產品對講：AI時代的產品策略

隨著新的人工智能原生初創公司和行業巨頭引領人工智能革命，產品格局正在經歷深刻的變革。 企業能否抓住這一顛覆性力量的潛力來推動創新並在當今競爭激烈的市場中蓬勃發展？

在過去幾年中，特別是自去年 11 月推出 ChatGPT 以來，我們見證了生成式人工智能的蓬勃發展，它突破了創造力和創新的界限，並開始以我們幾乎無法想像的方式顛覆行業。 從文本到音頻和圖像，這些最新的人工智能功能已經激發了新一代人工智能原生初創公司的工作流程完全由人工智能驅動，並激勵無數其他人開發或採用人工智能驅動的功能和產品。

應用程序是無窮無盡的——用戶體驗、用戶界面、內容創建、數據分析、客戶服務、銷售前景、營銷自動化，等等。 現在第一波塵埃落定，現在是反思這些變化對產品戰略和產品領導者意味著什麼的理想時機。 無論您是產品經理、擁有數十年經驗的領域專家，還是新面孔的初創公司創始人，這些時代不僅帶來新的挑戰，也帶來改變遊戲規則的機遇。 人工智能會幫助人們提高生產力並拓展新市場，還是會讓某些角色變得過時？ 配備創新人工智能方法的初創公司能否成功顛覆既定的類別？ 現有企業能否跟上不斷創新的步伐？

在今天的 Intercom on Product 節目中，我與我們的首席產品官 Paul Adams 坐下來討論了人工智能時代的產品策略。

以下是一些關鍵要點：

• 為了真正用人工智能顛覆品類，初創公司必須考慮他們的產品或功能是否提供了現有公司無法輕易複製的獨特攻擊角度。
• 雖然人工智能可以簡化銷售和客戶服務等 SaaS 類別的任務，減輕重複性工作，但對項目管理的影響更為微妙。
• 隨著人工智能能力的進步，人們可能會更習慣依賴它來完成不僅涉及分析而且還涉及判斷的任務——儘管仍然需要人工監督。
• 在考慮人工智能等新功能時，產品經理應該關注如何擴大用戶群、增強用戶的能力或完全消除任務。
• 無論您是初創公司還是老牌公司，現在都是溫習《創新者困境》背後的想法的好時機。

如果您喜歡我們的討論，請查看我們播客的更多劇集。 您可以關注 Apple 播客、Spotify、YouTube 或在您選擇的播放器中獲取 RSS 源。 以下是該集經過輕微編輯的文字記錄。

賭農場

Paul Adams：大家好，歡迎來到 Intercom on Product。 我是保羅·亞當斯，今天和往常一樣，和我在一起的是德賽爾。

德斯·特雷納：嘿，保羅。 你好嗎？

Paul：好吧，今天我們要談談人工智能和產品策略。 我們將討論這對於處於不同立場的人們意味著什麼。 我們覺得現在是討論這個問題的好時機，因為第一波塵埃已經落定。 我們已經看到了第一波公司的可能性，就像任何大型技術一樣，人們一開始並不清楚這一切將如何發展。 當你看看今天的情況時，我們有人全力以赴，他們會說，“賭農場；賭注”。 賭公司。” 然後有人仍然有點不確定：“這真的是一件大事嗎？ 這更像是矽谷的酷愛嗎？” Des，你覺得你現在處於什麼位置？

“當你看到其中一些功能時，我非常確定整個行業和軟件類別都將被顛覆”

Des：我肯定參加。賭農場，賭公司，賭酷愛飲料，去找你的鄰居，賭他們的農場。 我認為這是巨大的。 我理解懷疑的原因，因為它似乎確實是在矽谷和投資者都在渴望談論新事物的時候出現的。 但當你體驗到人工智能目前所提供的體驗時，你會發現很明顯一些重大的事情正在發生，而我們仍處於看到它的萌芽階段。 正如你所提到的，塵埃落定。 這確實是第一波塵埃。 我們現在開始看到整個公司因成為人工智能原生應用公司而獲得 A 輪或 B 輪融資。

