AI二阶效应：从前的“坏主意”变成了现在的“好生意”

snowing303

你可以决定自己的选择，但你无法决定选择的后果。
* n% g4 G7 G, k" _0 d. x
) g' C% p5 e2 `3 ~

( b% u, h4 G& a8 V( J0 l这一连串由后果导致的后果就是“二阶效应”（Second Order Effect）。正如描述奥本海默的那句话：“如今我已化作死神，世界的毁灭者。”


+ b3 X0 u$ `) w$ s' {, L" ^' N在经济世界中，“二阶效应”指：某个经济系统中，参与主体的选择和行为所产生的影响，进一步影响其他主体的选择和行为，由此产生正向反馈，导致最终的经济结果，远大于各个选择和行为的简单叠加。典型的“正反馈”就是“收益递增”。


1 N) O) w% g$ u根据经济学家W. Brian Arthur的观点：如果一个系统只存在负反馈，系统很快就会收敛到均衡状态，表现出“死”行为。例如“收益递减”——市场竞争动态平衡，每家企业依据自身竞争力，获得相应的市场份额；


. T# r) t' K0 N4 k& y. X, T* _4 R5 S如果一个系统只存在正反馈，系统会偏离均衡，表现出难以预测的爆炸性行为。例如“收益递增”——互联网时代，网络效应大杀四方，赢家通吃一切。

7 u7 f! \, X* `# N
一项新技术的出现会改变原本经济系统的结构。如果改变的结果足够重大，我们就会说：“Aha! 一场颠覆性革命出现了！”
- \$ J2 [* x, Q- P7 d+ y
$ x  w4 F9 P9 A8 y" N0 G' X$ x! i
正反馈和技术组合理论，揭开了“二阶效应”背后的秘密。眼下，人工智能作为“吹皱一池春水”的新技术，正在改变原本的经济系统，一系列由人工智能引发的“二阶效应”又蕴藏哪些钱景？


近期，a16z发布了一篇文章AI’s Second Order Effects 作者指出：虽然AI能够为现有企业节省很多成本，但 AI 的“二阶效应”会催生更多经典的软件公司和市场。在新的市场中，AI 本身不是主要产品，而是在 AI 的帮助下，一些夹在“薄利多销”和“高客单价”之间“死亡地带”的产品将重获生机。

* o" S6 }+ v" h) ?* I( g+ b! Z
一、500美元的产品还有活路吗？
  ]/ f! N- d: {* r3 t
$ S5 S. P( h2 [; T
6 u& F8 ~  k7 B2 U文章给出了一个有趣的思维实验。


前提：一名“销冠”一年可以卖出 50 个小部件，年收入 10 万美元，且不接受降薪。
0 P$ x. ]& T/ X. g0 g# `

$ K: w3 L( |$ j+ `/ n6 Q情景：一家公司有一款非常棒的小部件产品需要出售。
6 ]3 u) w) s2 f$ S4 P  o- D

% R. u( U# ?, N+ y! n矛盾：人们不会自己发现产品，且潜在客户每年最多只愿意付 500 美元。
: l; J/ r- M$ \4 [( s
+ D9 e0 L4 \% s7 T& S1 M; J
; s4 f% I* k& d  m- B& F' `提问：这家公司将如何发展？


作者给出的答案是，这家公司根本不可能存在。

! o  m" s% P! r) H
对于20美元的产品，例如Dropbox、OpenAI、Midjourne，你可以试试PLG产品驱动增长；对于100万美元的产品，例如Workday、ServiceNow、Databricks，你可以采用外部销售策略。


对于一个500美元的产品，你会因为毛利问题陷入“死亡地带”，仅是推销成本就不是小数目。
. T* s' Q5 w( K

如今，成本问题正在被AI工具解决，一大类非 AI 公司和产品重获生存空间：

/ j. m/ p3 u" p. e* N
• AI帮你销售小部件。
  
  
  
• AI为你的小部件提供24*7售后支持。
  * s# u3 K" Y5 R
  6 }4 d) z( a+ n% ]; F
  7 M! _4 W2 X! R$ x! n" X: U% L* k
• AI帮你留住小部件用户。
  0 t! u; X, P4 z1 F; O! ?1 _

. f0 z2 _0 _  L1 C) e6 Y1 K" ~, m* M
在风险投资里，我们总是问自己“为什么是现在？”——对于Uber ，答案是智能手机的普及；对Workday，答案是云服务的普及；对于 Adobe，答案是 GUI PC 的普及。
/ ~$ ^6 L5 d8 U3 s- H0 [! F
" C# o+ M% A% C. x" A! t/ o
对于上述“500美元”产品，“为什么是现在？”的答案就是当下。
! R2 ^7 G5 z: F+ r: w, o
+ W( Z  ^/ U+ _" E  S! N6 p
二、营销目标变成“伺候”AI


4 @0 F/ m: G$ m( ^. h2 J文章点到为止，并未指出“AI二阶效应”将引发何种营销革命。但根据美国MarTech 之父Scott Brinker对于“AI二阶效应”的预测，营销和销售场景将发生彻底改变。
( e0 n1 d: F* A

1. 消费者将进一步无视“推送”内容

. h- H/ B3 }2 [! ?) U& o3 ^3 D% h7 X
因为垃圾邮件过滤器作用增强，所有的超个性化信息不会显著提高销售效率，反而会降低效率。
% X0 a4 N5 i; b9 h
1 M, I- U8 O% i, |: k' W; ^% C
2. 可信的消息源将变得更有价值
) Q6 N' C" n! C

