非理工科专业毕业生加入AI团队能干啥？

本文作者：杨昌@okjike。发文时间：2023.10

这大半年来，市面上被报道的 AI 团队，核心人才大多有技术背景，至少得是个理工科背景。

包括在很多 AI 社群里，懂技术的开发者，往往更受欢迎。

作为中文系毕业的文科生，我也一直在想：难道在 AI 领域，就没有咱文科生的一席之地了吗？

从事 AI 3 个月后，我参与开发的一款内部 AI 工具，终于有了点阶段性的进展。回顾这 3 个月的经历，我隐约找到了点文科生在 AI 团队可以做的事儿。

先说个太长不看版：

内部AI 产品的开发，至少有 3 个里程碑
1、找到 AI 可以帮到忙的高价值场景
2、开发出能解决问题的傻瓜式 AI 工具
3、帮助业务一线员工真正用出效果

每个里程碑达成过程中，我这个文科生起到的作用是
1、找场景阶段：调研和科普 AI 在行业中的应用
2、产品开发阶段：通过提示词，把专家经验放进产品
3、用户成功阶段：在真实业务中，帮助种子用户成功

如果你对细节感兴趣，欢迎查看下面的详细内容：

一、找到 AI 可以帮到忙的高价值场景

1、找高价值场景

6月份初，在参与筹建「开源 AI 解决方案社区」的过程中，经过跟多位AI从业者深入交流，我得出了一个结论：

“和行家/专家一道，找到行业的高价值场景，做出该场景的AIGC解决方案，可能更赚钱。”

这段话被转发出去之后，得到过几位行业领袖级人物的肯定。我后来参与的AI工具，也是在这个思路下开展的。

2、技术之外要做的事

想要“和行家/专家一道，找到行业的高价值场景”，AI团队就不能只懂技术。

我们还需要花更多的时间，去找行家/专家沟通，去了解该细分领域的知识和商业模式，去了解服务公司的核心优势。

就像那些搞运输的司机，懂发动机原理固然不错，但真想要赚钱，他们更需要搞清楚：运什么人、什么货性价比更高，走哪些路线更有赚头。

3、我这个文科生能做的事儿

对于绝大多数的行业专家来说，AI到底发展到了什么程度，其实是个谜。

因为新闻一会儿说AI会取代他们，一会儿又说 AI 到了冷静期，很多 AI 公司都黄了，也没个准数。

于是，我就冲了上来，做了些较为细致的调研。然后，用专家能懂的话，把AI 的真实情况，尤其是对行业的真实影响，科普给他们。

等专家对「AI 能干啥和不能干啥」有个基本概念过后，我再试着用他们能接受的方式，一起测试 AI 在解决业务真实问题方面的效果。

整体来看，专家们更喜欢业务导向的专题式调研报告，测试过且有know-how 层面的SOP更佳，有客户/用户的数据最好。而对于市面上常见的技术向、产品向的科普文章（和软广），他们其实兴趣不大。

二、开发出能解决问题的傻瓜式 AI 工具

1、确保 AI 能解决业务中的真实问题

5月下旬，OpenAI的创始人之一，大神Andrej Karpthy在微软Build 2023开发者大会上有提到过：

“很多事情，直接写提示词（prompt）就可以搞定。在达到提示词上限之前，不需要考虑模型微调。”