當我談論這個時，我的意思不是 OpenAI 或 Anthropic 提供實際的 AI，而是正在構建完全由 AI 驅動的整個工作流程產品的人們。 就像，如果 OpenAI 和 Anthropic 不存在，這家公司也不會存在。 人們確實依賴它作為一個平台。 當你看到其中的一些功能時，對我來說，整個行業和軟件類別都將被顛覆是一個直接的確定性。

保羅：有時，在科技領域，我們談論滅絕事件。 移動出現了，移動優先的公司殺死了那些不是移動優先且無法適應的公司。 在此之前，雲優先公司也是如此。 你認為這是滅絕事件類型的事情嗎？

Des：我認為肯定是在某些領域。 在許多其他地區，如果這不是一次滅絕事件，那也是因為一種新的動態。 在其中一些領域，比如說，使用開放式人工智能服務器，可以通過 API 訪問權力，例如，“嘿，為我總結一下這個 5,000 字的事件”，將其 ping 給第三方，然後返回回复。 這與重建整個公司以使其成為 iOS 原生公司不同。 因此，我認為現有的軟件領域將會真正利用這一點並獲得很多價值。 有些地區會發生滅絕事件，但它不像小行星，它不會摧毀整個行業。 我認為你會看到很多大公司實際上變得更大。

“如果我們回到 11 月 29 日，當我們看到 ChatGPT 3.5 時，很明顯，或者至少我們看到的第一件事是，這個東西非常非常擅長對話”

保羅：是的。 這顯然發生在移動設備上。 谷歌和 Facebook 最終確實弄清楚瞭如何做到這一點。

Des：他們做到了，沒錯。 他們比任何人都更快地找到瞭如何擅長搜索等方面的知識。 我們很快就會回到這個比率的概念，但是學習 Objective-C 並在手機上部署 Objective-C 或 iOS 驅動的界面到一個極其強大的搜索引擎 – 事實證明，最難的一點是這就是極其強大的搜索引擎。 是指我們必須做多少新工作與多少現有工作仍然有效的比率？ Google 的後端仍然極其有效，前端可能會發生變化，但事實證明，爬取整個互聯網並不是 YC 中掉出的兩個 randos 一晚上就能完成的事情。

保羅：讓我們談談雙方的情況。 有一些關鍵功能——產品在某個類別中需要的核心功能。 然後還有它可以做的新事情和支持事物的新技術。 讓我們從人工智能可以做的新事情開始。 你有一整套讓你看好它的事情。

德斯：確實如此。 如果我們回到 11 月 29 日，當我們看到 ChatGPT 3.5 時，很明顯，或者至少我們看到的第一件事是，這個東西非常非常擅長對話。 它非常非常善於理解人類，也非常非常善於回复。 它需要很好的提示和指導，並且非常擅長基本的文本爭論：擴展這個，總結那個，改寫這個，重新調整那個。

它也非常非常擅長演繹或推理。 例如，您可以給它一個複雜的場景並詢問，“如果有人在燃燒的建築物內與長期疾病作鬥爭，那麼這裡哪個是更大的問題？” 它找到了這些問題的答案。 對於人類來說，這些事情聽起來非常簡單。 但要讓機器真正理解它、做出推斷並建議採取行動，這是非常強大的。 或者，“根據您閱讀的所有更新，考慮到該項目的狀態，您認為最重要的問題是什麼？” 它實際上會在這方面做得非常好。 因此演繹或歸納推理的想法在那裡也非常強大。

“我認為人們沒有意識到這會在多大程度上滲透到你的正常生活中”

我們只是在談論文本域。 我們看到 DALL-E 和 DALL-E2 能夠在給定一段文本的情況下渲染圖像，而且它變得非常好。 現在，最新的 Midjourney 內容令人驚嘆不已。

人們常常會問，為什麼它有用？ 嗯，在很多情況下，人們缺乏創造力，但他們知道自己想要什麼。 因此，我想發送這封電子郵件，並且希望以深色紋理背景上的淺色字體發送。 它可以在屏幕上為您提供 27 個版本。 突然之間，不會做藝術的人也能做藝術了，對嗎？

生成圖像的能力不容小覷。 其中很多事情都以有趣的用例為代表，“向我展示一個吃行星的芝士漢堡”，它在這方面做得非常好。 但我向你保證，“為我的新網站提供一個非常漂亮的標題背景”將成為 Squarespace 或 Wix 或類似功能中的一項很酷的功能。