拥有认证会员的社区将弥足珍贵。如果你拥有私域，不过度依赖于外部发现和算法，将具备前所未有的影响力。


+ p0 a" }" X0 q同时，基于“信任危机”的AI产品开始崭露头角。例如，一款检测AI生成图像的工具Nuanced，旨在帮助各类企业，如约会应用、广告平台、新闻网站和线上商城等，区分“人造”内容和“AI造”内容。
2 T1 w% W1 f/ @$ c$ K2 g
3 I0 ?: ~4 J8 v2 a+ p# f9 `
3. 用好专有数据，成为一流的营销渠道

  l$ V8 t+ ?1 j4 W- D
/ _' j2 b2 M; s' J' K过去二十年间，人类创造了浩如烟海的信息。但即便拥有访问权限，你也经常被信息量压垮，无法找到想要的信息，也无法消费它们。同样的事情也发生在公司内部数据库。它们就像《夺宝奇兵》最后一幕里那个巨大的仓库，凡人休想在深渊里找到什么东西。
0 }! \" r+ z4 {4 d" N+ z. u
; [# u+ `# m/ N# a6 h6 a
现在，GPT-4吸收了互联网上所有的长尾内容，并在一分钟内回答你提出的几乎任何问题。


( H( \% f" A1 K9 s3 h8 l" p+ W( T1 C6 b由此产生的“二阶效应”：每个人都将拥有强大的“大脑”，分析能力被大规模地平权化。
# s! R$ M1 l( E" C: {1 T

区别在于，不是每个人都能喂给“大脑”相同的数据。因此，利用专有数据将成为一流的营销渠道，这也是营销人员的好机会。
8 |. L8 t/ V* O

. y3 S1 d7 b* S; P4. API服务将成为一流的营销渠道


' k3 e4 }1 H4 b' Y换个说法：如何在正确的时间向AI Agent提供正确的数据？这是让买家与卖家“保持一致”的关键。

1 U1 g: c" R! y; e4 m8 H7 [
比尔盖茨曾提过一个场景：“如果你想计划一次旅行，AI Agent不仅知道你旅行的时间，还会基于对你需求的了解，给出建议的旅游地点。当被询问时，AI Agent也会根据你的兴趣和冒险倾向为你推荐可以做的事情，预订你喜欢的餐厅。”

8 z* I$ P; \" P( L
8 \7 y  {) K! y$ t/ W% W3 K举个不太准确的例子。早期，如果你想来一场深度个性游，需要付费、花时间告诉旅行社具体需求，让他们做一个策划。这时候，营销目标是吸引你走进旅行社，并选择他们的方案。当下，很多人会选择自己去小红书等社交媒体整合别人的攻略，DIY一份旅行策划。此时，卖家的营销目标是吸引你点进某些旅行帖子，并安利一些产品，大到机票、住宿；小到防晒霜、充电宝等等。


( a. G  e* L9 Y0 F, z我们延伸比尔盖茨的设想，如果AI Agent替消费者做了旅游策划，那么卖家的营销目标也将发生变化：你要“讨好”的不是客户，而是客户的AI Agent。
, h4 N' A  T: k1 q# N0 j6 i2 p
" e; B" v0 T9 N5 {( d
- B) g7 H) e. g9 gScott Brinker指出，20年前，Inbound Marketing（集客营销）革命开启，你可以通过“知识分享”帮每一位潜在客户解决疑问，达成销售目的。如今，我们正处于“生成式集客营销”革命的边缘——处理AI Agent的集客请求，帮助它们完成人类控制器分配给它们的目标。
! q7 I4 |" ?) X/ Q/ D+ }

1 ?: F/ B/ ]) V' N7 u# K大胆想象，“AI toAI”会成为新的B2B——成为电子商务的巨大组成部分。
. U; H  s. A. U
0 b7 f( N9 ~& s; N
三、结语

! R8 [8 l! H4 s) d/ O5 P4 h
; y( K! W0 J8 a5 P  A目前为止，AI Agent的大量项目还在水下，甚至与自动化较高的Copilot 混淆。二者的最大区别在于“自主规划”能力：Copilot需要由人类来指挥完成目标任务；Agent则直接面对目标任务，具有自主记忆、推理、规划和执行的全自动能力。
9 Y: J% T- D. S: t3 [. a# [7 b& e
8 p$ n" X: Z4 C
1 X% z+ v, S1 i, \# o: A终极形态的AI Agent只需要人类给出一个起始指令和结果反馈，AI自己完成任务拆分，工具选择，进度控制，实现目标后自主结束工作。
1 _2 L: C6 O& L, N" P# J$ L

不过，即便Scott Brinker提出“AI Agent营销策略”只是一个方向，但“AI toAI”已经得到了来自ChatBot应用的初步验证。

# E1 k$ j" O3 C4 l* ^
例如，在YC W24亮相的Lumona就是一款产品搜索引擎，能够从用户信任的创作者那里获取高质量的产品推荐——通过Reddit和YouTube评论为护肤品搜索提供支持。


本文来自微信公众号：适道（ID：survivalbiz），作者：适道AI组，编辑：狮刀

『本文转载自网络,版权归原作者所有,如有侵权请联系删除』