产品对讲：AI时代的产品策略

随着新的人工智能原生初创公司和行业巨头引领人工智能革命，产品格局正在经历深刻的变革。 企业能否抓住这一颠覆性力量的潜力来推动创新并在当今竞争激烈的市场中蓬勃发展？

在过去几年中，特别是自去年 11 月推出 ChatGPT 以来，我们见证了生成式人工智能的蓬勃发展，它突破了创造力和创新的界限，并开始以我们几乎无法想象的方式颠覆行业。 从文本到音频和图像，这些最新的人工智能功能已经激发了新一代人工智能原生初创公司的工作流程完全由人工智能驱动，并激励无数其他人开发或采用人工智能驱动的功能和产品。

应用程序是无穷无尽的——用户体验、用户界面、内容创建、数据分析、客户服务、销售前景、营销自动化，等等。 现在第一波尘埃落定，现在是反思这些变化对产品战略和产品领导者意味着什么的理想时机。 无论您是产品经理、拥有数十年经验的领域专家，还是新面孔的初创公司创始人，这些时代不仅带来新的挑战，也带来改变游戏规则的机遇。 人工智能会帮助人们提高生产力并拓展新市场，还是会让某些角色变得过时？ 配备创新人工智能方法的初创公司能否成功颠覆既定的类别？ 现有企业能否跟上不断创新的步伐？

在今天的 Intercom on Product 节目中，我与我们的首席产品官 Paul Adams 坐下来讨论了人工智能时代的产品策略。

以下是一些关键要点：

• 为了真正用人工智能颠覆品类，初创公司必须考虑他们的产品或功能是否提供了现有公司无法轻易复制的独特攻击角度。
• 虽然人工智能可以简化销售和客户服务等 SaaS 类别的任务，减轻重复性工作，但对项目管理的影响更为微妙。
• 随着人工智能能力的进步，人们可能会更习惯依赖它来完成不仅涉及分析而且还涉及判断的任务——尽管仍然需要人工监督。
• 在考虑人工智能等新功能时，产品经理应该关注如何扩大用户群、增强用户的能力或完全消除任务。
• 无论您是初创公司还是老牌公司，现在都是温习《创新者困境》背后的想法的好时机。

如果您喜欢我们的讨论，请查看我们播客的更多剧集。 您可以关注 Apple 播客、Spotify、YouTube 或在您选择的播放器中获取 RSS 源。 以下是该集经过轻微编辑的文字记录。

赌农场

Paul Adams：大家好，欢迎来到 Intercom on Product。 我是保罗·亚当斯，今天和往常一样，和我在一起的是德赛尔。

德斯·特雷纳：嘿，保罗。 你好吗？

Paul：好吧，今天我们要谈谈人工智能和产品策略。 我们将讨论这对于处于不同立场的人们意味着什么。 我们觉得现在是讨论这个问题的好时机，因为第一波尘埃已经落定。 我们已经看到了第一波公司的可能性，就像任何大型技术一样，人们一开始并不清楚这一切将如何发展。 当你看看今天的情况时，我们有人全力以赴，他们会说，“赌农场；赌注”。 赌公司。” 然后有人仍然有点不确定：“这真的是一件大事吗？ 这更像是硅谷的酷爱吗？” Des，你觉得你现在处于什么位置？

“当你看到其中一些功能时，我非常确定整个行业和软件类别都将被颠覆”

Des：我肯定参加。赌农场，赌公司，赌酷爱饮料，去找你的邻居，赌他们的农场。 我认为这是巨大的。 我理解怀疑的原因，因为它似乎确实是在硅谷和投资者都在渴望谈论新事物的时候出现的。 但当你体验到人工智能目前所提供的体验时，你会发现很明显一些重大的事情正在发生，而我们仍处于看到它的萌芽阶段。 正如你所提到的，尘埃落定。 这确实是第一波尘埃。 我们现在开始看到整个公司因成为人工智能原生应用公司而获得 A 轮或 B 轮融资。

当我谈论这个时，我的意思不是 OpenAI 或 Anthropic 提供实际的 AI，而是正在构建完全由 AI 驱动的整个工作流程产品的人们。 就像，如果 OpenAI 和 Anthropic 不存在，这家公司也不会存在。 人们确实依赖它作为一个平台。 当你看到其中的一些功能时，对我来说，整个行业和软件类别都将被颠覆是一个直接的确定性。

保罗：有时，在科技领域，我们谈论灭绝事件。 移动出现了，移动优先的公司杀死了那些不是移动优先且无法适应的公司。 在此之前，云优先公司也是如此。 你认为这是灭绝事件类型的事情吗？