我們有聲音。 這一直在發生。 還具有解析語音的能力——幾乎是實時音頻轉錄。 它也可以產生聲音。 這是人工智能的最新突破。 因此，如果你查看 Synthesia 或 Play.ht，你可以給它貼上《碟中諜》的狗屎。 你給它 90 秒的時間說話，它就會因為你的一句話給它留下一個短暫的印象。 給它一個小時的時間，它就會開始明白。 你當然可以逃脫懲罰。

“在這一點上你不能強迫我成為人工智能懷疑論者”

然後生成視頻。 Synthesia 可以做這種假視頻化身的事情，你可以記錄自己和你的一些舉止，它可以讓它看起來像是你在說話。 但我們將能夠像生成圖像一樣生成完整的視頻。

當你考慮所有這些類別時，我認為我最初犯的錯誤以及很多人最初犯的錯誤是：“對，這聽起來非常重要。 如果我在 Adob​​e 工作，我應該會全力以赴。”

我認為人們沒有意識到這會在多大程度上滲透到你的正常生活中。 從字面上看，語音技術可以為消息傳遞的未來或產品交互的未來提供動力，在這種技術中，您只需在開車或其他時候與產品交談即可。 現在這一切都成為可能。 同樣，圖像不僅僅是“熱狗吃行星”。 它實際上可以設計整個背景並重新設計我正在使用的產品，使其看起來更漂亮。

我可以繼續使用現在可能的其他很酷的東西。 但是，當我考慮所有這些潛力的總體影響力時，我會考慮它在特定軟件領域的應用，包括創造力、用戶界面、人類如何與其他人互動、哪些工作可以自動化，以及哪些部分可以實現。工作可以自動化，在這一點上你不能強迫我成為人工智能懷疑論者。 這是不可能的。 這就像試圖阻止潮流一樣。 對我來說，很明顯，巨大的變革即將到來，你最好站在變革的正確一邊。

挑戰巨人

保羅：我是說，我也在那兒。 你在那裡所說的一些事情，比如圖像，整個廣告行業可能會發生翻天覆地的變化。 當然，如果您在創意或媒體機構工作。 我知道在創意機構工作的人們已經使用人工智能來生成全部或大部分作品。

我們來談談它的另一面。 你提到了一些我以前從未聽說過的初創公司。 這只是爆炸。 我認為沒有人能夠跟上基於新一代技術的所有新型事物。 與此同時，你擁有收入數億美元的大公司，他們的業務已經建立了一二十年。 在 Intercom 的早期，我們有點天真。 我們就像“熱門初創公司挑戰現任者”一樣，具有巨大的殺戮型心態。

Des： “我們要消滅 Salesforce。”

保羅：是啊，肩膀上的碎片，巨人殺手，對吧？ 然後你意識到，“哦。” 像報導之類的領域，你會想，“哦，這是一件大而深的事情。”

德斯：是的。 這些傢伙之所以偉大是有原因的。

“你真的必須說，‘嘿，我想如果今天要再次建造這個區域，你會採取根本不同的方式’”

Paul：僅僅為了獲得賭注就需要多年的產品開發。 您認為企業應該如何考慮這一點？

Des：我認為你可以從兩方面來看待這個問題。 假設你是一家鬥志旺盛的初創公司，並且你正在挑選一個敵人。 如果你說，“我們去工作日吧”，人工智能允許的對工作日的攻擊角度是多少？ 好吧，你看看我們擁有的所有能力。 您可以嘗試生成績效評估並嘗試解析此類內容。

但最終，假設您找到了一些示例，可以在其中加入一些人工智能魔法來簡化現有的工作流程。 我認為任何使用過 Workday 的人都必須承認……我認為沒有人會關心該公司內部工作流程的複雜性。 那不是他們的投資回報率。 這並不是人們購買 Workday 的原因。

我認為，人們購買 Workday 的原因是因為它是你能想像到的最大的人類 ERP。 他們擁有龐大的企業銷售團隊。 他們建立了一個巨大的品牌，“在 HRIS 系統方面，我們是最終的老闆”，而這正是他們所關心的。

