AI ，端度聊B端这是设计一个在过去两年被反复提起的一个词，我们由最初的指南字深满怀期待到现在听到 AI 就焦虑，感觉自己很快会被淘汰 。结合而时间的产品推移 ，你会发现很多人都在去讨论 ："AI 能取代设计师吗？端度聊B端AI 能取代程序员吗 ？"最初我们都在期望 AI 帮我们解决洗衣做饭等问题的时候 ，没想到我们的设计饭碗没了 。两年的指南字深时间过去 ，AI 在不断的结合颠覆迭代 ，对我们设计流程会造成哪些影响 ？产品对我们 B 端设计又会有哪些机会 ？今天我们就由浅入深的聊聊 AI 。
一 、端度聊B端AI 产品的设计解析
我们想要理解 AI 产品 ，首先必须得了解其对应的指南字深流程以及产品的类型.
目前 AI 产品整体的流程主要分为以下几个步骤 ：数据收集、数据预处理 、结合特征提取 、产品模型训练、评估优化 、推理决策 、循环优化
我们举一个简单的例子来理解一下整体的步骤，比如「智能天气预报系统」
- 数据收集：系统就会收集来自不同地点的温度 、湿度等气象数据 ，将其同步记录到系统当中
- 数据预处理 ：对收集到的数据进行人工清洗，去除异常值等特殊情况 ，将采集的数据标准化
- 特征提取：将处理好的数据给到系统，用于分析数据中的模式 ，比如识别出哪些条件下通常预示着雨天
- 模型训练 ：使用过去的历史气象数据 ，系统训练一个模型来学习天气变化的规律
- 评估优化 ：通过与实际天气情况对比，评估模型的准确性 ，并根据需要进行调整
- 推理决策 ：当用户询问明天的天气时，系统使用训练好的模型来预测天气
- 反馈循环 ：用户对预测结果的满意度反馈给系统 ，如果预测不准确 ，系统会学习并改进预测模型
当然这是较为简单容易理解的情况 ，真实的内容会更加的复杂 ，还会涉及到 NLP、ML 、DL 等技术来不断优化 AI 让其能做的真正做到可知可感，像一个真人一样。
二、AI 产品的类型
在 AI 产品的运用层面 ，目前主要有以下几种产品类型来落地 AI 。
1. AI 绘图
这是我们设计师最为熟悉的领域 ，主要是因为日常工作本身就会与图片相关 ，主要能够绘制图片 ，帮助我们解决日常工作的问题 。
目前主要还是以 Midjourney、Stable Diffusion 为主，他们都有着较强的绘图能力 ，对传统的绘图领域造成非常大的影响（举一个侧面例子，前两年会有很多学习插画的课程 ，自从 SD 、MJ 出来过后便消失了很多） 。除了传统的 AI 绘图模式 ，还会有最新版的 Photoshop 推出的「创意填充（Generative Fill）」 ，它能够使用「Adobe Firefly」提供的技术能力 ，允许用户以非破坏性的方式进行图像组合和生成，关于绘图类的 AI，大家都会结合自身生态来去构造相类似的产品 。
目前 AI 绘图类资源：Midjourney 、Stable Diffusion 、Civitai 、liblib 、Firefly
2. AI 文字
AI 文字类的产品会非常的广泛 ，因为它不像图片难以理解、解析 ，文本所能承载的信息就非常广泛 。比如行业标杆 ChatGPT 以及它的一众小弟 ，你会发现软件之丰富 ，会失去判断能力 ，每一个都想去做尝试。
比如最近很火的 KIMI ，能够阅读处理 200 万字以内的长文本；百度的文心一言 ，靠着搜索结果也能够给用户精准的数据；讯飞的讯飞火星 ，能够与语音结合 ，通过语音对话的形式实现 AI 的交流沟通，你会发现每一个软件都有着自己独特的特点 ，而这些特点也会是我们去寻找在 B 端产品当中的机会点（下篇文章我们会聊到）
这是行业当中竞争最激烈的一个赛道，上周各大 AI 厂商开始疯狂降价，通过价格战来不断内卷 。
AI 文字类的软件 ：ChatGPT 、文心一言 、Kimi 、讯飞火星
3. AI 视频
视频类目前由于门槛较高，其实会发现整体是噱头大于实际用途 。比如之前很火的 Sora ，据报道背后是用了非常多的素材累计起来的 ，其参考意义并不大 。
不过 AI 视频生成的内容 ，我最喜欢的还是「小女孩的一生」这类视频主要是在传统的视频软件当中制作需要大量时间与精力，而现在就可以轻松解决。
AI 视频类的软件 ：Sora 、Runway
4. AI 音乐
音乐类其实了解的会比较少 ，所有的资讯都是来自 B 站的各个自媒体解读 。通过他们的表情给我一种看到 MJ 画出很多复杂的图像一样 ，我认为也是出乎他们的意料～
目前整个音乐领域主要是以 Suno 为主 ，帮助他们进行旋律创作、和弦编排上，相信在后续的两三年时间内 ，能够帮助到更多音乐的创作者 。
三 、AI 产品对设计师的影响
目前 ，AI 会影响到我们工作的很多方面 。这里也为大家准备了一些在日常工作当中我们所使用的各种场景 。