Des：我认为肯定是在某些领域。 在许多其他地区，如果这不是一次灭绝事件，那也是因为一种新的动态。 在其中一些领域，比如说，使用开放式人工智能服务器，可以通过 API 访问权力，例如，“嘿，为我总结一下这个 5,000 字的事件”，将其 ping 给第三方，然后返回回复。 这与重建整个公司以使其成为 iOS 原生公司不同。 因此，我认为现有的软件领域将会真正利用这一点并获得很多价值。 有些地区会发生灭绝事件，但它不像小行星，它不会摧毁整个行业。 我认为你会看到很多大公司实际上变得更大。

“如果我们回到 11 月 29 日，当我们看到 ChatGPT 3.5 时，很明显，或者至少我们看到的第一件事是，这个东西非常非常擅长对话”

保罗：是的。 这显然发生在移动设备上。 谷歌和 Facebook 最终确实弄清楚了如何做到这一点。

Des：他们做到了，没错。 他们比任何人都更快地找到了如何擅长搜索等方面的知识。 我们很快就会回到这个比率的概念，但是学习 Objective-C 并在手机上部署 Objective-C 或 iOS 驱动的界面到一个极其强大的搜索引擎 – 事实证明，最难的一点是这就是极其强大的搜索引擎。 是指我们必须做多少新工作与多少现有工作仍然有效的比率？ Google 的后端仍然极其有效，前端可能会发生变化，但事实证明，爬取整个互联网并不是 YC 中掉出的两个 randos 一晚上就能完成的事情。

保罗：让我们谈谈双方的情况。 有一些关键功能——产品在某个类别中需要的核心功能。 然后还有它可以做的新事情和支持事物的新技术。 让我们从人工智能可以做的新事情开始。 你有一整套让你看好它的事情。

德斯：确实如此。 如果我们回到 11 月 29 日，当我们看到 ChatGPT 3.5 时，很明显，或者至少我们看到的第一件事是，这个东西非常非常擅长对话。 它非常非常善于理解人类，也非常非常善于回复。 它需要很好的提示和指导，并且非常擅长基本的文本争论：扩展这个，总结那个，改写这个，重新调整那个。

它也非常非常擅长演绎或推理。 例如，您可以给它一个复杂的场景并询问，“如果有人在燃烧的建筑物内与长期疾病作斗争，那么这里哪个是更大的问题？” 它找到了这些问题的答案。 对于人类来说，这些事情听起来非常简单。 但要让机器真正理解它、做出推断并建议采取行动，这是非常强大的。 或者，“根据您阅读的所有更新，考虑到该项目的状态，您认为最重要的问题是什么？” 它实际上会在这方面做得非常好。 因此演绎或归纳推理的想法在那里也非常强大。

“我认为人们没有意识到这会在多大程度上渗透到你的正常生活中”

我们只是在谈论文本域。 我们看到 DALL-E 和 DALL-E2 能够在给定一段文本的情况下渲染图像，而且它变得非常好。 现在，最新的 Midjourney 内容令人惊叹不已。

人们常常会问，为什么它有用？ 嗯，在很多情况下，人们缺乏创造力，但他们知道自己想要什么。 因此，我想发送这封电子邮件，并且希望以深色纹理背景上的浅色字体发送。 它可以在屏幕上为您提供 27 个版本。 突然之间，不会做艺术的人也能做艺术了，对吗？

生成图像的能力不容小觑。 其中很多事情都以有趣的用例为代表，“向我展示一个吃行星的芝士汉堡”，它在这方面做得非常好。 但我向你保证，“为我的新网站提供一个非常漂亮的标题背景”将成为 Squarespace 或 Wix 或类似功能中的一项很酷的功能。

我们有声音。 这一直在发生。 还具有解析语音的能力——几乎是实时音频转录。 它也可以产生声音。 这是人工智能的最新突破。 因此，如果你查看 Synthesia 或 Play.ht，你可以给它贴上《碟中谍》的狗屎。 你给它 90 秒的时间说话，它就会因为你的一句话给它留下一个短暂的印象。 给它一个小时的时间，它就会开始明白。 你当然可以逃脱惩罚。

“在这一点上你不能强迫我成为人工智能怀疑论者”

然后生成视频。 Synthesia 可以做这种假视频化身的事情，你可以记录自己和你的一些举止，它可以让它看起来像是你在说话。 但我们将能够像生成图像一样生成完整的视频。

当你考虑所有这些类别时，我认为我最初犯的错误以及很多人最初犯的错误是：“对，这听起来非常重要。 如果我在 Adob​​e 工作，我应该会全力以赴。”

我认为人们没有意识到这会在多大程度上渗透到你的正常生活中。 从字面上看，语音技术可以为消息传递的未来或产品交互的未来提供动力，在这种技术中，您只需在开车或其他时候与产品交谈即可。 现在这一切都成为可能。 同样，图像不仅仅是“热狗吃行星”。 它实际上可以设计整个背景并重新设计我正在使用的产品，使其看起来更漂亮。