Paul：還有幾乎無限的可配置性。

德斯：是的。 那麼問題就變成了，如果你要在人工智能時代重建這一切，會發生什麼變化？ 如果人們購買極端的可配置性，那麼對我來說攻擊角度並不明顯。 我認為人們正在購買一個美化的所見即所得的數據庫，他們可以通過經理關係將事物連接起來，並說：“事物有報告； 事物有家庭住址； 東西有工資。” 我認為短期內這些都不會發生巨大變化。 由人工智能驅動，您可以擁有更加美好的工作日。 我只是覺得沒有人會在意。 你可能會與其他可能比你更成熟的 A 輪或 B 輪初創公司展開競爭。

“你的人工智能在欺詐檢測方面可能非常出色，甚至比 Stripe 的人工智能在欺詐檢測方面更好，但這可能只是難題的 15%”

但給你一個更性感的例子，如果你和我說，“嘿，我們要殺死 Stripe，但我們要使用人工智能。” 第一份工作，你開始使用人工智能，我將穿上西裝，與七家銀行以及維薩卡和萬事達卡會面，看看我是否可以獲得信用卡收費的許可。 這才是真正的任務。 那麼，我該如何去打造一個人們信任的品牌呢？ 是的，您的 AI 可能在欺詐檢測方面表現出色，甚至比 Stripe 的 AI 欺詐檢測更好，並且您的 AI 在檢測 B2B SaaS 公司的正確最佳定價點方面可能表現出色。 但這可能只是謎題的 15%。 另外 85% 的難題是我落後 Stripe 10 年，後者正在追趕銀行。

如果您是一家初創公司，您必須相信以下事情。 一是，如果你今天要從頭開始構建整個產品類別，考慮到這場人工智能革命現在可能實現的目標，你會採取截然不同的做法嗎？ 現有產品的技術有多少在未來仍然適用？ 如果數量非常非常小，也許是他們的登錄系統之類的，是的，水里有血。 開始吧。

然而，如果我們採用 MailChimp，並且我們將使用 AI 來編寫電子郵件並設置筆記樣式，那就很酷了。 大多數人喜歡 MailChimp，因為它們具有非常高的送達率或電子郵件通訊分析以及列表管理和訂閱管理，並且它們具有垃圾郵件檢測和所有此類功能。 你必須構建這一切。 當您構建所有這些時（假設這是 30 個月的工作量），MailChimp 可能會弄清楚如何構建您的小人工智能功能。 然後你就擁有了他們所擁有的，但他們仍然擁有一個更加成熟和知名的品牌。 您為聚會帶來的一大與眾不同之處，現在他們也有了。 如果差異化的核心引擎實際上位於 OpenAI API 調用的另一端，則尤其如此。 因為在那個世界裡，我相信他們也會解決提示問題。 這就是啟動角度。 你真的必須說，“嘿，我想如果今天要再次建造這個區域，你會採取根本不同的方式。”

“也許人工智能會學習，所以為了證明自己的價值，它時不時地向你吐出一個 PDF，讓你感覺你正在做你的工作”

我給你舉個例子。 您可以將許多產品連接到所有不同的廣告平台。 它們容納了您所有的中央廣告庫存並運行分析。 他們會告訴你，“嘿，我們最有效的廣告如下，我們將針對這個廣告與那個廣告進行 A/B 測試。” 您可以進入並配置、調整和重新上傳新版本以及所有此類內容。 然後，您可以查看圖表和儀表板，向您的老闆表明：“好吧，我在這裡做得很好。” 我認為今天整個產品類別的構建將完全不同。 這個想法是要求人工智能生成廣告、運行廣告、測量廣告的 LTV/CAC、建議所有不同的烘焙和 A/B 測試，並優化每個人每個頻道的廣告。 它只會在後台運行所有這些。

當我想到這樣的產品時，我什至不知道界面是什麼。 它可能是您只是運行但從未真正看到後台發生的情況的 shell 腳本之一。 你只要相信領主們，錢就會開始進來。也許人工智能會學習，所以為了證明自己的價值，它時不時地向你吐出一個 PDF，讓你感覺你正在做你的事情工作。 但對於“創建、優化、探索、利用、迭代”等類型的產品類別，所有這些任務都可以單獨完成。

