，难度很大。所以，如果不将 AI 融入工作流和业务场景，就很难有效使用它。
因此，一方面，我们要全面清晰地了解自己的工作流程，明确哪些任务重复性高、耗时长，哪些过程可交给 AI 处理，不能把 AI 当成万能助手。另一方面，分步骤、模块化处理问题至关重要，这样才能有效利用 AI，避免回到传统工作流程。所以，AI 产品的使用频率与个人工作流程紧密相关。对于 AI 产品公司而言，要思考如何将产品融入个人工作流程；个人则应探索如何制定横向工作的标准化操作程序（SOP）。
四、AI 进行 SOP 化的实践探索
在运用 AI 进行 SOP 化实践方面，主要有以下三个方面：
一是工具使用。我坚持“不折腾、重器轻用”原则。加尔定律指出，任何能正常工作的复杂系统，都是从简单系统演变而来。市面上的 AI 产品，要么界面超简单，要么功能繁多。我个人选择只用其最擅长、最实用的功能，并将其融入工作流程。比如百度的「橙篇」，其“全文校正”功能很好用，我就只专注于此。每个产品都有最强功能，将其发挥到极致即可。
二是任务处理。我经常外出与人交流，朋友分享业务想法时，我会问能否录音，之后整理成文字发给他们。我常用苹果手机自带语音备忘录收集信息，回公司后交给讯飞听见处理。虽然目前还没有方便的应用能直接将长时间录音转换成文本，但这值得探索。以前我常记录灵感，现在思考为何没有能直接说话转成文字保存的笔记软件，或者笔记软件为何不加上 AI 功能，这也是未来可探索的方向。
三是过程优化。我做项目 PPT 时有五个步骤：定框架、准备内容、选模板、优化素材、生成文档。一般让 AI 帮忙处理框架部分，有时用腾讯文档的 AI 一键生成，有时也用其他软件；围绕框架整理关键知识点可能需两种软件配合；模板从 WPS 下载并清除不必要内容；最后将模板和内容上传到 AIPPT 相关软件一键生成文档，之后再润色。不同任务需不同软件和流程配合完成。
综上所述，AI 产品黏性差的原因众多。从公司角度看，产品可能未找到核心优势；从个人角度看，工作各环节需标准化。希望大家能找到适合自己的方法，将其落实，才能更好地运用 AI 产品。