我可以继续使用现在可能的其他很酷的东西。 但是，当我考虑所有这些潜力的总体影响力时，我会考虑它在特定软件领域的应用，包括创造力、用户界面、人类如何与其他人互动、哪些工作可以自动化，以及哪些部分可以实现。工作可以自动化，在这一点上你不能强迫我成为人工智能怀疑论者。 这是不可能的。 这就像试图阻止潮流一样。 对我来说，很明显，巨大的变革即将到来，你最好站在变革的正确一边。

挑战巨人

保罗：我是说，我也在那儿。 你在那里所说的一些事情，比如图像，整个广告行业可能会发生翻天覆地的变化。 当然，如果您在创意或媒体机构工作。 我知道在创意机构工作的人们已经使用人工智能来生成全部或大部分作品。

我们来谈谈它的另一面。 你提到了一些我以前从未听说过的初创公司。 这只是爆炸。 我认为没有人能够跟上基于新一代技术的所有新型事物。 与此同时，你拥有收入数亿美元的大公司，他们的业务已经建立了一二十年。 在 Intercom 的早期，我们有点天真。 我们就像“热门初创公司挑战现任者”一样，具有巨大的杀戮型心态。

Des： “我们要消灭 Salesforce。”

保罗：是啊，肩膀上的碎片，巨人杀手，对吧？ 然后你意识到，“哦。” 像报道之类的领域，你会想，“哦，这是一件大而深的事情。”

德斯：是的。 这些家伙之所以伟大是有原因的。

“你真的必须说，‘嘿，我想如果今天要再次建造这个区域，你会采取根本不同的方式’”

Paul：仅仅为了获得赌注就需要多年的产品开发。 您认为企业应该如何考虑这一点？

Des：我认为你可以从两方面来看待这个问题。 假设你是一家斗志旺盛的初创公司，并且你正在挑选一个敌人。 如果你说，“我们去工作日吧”，人工智能允许的对工作日的攻击角度是多少？ 好吧，你看看我们拥有的所有能力。 您可以尝试生成绩效评估并尝试解析此类内容。

但最终，假设您找到了一些示例，可以在其中加入一些人工智能魔法来简化现有的工作流程。 我认为任何使用过 Workday 的人都必须承认……我认为没有人会关心该公司内部工作流程的复杂性。 那不是他们的投资回报率。 这并不是人们购买 Workday 的原因。

我认为，人们购买 Workday 的原因是因为它是你能想象到的最大的人类 ERP。 他们拥有庞大的企业销售团队。 他们建立了一个巨大的品牌，“在 HRIS 系统方面，我们是最终的老板”，而这正是他们所关心的。

Paul：还有几乎无限的可配置性。

德斯：是的。 那么问题就变成了，如果你要在人工智能时代重建这一切，会发生什么变化？ 如果人们购买极端的可配置性，那么对我来说攻击角度并不明显。 我认为人们正在购买一个美化的所见即所得的数据库，他们可以通过经理关系将事物连接起来，并说：“事物有报告； 事物有家庭住址； 东西有工资。” 我认为短期内这些都不会发生巨大变化。 由人工智能驱动，您可以拥有更加美好的工作日。 我只是觉得没有人会在意。 你可能会与其他可能比你更成熟的 A 轮或 B 轮初创公司展开竞争。

“你的人工智能在欺诈检测方面可能非常出色，甚至比 Stripe 的人工智能在欺诈检测方面更好，但这可能只是难题的 15%”

但给你一个更性感的例子，如果你和我说，“嘿，我们要杀死 Stripe，但我们要使用人工智能。” 第一份工作，你开始使用人工智能，我将穿上西装，与七家银行以及维萨卡和万事达卡会面，看看我是否可以获得信用卡收费的许可。 这才是真正的任务。 那么，我该如何去打造一个人们信任的品牌呢？ 是的，您的 AI 可能在欺诈检测方面表现出色，甚至比 Stripe 的 AI 欺诈检测更好，并且您的 AI 在检测 B2B SaaS 公司的正确最佳定价点方面可能表现出色。 但这可能只是谜题的 15%。 另外 85% 的难题是我落后 Stripe 10 年，后者正在追赶银行。

如果您是一家初创公司，您必须相信以下事情。 一是，如果你今天要从头开始构建整个产品类别，考虑到这场人工智能革命现在可能实现的目标，你会采取截然不同的做法吗？ 现有产品的技术有多少在未来仍然适用？ 如果数量非常非常小，也许是他们的登录系统之类的，是的，水里有血。 开始吧。

