人人都构建AI工作流,但几乎没人坚持用下去。原因在这里。
摘要
一位创始人分享了他在AI工具采用方面的经验,指出大多数人收集了大量工具却没有取得实际成果。他主张专注于一个关键业务问题,并不断迭代直到工作流真正有效,并以自己的成功为例:将客户报告时间从4-5小时缩短到45分钟以内。
我在自己的业务中每天使用AI已经超过一年了。Claude、GPT、Perplexity、Make、n8n,还有其他几个。真正的工作流,不是 Demo。有的效果出奇好,有的则完全浪费了三周时间。我不断在自己的业务中,以及几乎每次和创始人的对话里,都看到同样的模式。人们收集工具就像在集邮。典型的AI采用故事目前大致是这样的:有人看了一个YouTube视频,讲某个AI工作流为某代理机构每周节省了10个小时。他们注册了那个工具。花了一个周末搭建了一个半成品版本。然后它出错了,或者能运行但并没有实际连接到任何重要的事情上。两周后,他们又看到了一个新工具。循环重复。我自己也做过这种事。我不是例外。一度我同时订阅了11个不同的AI工具。但我说不出其中任何一个具体带来了什么可衡量的成果。真正改变我结果的是这个做法。我不再问“AI能做什么?”,而是开始问“我的业务中,有哪一件事如果运转得更好,就会改变下游的一切?”对我来说,答案是客户报告。它又慢又不一致,每周吃掉4-5小时,而且是我们业务中客户焦虑的首要来源。不是最风光的问题,也不是那种会有人拍YouTube视频的问题。我只花了整整一周专注在那一个问题上。一个问题。一个工作流。不断迭代直到它真正好用,而不仅仅是凑合能用。结果:报告时间从每周4-5小时降到了不到45分钟。客户满意度得分提高了。由于客户真正理解了正在发生什么,范围蔓延的对话也减少了。这一个枯燥的工作流给业务带来的好处,比那11个订阅加起来还要多。我们大多数人现在可能都有一堆AI订阅。它们真的值得吗?还是你已经构建了真正解决你问题的东西?
相似文章
停止构建AI智能体。
作者认为,大多数要求构建AI智能体的创始人实际上只需要简单的自动化流程,并辅以最少的LLM集成,理由包括生产环境故障、合规障碍,以及更简单工作流带来的更高投资回报率。文章提供了一个实用的决策框架,帮助开发者和创始人优先考虑可靠的自动化,而非复杂且不可预测的智能体。
AI 智能体开始暴露出大多数工作流程原本就已支离破碎的事实
文章认为,AI 智能体揭示了企业工作流程实际上是多么缺乏结构和混乱不堪,暗示成功的自动化更多取决于整洁的系统和完善文档,而非先进的模型。
我追踪了所有AI智能体90天内产出的内容,结果让我惊讶
在运行AI智能体工作流90天后,作者发现最有价值的产出不是节省的时间,而是新颖见解、模式以及不断改进的决策框架的产生。
我评估了250+个真实的AI落地案例,有些结果令我意外...
作者分享了在评估250多个真实AI落地案例中的洞察,指出工程和财务领域处于采用领先地位,而大多数成果侧重于提升速度,而非降低成本或增加收入。
AI工具真的让事情变简单,还是只是把要做的活儿换了种形式?
一篇反思性文章指出,AI工具把精力从“想点子”转移到“做评估”,并追问它们究竟是省时间,还是仅仅改变了工作的性质。