在实际业务当中，很多问题，确实可以通过提示词解决。而提示词的上限，则取决于业务的重要程度和专家的专业程度。

如果，有幸在上个阶段，找到了重要性够高的业务场景。那么，这个阶段的重点，就变成了「如何和专家一起提升提示词的上限」。

从个人经验来看，很多 AI 工程师是不屑于学提示词的，绝大多数行业专家又不太会提示词。这中间的鸿沟，就需要我这个「愿意学和擅长教提示词」的人来填。

如果说提示词对专家太难，对 AI 工程师太简单，那么对我这个喜欢讲大白话的文科生，可能就刚刚好。

2、确保 AI 工具足够简单易用

入行仨月，我越发认可一句话：“公司只要有‘两个人’会提示词就行了”。

提示词真要做到「能解决业务中真实问题」的程度，不仅需要大量的业务知识和提示工程知识，还需要反复地尝试和迭代。

这其中的学习成本和试错成本，远不是业务一线伙伴所能承担的。咱千万别指望，通过几场培训和交流，就能让业务人员用起来。事实证明，这是不可能的。

更可行的方式，是让对业务感兴趣的提示词高手（我）和对 AI 感兴趣的业务专家合作。把一些高频的、能提效的场景中要用到的提示词，都提前写完并封装好。

最终交付给业务一线伙伴的，是只要傻瓜式操作就能稳定出效果简易工具。

三、帮业务一线伙伴真正用出效果

一旦进入真实业务场景，再简单易用的提效工具，都有一定的学习成本。

哪怕简单如微信，私域运营过程中要用到的功能，也得专门搞场培训。

1、在企业内部，AI比数字化工具更难推

在业务一线伙伴那里，AI 可不只是新的提效工具那么简单，在潜意识里，他们还有被取代的担忧。

而对那些简单试用过一些AI 的业务伙伴来讲，他们在市面上的 AI 那里碰过壁，不一定相信这一款AI工具真的有用。

这种情况下，如何吸引到一定量的种子用户，如何让种子用户快速上手，如何让甜蜜用户用出效果和持续使用，都是难题。

2、但互联网时代的运营方法论，依然有效

比如，重点突破感兴趣的业务团队，深入到他们手头具体的项目中去，点对点地用 AI 工具帮他们提效。

一旦在业务中起到作用，该团队就会一直用下去。

而在沟通过程中，我还可以不断总结他们的痛点，找到真实业务中高频的具象的场景，测算出大致的提效数据。

比如从 3 天提效到 10 分钟等，好让其他业务团队能真切感受到 AI 工具的帮助，最终以点带面让相关团队都用起来。

四、其他的延展

1、关键在“行业的高价值场景”上

总结到最后，我越发感觉到，这里面真正关键的，不是找场景阶段的调研和科普，不是产品开发阶段提示词工程，也不是用户成功阶段的产品运营，而是真正找到了“行业的高价值场景”。

只有场景找得足够准，才有可能立得了项，有可能获得种子用户，有可能形成早期的标杆，有可能为公司乃至行业带来价值。

但现阶段想要找到这个场景，AI 团队一定要跟行业专家合作，一定要对该领域的技术进展和产品表现足够了解。此处，才是文科生们最能创造价值的地方。

2、文理科或许都不是重点

最后，话说回来，既然都有了 AI 加持，就不用过于纠结文科、理科了。肯专研的话，很多技术上的问题、行业里的专业问题，都是可以学会的。

而且，从合作的角度来看，这些问题也无需学到多么精通。收到需求后，知道技术能否实现；看到技术后，清楚业务中如何应用，就差不多了。

至于那些个高价值场景，可能还需要把这门生意摸得足够透，对市面上「需求（流量）-产品-变现」的玩法了解得足够多。

我希望自己，今后尽可能少考虑自己学的是什么专业，担任的是什么岗位。然后，把更多的心思，花在如何用我的优势和用 AI 为客户/用户创造更大价值上，花在细分领域客户/用户的需求洞察上。

毕竟，客户/用户真正关心的，不是我是谁，而是我能给他们带来的是什么。

补充内容：

萧川川川：
在AI的应用没有大面积铺开前，岗位划分应该还比较粗，大概还是分为技术和非技术。产品经理或者非技术要做的就是知道技术边界的情况下，找场景、做落地、商业化，感觉是把除了纯技术干的活都干了。

另外提到“不必人人都会写提示词”非常赞同，未来用户和AI产品的交互会更简单，提示词工程是作为产品的一部分被封装起来了。
不过产品经理或者非技术还是需要深度学习提示词的，提示词工程应该算是对业务和技术都要有一定了解的领域了。

杨昌:

是的，纯技术之外的活，我们基本上都干了。 至于分工，从我了解的情况来看，未来大概率不会更精细。 一方面是因为有了AI加持，团队里的人个个都可以身兼数职。比如后端干前端的活儿，产品/运营干设计的活儿，也不是不能干。 另一方面是由于全球范围内经济环境不太好，哪怕AI应用大面积铺开了，也不一定会腾出更多多HC，给到非技术人员，并拆到更细的分工中去。 最后，确实非技术人员对业务越了解，对提示词越精通，技术人员的开发难度也就越低。在真正的工作流里头，业务本身的重要性占九成，提示词技术的重要性可能不到一成。