然而，如果我们采用 MailChimp，并且我们将使用 AI 来编写电子邮件并设置笔记样式，那就很酷了。 大多数人喜欢 MailChimp，因为它们具有非常高的送达率或电子邮件通讯分析以及列表管理和订阅管理，并且它们具有垃圾邮件检测和所有此类功能。 你必须构建这一切。 当您构建所有这些时（假设这是 30 个月的工作量），MailChimp 可能会弄清楚如何构建您的小人工智能功能。 然后你就拥有了他们所拥有的，但他们仍然拥有一个更加成熟和知名的品牌。 您为聚会带来的一大与众不同之处，现在他们也有了。 如果差异化的核心引擎实际上位于 OpenAI API 调用的另一端，则尤其如此。 因为在那个世界里，我相信他们也会解决提示问题。 这就是启动角度。 你真的必须说，“嘿，我想如果今天要再次建造这个区域，你会采取根本不同的方式。”

“也许人工智能会学习，所以为了证明自己的价值，它时不时地向你吐出一个 PDF，让你感觉你正在做你的工作”

我给你举个例子。 您可以将许多产品连接到所有不同的广告平台。 它们容纳了您所有的中央广告库存并运行分析。 他们会告诉你，“嘿，我们最有效的广告如下，我们将针对这个广告与那个广告进行 A/B 测试。” 您可以进入并配置、调整和重新上传新版本以及所有此类内容。 然后，您可以查看图表和仪表板，向您的老板表明：“好吧，我在这里做得很好。” 我认为今天整个产品类别的构建将完全不同。 这个想法是要求人工智能生成广告、运行广告、测量广告的 LTV/CAC、建议所有不同的烘焙和 A/B 测试，并优化每个人每个频道的广告。 它只会在后台运行所有这些。

当我想到这样的产品时，我什至不知道界面是什么。 它可能是您只是运行但从未真正看到后台发生的情况的 shell 脚本之一。 你只要相信领主们，钱就会开始进来。也许人工智能会学习，所以为了证明自己的价值，它时不时地向你吐出一个 PDF，让你感觉你正在做你的事情工作。 但对于“创建、优化、探索、利用、迭代”等类型的产品类别，所有这些任务都可以单独完成。

如果你今天坐在这些公司中的一家，“哦，糟糕，也许德斯说得有道理”，你很可能会说，“好吧，我们就做其中一个吧。” 但现实是，实际的未来将完成所有这些，并且它们将全部编织在一起。 你会说服自己，“嘿，肯定没有人会把这一切自动化。” 但是，当你看到 GPT-4 的推理有多好时，我就不明白为什么人们会想要每天登录这里并浏览列表并看到红色闪烁的数字，然后说：“让我们关闭该广告，”或者“让我们生成这个亮绿色版本的 10 个版本，因为它看起来真的很棒。” 所有这些决定都可以由人工智能做出。 我认为这是一个值得追求的巨大创业机会的例子。

转型时机已成熟

保罗：对于初创公司来说，有一些很好的问题，例如，可以清楚地了解他们试图攻击的实际业务以及客户关心和重视的内容。 是不是那种前端的东西，我们更容易看到、认识和思考？ 或者，就 Workday 而言，它实际上是后端的东西吗？ 或者，就 Stripe 而言，是法规还是律师？ 我认为你和我讨论过的这些问题非常好，对于大公司思考它们是否有机会受到初创公司的合法攻击非常有用。

不过，在此之前，您谈到了不同的类别，我认为我们应该讨论几个类别，因为它们对我来说是具体的，而且我确信对其他人来说，事情可能会发生怎样的变化。 例如，您提到了视频、语音等多媒体。 然而，对于 SaaS，有一大堆类别——销售工具、项目管理工具、报告。 我们先从销售开始。 如今，许多公司雇用销售人员并花费大量资金培训他们。 您认为这会如何改变？

“看看清单——人工智能就能做到。 领先评分——人工智能可以做到。 给这些人发电子邮件——人工智能可以做到。 针对这个行业的这个人的具体推荐、用例和销售平台——人工智能可以做到”

Des：我认为，每个方面都容易发生重大变化。 现在，对销售人员的培训可以是电话中的人工智能实时更新，“嘿，他们询问定价。 这是定价，”并且，“嘿，他们问过这个。 这是幻灯片。 这是要播放的视频。 这是客户可以参考的。 这是证言。” 你所有的训练都将更加深入耳内，而不是“在这次通话之后，约翰尼，我们将坐下来和你谈谈你应该说的所有事情。” 当下的事情要多得多。 那只是训练。 那是在我们到达您的办公桌之前。