如果你今天坐在這些公司中的一家，“哦，糟糕，也許德斯說得有道理”，你很可能會說，“好吧，我們就做其中一個吧。” 但現實是，實際的未來將完成所有這些，並且它們將全部編織在一起。 你會說服自己，“嘿，肯定沒有人會把這一切自動化。” 但是，當你看到 GPT-4 的推理有多好時，我就不明白為什麼人們會想要每天登錄這裡並瀏覽列表並看到紅色閃爍的數字，然後說：“讓我們關閉該廣告，”或者“讓我們生成這個亮綠色版本的10 個版本，因為它看起來真的很棒。” 所有這些決定都可以由人工智能做出。 我認為這是一個值得追求的巨大創業機會的例子。

轉型時機已成熟

保羅：對於初創公司來說，有一些很好的問題，例如，可以清楚地了解他們試圖攻擊的實際業務以及客戶關心和重視的內容。 是不是那種前端的東西，我們更容易看到、認識和思考？ 或者，就 Workday 而言，它實際上是後端的東西嗎？ 或者，就 Stripe 而言，是法規還是律師？ 我認為你和我討論過的這些問題非常好，對於大公司思考它們是否有機會受到初創公司的合法攻擊非常有用。

不過，在此之前，您談到了不同的類別，我認為我們應該討論幾個類別，因為它們對我來說是具體的，而且我確信對其他人來說，事情可能會發生怎樣的變化。 例如，您提到了視頻、語音等多媒體。 然而，對於 SaaS，有一大堆類別——銷售工具、項目管理工具、報告。 我們先從銷售開始。 如今，許多公司僱用銷售人員並花費大量資金培訓他們。 您認為這會如何改變？

“看看清單——人工智能就能做到。 領先評分——人工智能可以做到。 給這些人發電子郵件——人工智能可以做到。 針對這個行業的這個人的具體推薦、用例和銷售平台——人工智能可以做到”

Des：我認為，每個方面都容易發生重大變化。 現在，對銷售人員的培訓可以是電話中的人工智能實時更新，“嘿，他們詢問定價。 這是定價，”並且，“嘿，他們問過這個。 這是幻燈片。 這是要播放的視頻。 這是客戶可以參考的。 這是證言。” 你所有的訓練都將更加深入耳內，而不是“在這次通話之後，約翰尼，我們將坐下來和你談談你應該說的所有事情。” 當下的事情要多得多。 那隻是訓練。 那是在我們到達您的辦公桌之前。

銷售的職責之一是尋找潛在客戶。 有一個列表，我們將瀏覽這個列表，嘗試找到可信的人，嘗試與他們聯繫 - 給他們打電話，給他們發電子郵件，或者可能針對他們的特定電子郵件地址投放廣告，所以希望我們可以在互聯網上關注他們。 我沒有說過任何人類需要做的事情。 看看這個列表——人工智能可以做到。 對該列表進行領先評分 – 人工智能可以做到這一點，無論是直接還是通過 API 傳輸到 ZoomInfo 並獲取領先分數。 給這些人發電子郵件——人工智能可以做到。 給這些人打電話——人工智能可以做到。 針對該行業中特定人員的具體推薦、用例和銷售平台——人工智能可以做到。

這就是一個例子。 像 Regie.ai 和 Nooks 這樣的公司著眼於銷售工作流程中真正的具體價值點，並說：“好吧，圍繞這一點畫一條線。 這一切我們都可以做到。” 順便說一句，這對於銷售人員來說是個好消息。 許多無差別的繁重工作將被取消，每個人都將成為他們想要的人，我認為，這要么是高級銷售領導，要么是高級銷售代表，以更高的價值處理更高的交易，這幾乎就像我們取消了很多培訓課程，並說：“嘿，事實證明沒有人需要再做這些事情了，所以讓我們立即讓你進入混音器。”