销售的职责之一是寻找潜在客户。 有一个列表，我们将浏览这个列表，尝试找到可信的人，尝试与他们联系 - 给他们打电话，给他们发电子邮件，或者可能针对他们的特定电子邮件地址投放广告，所以希望我们可以在互联网上关注他们。 我没有说过任何人类需要做的事情。 看看这个列表——人工智能可以做到。 对该列表进行领先评分 – 人工智能可以做到这一点，无论是直接还是通过 API 传输到 ZoomInfo 并获取领先分数。 给这些人发电子邮件——人工智能可以做到。 给这些人打电话——人工智能可以做到。 针对该行业中特定人员的具体推荐、用例和销售平台——人工智能可以做到。

这就是一个例子。 像 Regie.ai 和 Nooks 这样的公司着眼于销售工作流程中真正的具体价值点，并说：“好吧，围绕这一点画一条线。 这一切我们都可以做到。” 顺便说一句，这对于销售人员来说是个好消息。 许多无差别的繁重工作将被取消，每个人都将成为他们想要的人，我认为，这要么是高级销售领导，要么是高级销售代表，以更高的价值处理更高的交易，这几乎就像我们取消了很多培训课程，并说：“嘿，事实证明没有人需要再做这些事情了，所以让我们立即让你进入混音器。”

保罗：事情有两类。 一个是针对某些人的，比如销售——这和销售工作是一样的，但人工智能会让工作变得更容易。

Des：而且也更有趣。

保罗：当然，更有趣。 另一类事情是人们的工作可能发生变化。 项目管理是另一个可能因人工智能而改变人们工作的类别。

德斯：我想是的。 项目管理非常细致。 我认为这是一个你会看到大量人工智能应用的领域，其中很多都是我所说的调味品式人工智能。 就像盐和胡椒一样。 这不是菜——只是上面有一点可爱的东西。 但我对整个“写下状态更新的第一句话并按选项卡展开”持谨慎态度，就像“我认为这个项目正在按计划进行”选项卡，“但以下风险仍然存在。” 我宁愿这实际上是从你的头脑中出来的，而不是 GPT 推断出来的，因为我需要你站在它上面。 你把你的名字放在一边实际上告诉我，你从专业角度认为我会付钱给你来了解这些事情。 所以我确实有点担心有时你可能会在这些领域过度使用。

“你不用每天登录，只要出现问题，你就会被告知：‘为什么这个项目迟到了？’”

想一想 Asana、Jira 或 Basecamp 之类的东西，然后说：“人工智能可以提供什么帮助？” 再次回到“让我知道这个项目发生了什么”。 我认为人工智能可以做到这一点。 您基本上可以要求 GPT-4 说：“阅读所有最新的线程，将其附加到您最新的知识中，并查看高管会关心该项目状态的语义差异，以及它是否仍在进行中，每天通过 Slack 消息向我发送该信息。”

再说一次，我们正在从 UI 转向只是推而不是拉。 您无需每天登录，只要出现问题就会被告知。 “找到所有这些问题的根本原因。 为什么这个项目迟到了？” 也许还有其他诸如“在做出具体决策方面谁对这个项目贡献最大？”之类的内容。 这个项目迟到的最大原因是什么？” 那里有很多东西实际上可以改变，我认为当前尝试解决这个问题的工作流程是诚实的，你可能不得不时不时地坐下来阅读四个 Google 文档和三个 Basecamp 帖子或者尝试弄清楚你离开时发生了什么。

“就我个人而言，我对‘完成大量写作和判断段落的选项卡’有点过敏，因为我更喜欢它实际上来自某人的大脑”

保罗：这对我来说根本不重要。 你知道？ 发生了很多事情，做出了决定，我们对这个决定很满意，而上下文实际上是不必要的。

Des：是的，是的，完全如此。 但有时你几乎只是在寻找决定，对吗？ 想象一个世界，您可以登录并说：“我今天登录了 Basecamp，因为我需要确定我们是否能在 8 月 11 日或其他时间正常进行。 显然，考虑到已经快到 31 号了，我们还没有走上正轨。 能够达到“这就是我想知道的事情，文字并不重要”的程度，这可能是非常强大的。 我还没有看到这件事做得很好，但我怀疑它会发生。 从这个角度来看，PM 工具的性质将会发生变化。 识别冲突资源和诸如“嘿，保罗经历了这七件事，他实际上被预定在这里”之类的东西也可能非常有用。 所以我认为，总的来说，PM 的工具肯定已经成熟了，但就我个人而言，我对“完成大量写作和判断段落的选项卡”有点过敏，因为我更喜欢这实际上来自某人的大脑，在至少现在。

AI 发号施令

Paul：另一个是报告和报告工具。 例如，我们 Intercom 花了十年的大部分时间来构建深度报告 - 编辑报告、创建报告，从粗略的角度来看所有类型的典型事物，例如创建 -

Des：创建一个新的投资组合，更新更改过滤器，对其进行分类-

Paul：我们构建的越多，与客户进行的研究越多，我们就越了解还有更多的东西需要构建。

Des：这是一个永无止境的故事。

Paul：更多的可配置性、更多的定制化等等。 但现在，你意识到人工智能可能可以做很多事情，并且没有必要构建所有这些东西或使用它们（如果它们已经构建），我们发现自己处于仍在构建报告的位置功能，但同时也想知道，“我们是否也应该让客户永远不使用它们？” 相反，在某种字段中输入问题，例如“LTV 是上升还是下降？” “我的客户支持量下降了吗？” “这周最忙的一天是哪一天？” 这都是基于聊天的 UI。 人工智能显然会擅长于此。 我认为它会做一些事情，比如揭示数据中的相关性，而人类永远不会纯粹因为数据太多而做这些事情。

“很多人只接受人工智能作为宠物......我们必须更加适应人工智能作为同伴”

Des：而且它比任何一个人都强大得多。

保罗：是的，完全正确。 它还能做更多的事情。 之前，我对你们说过，我认为人类的作用可能不是挖掘数据和分析，而是更多地进行判断。 通常，它会进行分析，应用人类判断，然后做出决策。 我认为人类将会远离分析部分。 人工智能会做到这一点，他们会运用判断来做出决定。 但你说过，我同意，人工智能也会做出判断。 你能解释一下吗？

德斯：是的，当然。 我可能会弄错，但是有一位名叫本杰明·布鲁姆（Benjamin Bloom）的教育心理学家试图描述如何了解任何类型的领域，他有一个叫做“布鲁姆教育目标分类法”的东西。 而处于非常、非常、非常低端的是召回率。 “你能列出爱尔兰的 26 个县吗”之类的事情。 没有什么深度。 在非常、非常、非常高端的是综合，“你能根据现有的东西创造新的东西吗？”

因此，它类似于回忆、识别、理解、分析和综合。 我将跳过其中的一两个，我们将在演示笔记中放置更好的图表。 我认为很多人只对人工智能作为家养宠物感到满意。 他们喜欢低端的。 这很酷，就像人们很喜欢纠正拼写错误一样。 但从某种意义上说，作为同行，我们必须更加适应人工智能。 我认为人工智能将能够做出判断，因为即使你使用我们自己的机器人 Fin，Fin 所做的很多事情都是“给出这个，回答那个”。

“我不清楚人工智能的能力到底在哪里。 显而易见的是，‘你可以走那么远，但我需要成为解决这个问题的人’，这是一个人类的舒适度。”

Rewind.ai 是 Fin 的客户。 我是倒带用户。 这是一个很棒的产品。 Rewind 的功能是记录每次会议，但我不想这样做。 因此，我试图禁用此弹出窗口并寻求 Rewind 的帮助。 我说：“如何禁用弹出窗口？” 芬说：“哦，这就是你要做的。” 它链接了一篇从未直接说过的文章，“要禁用此弹出窗口，请按以下方法操作。” 文章的大意是“如果你想开启这个功能，就到这里来开启”。 顺便说一下，当你这样做时，它不会一直亮着。 每次都会弹出来。 读完那篇文章后，芬推断，如果那就是这个东西，并且是对它的偏好，那么它一定在这个屏幕上。 它基本上给了我一个完美的答案。 而且我用这个并不是为了宣传Fin，而只是一个推论或判断和建议的例子。 它足够自信地告诉我这就是答案。 这是一个简单的例子，Rewind 中没有人需要实际写出答案。 芬解决了这个问题。

在报告的情况下，假设我们问，“告诉我哪些 CS 代表得分最高”，这是一个非常简单的问题。 然后你可以说，“显示哪些主题与最高分相关”，这可能非常简单，然后你可以说，“显示哪些 CS 代表在哪些主题上表现往往最低”，也许这可能是where you have better training courses, and then you could say, “Prioritize that list and suggest the type of training they should do,” and, “Mail those people and tell them to go on that training.” All of that is judgment in a sense. It's not clear to me where the AI stops in its capability. What is clear is that there's a human comfort level in terms of, “You can go that far, but I need to be the person who fixes this.” Do you know the old Dilbert cartoon of the pointy-haired boss who likes to feel important, so he wants to be the person who presses the launch button? A lot of our first pass attempts at using AI will be like that. They'll be like, “Well, hang on a second. All that low-level shit can go away, but I still need to be here for the important stuff.”

“What you can imagine might happen is all the work up to the last step of the marathon might be done by AI, and then a human comes in and goes, 'Yep, click'”

There's some dark, futuristic cartoon where there are a load of humans on a factory floor, they're all there to do certain things, and there's a button on a switch they can click in case anything's ever gone wrong. And then, on the other side of the wall, those things aren't wired up to anything. It's just there to make the humans feel important. We give them a sense that they're part of this process as well. I think we're going to see that bar creep up and up and up, especially given that the reality is it tends to be pretty right, it tends to be quite accessible and probably works 365, 24/7. I think you're going to see what people define as judgment creep up and up and up.