保羅：事情有兩類。 一個是針對某些人的，比如銷售——這和銷售工作是一樣的，但人工智能會讓工作變得更容易。

Des：而且也更有趣。

保羅：當然，更有趣。 另一類事情是人們的工作可能發生變化。 項目管理是另一個可能因人工智能而改變人們工作的類別。

德斯：我想是的。 項目管理非常細緻。 我認為這是一個你會看到大量人工智能應用的領域，其中很多都是我所說的調味品式人工智能。 就像鹽和胡椒一樣。 這不是菜——只是上面有一點可愛的東西。 但我對整個“寫下狀態更新的第一句話並按選項卡展開”持謹慎態度，就像“我認為這個項目正在按計劃進行”選項卡，“但以下風險仍然存在。” 我寧願這實際上是從你的頭腦中出來的，而不是 GPT 推斷出來的，因為我需要你站在它上面。 你把你的名字放在一邊實際上告訴我，你從專業角度認為我會付錢給你來了解這些事情。 所以我確實有點擔心有時你可能會在這些領域過度使用。

“你不用每天登錄，只要出現問題，你就會被告知：‘為什麼這個項目遲到了？’”

想一想 Asana、Jira 或 Basecamp 之類的東西，然後說：“人工智能可以提供什麼幫助？” 再次回到“讓我知道這個項目發生了什麼”。 我認為人工智能可以做到這一點。 您基本上可以要求 GPT-4 說：“閱讀所有最新的線程，將其附加到您最新的知識中，並查看高管會關心該項目狀態的語義差異，以及它是否仍在進行中，每天通過Slack 消息向我發送該信息。”

再說一次，我們正在從 UI 轉向只是推而不是拉。 您無需每天登錄，只要出現問題就會被告知。 “找到所有這些問題的根本原因。 為什麼這個項目遲到了？” 也許還有其他諸如“在做出具體決策方面誰對這個項目貢獻最大？”之類的內容。 這個項目遲到的最大原因是什麼？” 那裡有很多東西實際上可以改變，我認為當前嘗試解決這個問題的工作流程是誠實的，你可能不得不時不時地坐下來閱讀四個 Google 文檔和三個 Basecamp 帖子或者嘗試弄清楚你離開時發生了什麼。

“就我個人而言，我對‘完成大量寫作和判斷段落的選項卡’有點過敏，因為我更喜歡它實際上來自某人的大腦”

保羅：這對我來說根本不重要。 你知道？ 發生了很多事情，做出了決定，我們對這個決定很滿意，而上下文實際上是不必要的。

Des：是的，是的，完全如此。 但有時你幾乎只是在尋找決定，對吧？ 想像一個世界，您可以登錄並說：“我今天登錄了 Basecamp，因為我需要確定我們是否能在 8 月 11 日或其他時間正常進行。 顯然，考慮到已經快到 31 號了，我們還沒有走上正軌。 能夠達到“這就是我想知道的事情，文字並不重要”的程度，這可能是非常強大的。 我還沒有看到這件事做得很好，但我懷疑它會發生。 從這個角度來看，PM 工具的性質將會發生變化。 識別衝突資源和諸如“嘿，保羅經歷了這七件事，他實際上被預定在這裡”之類的東西也可能非常有用。 所以我認為，總的來說，PM 的工具肯定已經成熟了，但就我個人而言，我對“完成大量寫作和判斷段落的選項卡”有點過敏，因為我更喜歡這實際上來自某人的大腦，在至少現在。

AI 發號施令

Paul：另一個是報告和報告工具。 例如，我們 Intercom 花了十年的大部分時間來構建深度報告 - 編輯報告、創建報告，從粗略的角度來看所有類型的典型事物，例如創建 -

Des：創建一個新的投資組合，更新更改過濾器，對其進行分類-

Paul：我們構建的越多，與客戶進行的研究越多，我們就越了解還有更多的東西需要構建。

Des：這是一個永無止境的故事。

Paul：更多的可配置性、更多的定制化等等。 但現在，你意識到人工智能可能可以做很多事情，並且沒有必要構建所有這些東西或使用它們（如果它們已經構建），我們發現自己處於仍在構建報告的位置功能，但同時也想知道，“我們是否也應該讓客戶永遠不使用它們？” 相反，在某種字段中輸入問題，例如“LTV 是上升還是下降？” “我的客戶支持量下降了嗎？” “這週最忙的一天是哪一天？” 這都是基於聊天的 UI。 人工智能顯然會擅長於此。 我認為它會做一些事情，比如揭示數據中的相關性，而人類永遠不會純粹因為數據太多而做這些事情。