The stuff where it gets more funky is AI is not perfect. Neither are humans, but AI is not perfect. And there are some decisions where you're like, “Right, let's not launch the email campaign without a human eyeballing it.” Totally valid. So, what you can imagine might happen is all the work up to the last step of the marathon might be done by AI, and then a human comes in and goes, “Yep, click.” 这就说得通了。 这是合乎逻辑的。

Paul: We're talking about analysis to synthesis, and there's judgment and making decisions. And humans, for sure, will feel the need to control it and hit the red button. And so the decision-making of, “Do we or don't we hit the red button,” is left to us. How far away do you think we are from really great software tools that are excellent at judgment and pushing us to go, “Maybe they should make the decision.”

Des: Do you know the RBAC features we've built in Intercom, role-based access controls? I think it's going to be like that. I think we're going to be building preference dialogues into Intercom and other tools where it basically says you'll have a lot of settings that begin with, “Allow the AI to…” You could imagine allowing AI to reply or request CSAT scores, allowing AI to ping my own support team when CSAT scores are dropping… All the way up to slightly bigger things like allowing AI to post a job opening on Indeed.com because we're clearly understaffed. There's a spectrum. What are the things humans would do there, and what type of workflow, almost like an “if this, then that,” do you play out? That's basically how I think we're going to end up.

“When people tell me we're never going to do X with AI, I'm like, 'Mate, I've done this rodeo many times, and I'm telling you, you probably will'”

How long before we see this? I think there won't be some watershed moment where it's like, “It's here.” What might happen is we sit down next year, and the next conversation we have might be whether the AI should be sending suggested next steps. We're past discussing correlation. 那艘船已经起航了。 I think this conversation would be the continuous incremental creep of what we believe to be possible and what we're comfortable with.

Paul: Yeah, that makes sense to me, too. History is the best predictor of the future in a lot of these cases. It's a similar pattern with things like the first iPhone, which was very, very basic, and then, with every release, it was slowly maturing-

Des: You're totally right. When I was a Web 2 consultant, our discussion at the time was like, “You'll never do X in the cloud.” “You'll never have a word processor in the cloud. You'll never have a video editing tool in the cloud.” And now you can play Counter-Strike in the cloud. Literally full-on, proper desktop gaming in the cloud, and it's all done through your browser. And similarly, “You'll never do X on a phone. Yeah, phone's good and all that, but you're not really going to…” Whatever the thing is, you've done it. Applying for a mortgage, buying a car. It turns out you do all of these things. So, when people tell me we're never going to do X with AI, I'm like, “Mate, I've done this rodeo many times, and I'm telling you, you probably will.”

Jobs don't change, technologies do

Paul: There are a couple of practical questions I know you've used a lot to talk to our team and our product org to get them to think about how quick this might happen to them and their industry. How can this AI technology be applied to create new features? How can they be applied to make existing features easier, better, and more powerful? Do you want to talk us through that?

Des: The core point I always come back to with all new capabilities, whether it's AI or chatbots or messaging is, what is a product? A product is usually a platform of features that let a user get a certain job or a certain set of jobs done. The questions you ask yourself as a product manager or product leader are, “Given the technologies available, what is the best way our users can get this done right?” It's the Jobs-to-be-Done idea, which is fixated on this: jobs don't change, technologies change. The solutions change, but the job is the same.

“Tools for narrow markets that require specialism become tools for general markets”

Generally, with these things, you're trying to make it so that more people can do the job. A great example of that is Equals, the spreadsheet company. Let's say I don't know Excel functions, but I do know what I want out of them. I want to see the average growth rate of this startup over the last six months if you exclude organic traffic. I don't know how to do that, but I can write it into a box, Equals will work out what I mean, and it'll write up the formula for me. I don't know if the formula is right, but it seems to be most of the time. Or if it's wrong, it's so egregiously wrong that it's not a problem because I can correct it. That's a great example where it's made it possible for more people to do the thing.

If your tool involves either arcane languages, complex query stuff, or creativity, as in, “I know I wanted to have a fancy black image, but I don't know how to design this. I'm not a designer,” or, “We want to let all of our English-speaking support staff be able to support all languages in Europe,” AI can probably help. Can AI increase the amount of people who can do the job? Usually, that has a massive impact on your market size. It means more people can use your tool. More people can use Equals than Excel.

Paul: Well, tools for narrow markets that require specialism become tools for general markets.

Des: Yeah, because you change one core thing – the amount of people who know what they want to do and the amount of people who can do it are now the same thing. 那是巨大的。 AI and all of this technology make it so that more people can use your product, ultimately. Chat UI is a huge part of that.

Another one is helping people increase the power of their work. The analogy here would be like a crane. If I jump into a crane, I am now much stronger than before. I can move stuff at a far greater rate. It's still me doing the work, but now I'm lifting heavier stuff than I was capable of. Similarly, if a human can summarize one conversation at a time, can AI summarize one million conversations at a time? You mentioned looking at correlation across all data sets, and a human can do that one by one. AI does not need to act one by one. By increasing the capability of the human, the scope of their impact is far greater.

“What are new things that people can do? What are the things that are the 10x of human capability? What are the things where you can remove entire chunks of work?”

Paul: The crane is a great example. You're saying one guy gets in the crane and lifts the volume of things 80 people would have had to do manually. What are the things that lots of people are required to do where AI could make it so that one person overseeing it can do it or it can do it by itself?

Des: Absolutely. For example, Fin Snippets in Intercom is when one person answers a question properly, Fin will say, “Hey, is that the right answer? Because if it is, I'll take it from here.” And that's one person effectively doing the work of all future people for the future. It is a type of crane.

And then, the third category you have to look out for is, nearly ironically, the one people tend to overlook. There are things we can get rid of entirely. It's not even a dude in the crane anymore – we've taken away the need for that in its entirety.

If you recall, say, the advertising example I talked about earlier, where Johnny logs in every day to look at all the various charts and tables, there's definitely an argument where you just don't need that done at all. You just assume, from this point onwards, in the same way you assume that electricity works in your building, you assume that the ads are optimized. Or if they're not optimized, they're getting optimized, and there's nothing you need to do about it.

So yeah, to zoom back:

• What are the new capabilities?
• What are new things that people can do?
• What are the things that are the 10x of human capability?
• What are the things where you can expand the addressable market?
• And then, lastly, what are the things where you can remove entire chunks of work?

That's generally how I think you should be thinking about this. This is why I'm not an AI skeptic. I see too many opportunities.

Even in a pretty prescribed domain like customer support, it's just so clear all of the ways in which we could use 10 times the amount of AI and ML people to go after all the many opportunities in the space. Every time I get pinged by, “We're doing AI for a customer support” type startup, I am quite frustrated, because I'm like, that's a brilliant idea. We either have or haven't thought of it, but there's so many brilliant ideas. That's just in one little domain.

Paul: Yeah. That's really good practical advice. We've talked a lot today about how startups should think about entering categories and how AI can disrupt that category or not. On the incumbent side, I worry more about those companies because I'm subject to this myself, at times, where I'm like, “Hang on a minute. We're domain experts. We've been here 10 years doing this. There's no possible way AI could ever know the things we know.”

“It's a good time to reread The Innovator's Dilemma and remind yourself of the true nature of disruption”

Des: Totally.

Paul: Right? 废话。 Of course it can, and it will. And the older you get, the stronger the feeling gets. Any last pressing advice for startups, incumbents, or even investors?

Des: It's a good time to reread The Innovator's Dilemma and remind yourself of the true nature of disruption. It has to be a new attack vector that the incumbent businesses can't easily take. And I think a lot of people are going to say that they're going to disrupt industries with AI. If you're ever tempted to say those words at all, do yourself a favor and read even one of the six-pager Harvard Business Review papers on it. Refresh on exactly what it means to be disruptive, whether it's low-end disruptive, the new use-case disruptive, or new market disruptive. Just make sure you know what you're saying.

I think a lot of businesses will build a really cool piece of product, but it'll ultimately end up being unpaid R&D for the much bigger company because they're going to look down and go, “That's clearly the right thing. 我们应该这样做。” 就这样了。 You might have a cool new way of doing some specific task in accounting, surveys, time tracking, expense tracking, or whatever. You might have a cool little feature dripping in AI, and it might even be get Product Hunt feature of the day. You might have a sexy landing page. I might even tweet about it and say, “Check out this dope shit.” It could be stunning.

问题是，这个攻击角度是否足以真正具有颠覆性？ 或者一些首席工程师或设计师会坐在巨型公司里说，“我们也许应该复制它”？ 他们可能需要一年的时间，但在那一年，你不太可能建立一个完全成熟的平台。 这就是挑战，也许没关系。 也许你可以这样说：“嘿，我们要追求低端市场。 我们实际上不必与巨型企业竞争。” 这很好，但只要确保你一起做出所有这些决定，而不仅仅是“我们将杀死 Salesforce，因为我们有基于人工智能的潜在客户评分算法”或类似的东西。 Salesforce 将致力于解决这个问题。

保罗：那太好了。 今天就这样吧，也许 12 个月后我会见到你，这样我们就能弄清楚接下来会发生什么。