“很多人只接受人工智能作為寵物......我們必須更加適應人工智能作為同伴”

Des：而且它比任何一個人都強大得多。

保羅：是的，完全正確。 它還能做更多的事情。 之前，我對你們說過，我認為人類的作用可能不是挖掘數據和分析，而是更多地進行判斷。 通常，它會進行分析，應用人類判斷，然後做出決策。 我認為人類將會遠離分析部分。 人工智能會做到這一點，他們會運用判斷來做出決定。 但你說過，我同意，人工智能也會做出判斷。 你能解釋一下嗎？

德斯：是的，當然。 我可能會弄錯，但是有一位名叫本傑明·布魯姆（Benjamin Bloom）的教育心理學家試圖描述如何了解任何類型的領域，他有一個叫做“布魯姆教育目標分類法”的東西。 而處於非常、非常、非常低端的是召回率。 “你能列出愛爾蘭的 26 個縣嗎”之類的事情。 沒有什麼深度。 在非常、非常、非常高端的是綜合，“你能根據現有的東西創造新的東西嗎？”

因此，它類似於回憶、識別、理解、分析和綜合。 我將跳過其中的一兩個，我們將在演示筆記中放置更好的圖表。 我認為很多人只對人工智能作為家養寵物感到滿意。 他們喜歡低端的。 這很酷，就像人們很喜歡糾正拼寫錯誤一樣。 但從某種意義上說，作為同行，我們必須更加適應人工智能。 我認為人工智能將能夠做出判斷，因為即使你使用我們自己的機器人 Fin，Fin 所做的很多事情都是“給出這個，回答那個”。

“我不清楚人工智能的能力到底在哪裡。 顯而易見的是，‘你可以走那麼遠，但我需要成為解決這個問題的人’，這是一個人類的舒適度。”

Rewind.ai 是 Fin 的客戶。 我是倒帶用戶。 這是一個很棒的產品。 Rewind 的功能是記錄每次會議，但我不想這樣做。 因此，我試圖禁用此彈出窗口並尋求 Rewind 的幫助。 我說：“如何禁用彈出窗口？” 芬說：“哦，這就是你要做的。” 它鏈接了一篇從未直接說過的文章，“要禁用此彈出窗口，請按以下方法操作。” 文章的大意是“如果你想開啟這個功能，就到這裡來開啟”。 順便說一下，當你這樣做時，它不會一直亮著。 每次都會彈出來。 讀完那篇文章後，芬推斷，如果那就是這個東西，並且是對它的偏好，那麼它一定在這個屏幕上。 它基本上給了我一個完美的答案。 而且我用這個並不是為了宣傳Fin，而只是一個推論或判斷和建議的例子。 它足夠自信地告訴我這就是答案。 這是一個簡單的例子，Rewind 中沒有人需要實際寫出答案。 芬解決了這個問題。

在報告的情況下，假設我們問，“告訴我哪些 CS 代表得分最高”，這是一個非常簡單的問題。 Then you could say, “Show me what topics correlate with the highest scores,” which is probably pretty simple, and then you could say, “Show me which CS reps tend to perform the lowest on which topics,” and maybe that could be 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.” That makes sense. That's just logical.

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. That ship has sailed. 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. That's huge. 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? Nonsense. 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. We should do that.” And that will be it. 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.

問題是，這個攻擊角度是否足以真正具有顛覆性？ 或者一些首席工程師或設計師會坐在巨型公司裡說，“我們也許應該複製它”？ 他們可能需要一年的時間，但在那一年，你不太可能建立一個完全成熟的平台。 這就是挑戰，也許沒關係。 也許你可以這樣說：“嘿，我們要追求低端市場。 我們實際上不必與巨型企業競爭。” 這很好，但只要確保你一起做出所有這些決定，而不僅僅是“我們將殺死 Salesforce，因為我們有基於人工智能的潛在客戶評分算法”或類似的東西。 Salesforce 將致力於解決這個問題。

保羅：那太好了。 今天就這樣吧，也許 12 個月後我會見到你，這樣我們就能弄清楚接下來會發生什麼。