1. 业务理解
对于一个 B 端设计师而言 ，业务一定会让你非常头疼 ，因为很多专业术语 、名词不太明白。再加上时间紧 ，任务重 ，根本没办法深入的去理解业务 ，因此就需要有一个简单直接「利器」 ，那 AI 很明显能够承担一部分责任 。
比如我们以最近一位向我咨询的同学为例 ，他主要负责云产品的设计工作。因为产品线过多 ，会导致他无法从容应对项目当中的繁杂需求，特别是对业务的理解非常薄弱（说的像不像文章前的你们～） 。
这时候我就会推荐他使用 AI 工具来对业务进行快速理解 ，比如现在要负责一个 「持续集成的需求」 ，里面涉及到共享存储库等一系列术语，对于他来说根本没办法解决 。这时候我们就可以对 AI 进行提问 ，首先解释什么是共享存储库；紧接着问具体什么是持续部署；再让他给我简单举一个通俗的例子；这类问题便快速解决。
AI 其实是非常擅长回答产品定义等 ，在网上有固定明确答案的问题 ，这时候对其提问你能够快速解决 。
2. 素材制作
对于我们设计的日常工作而言，素材制作主要是为了省时间，像是 B 端的图标，我把他们遮上 ，你知道是哪个产品的吗？而这类风格的图标素材我们可以快速生成 ，并且在日常工作当中 ，也可以用相同的方式生成大量的图片底图素材等等 ，至少能够在视觉设计上给到大家非常多的帮助。
3. 用户访谈
提到用户研究在 AI 中的运用 ，很多人会想到让 AI 帮我们生成调研方案 。emmm... 其实在用户研究当中 ，方案的制作并不是最痛苦的事 。反而是对应的问题整理会尤为头疼 。比如我们在用户访谈时 ，在之前只能考虑使用录音的方式 ，将与用户的对话录制下来 ，后续再通过回放的方式进行回顾。
而现在我们可以考虑结合 AI+智能工具的方式，快速实现 。简单梳理一下对应的 SOP ：
- 进行用户访谈 ，同时将访谈录音进行录制
- 将录音信息上传至语音识别平台 ，如 ：飞书妙记 、讯飞听见
- 将文本信息扔给 AI ，让其帮你整理对应的提问内容 ，以及你的回答～
- 最后整理其行为态度与结果，快速生成
- 数据整理
当然除了用户访谈之外 ，我们在用户研究的时候还会有很多真实数据这时候我们也可以通过 AI 的方式来进行解决 。比如我们将用户在访谈以及问卷调研当中的所有数据结果整理到表格当中 ，并且与其他用研人员讨论出用研结果评判标准。然后再将数据上传到飞书多维表格，并新增 AI 字段 ，将我们评判标准告诉给 AI，让其能够主动学习紧接着 AI 就可以根据你的要求快速生成出一个可以参考的数据结果 ，你再结合结果与数据进行一遍走查即可 ，这样的整体流程会比你以往更快 ，工作强度也会更低 。
四 、如何理解 AI 产品
在试用过非常多的 AI 产品后 ，我觉得主要会有两个要点：成本 、收益 。
1. 成本
主要是我们在体验时 ，需要注册 、购买 ，甚至有的产品需要为 AI 功能单独付费，这就是金钱成本。比如 MJ 、ChatGPT 几乎都需要付费来进行使用 。而在使用 AI 产品时 ，通常我们需要进行系统的学习 ，同时在让 AI 产品进行服务时 ，我们需要录入大量的信息 ，来告诉 AI 我要想要什么 ，这是信息成本。像是使用 SD ，我需要去输入大量的信息 ，告诉 AI 我想要什么风格的内容 。
主要是我们在体验时 ，需要注册 、购买 ，甚至有的产品需要为 AI 功能单独付费 ，这就是金钱成本 。比如 MJ 和 ChatGPT 几乎都需要付费来使用 。
那为什么我想要使用 AI ？这就会牵涉到收益 ，也就是 AI 产品能够给我带来什么？
比如它能够帮我整理资料 、生成图片、制作视频 ，这些都是它的收益 。而成本与收益本身就是正相关 ，比如你告诉 AI 更多信息 ，那就能够得到更为准确的答案 。
作为设计师 ，我们首先要解决的便是成本与收益的问题 ，因为 AI 不能保证给用户一个准确满意的回答 ，因此我如何录入更少的信息来获得更为准确的结果 ，我们就需要认真思考。
因为金钱成本与产品定价相关 ，我们无权干涉；获得的收益与大模型、程序员相关 ，需要他们进行微调，因此我们能做的只是让 AI 平台能够更容易使用 。
2. 收益
如何平衡成本与收益 ，我们来看看目前大量 AI 产品的具体做法 。
SD 是一个典型的工具型产品的思路 ，将所有的配置直接提供给到用户 ，想要任何内容你都可以配置得到 。这也就导致它的使用门槛很高 ，通常我们需要大量的学习才能够上手使用 。而页面当中所有的功能都是直接平铺展现 ，因此非常复杂。
举一个简单例子 ，这就如同 B 端产品，我的所有功能都平铺呈现在工作台上 ，显然不太友好，因此你需要付出大量的成本 ，而对应确实 SD 能够给到我们更为准确的结果，想要什么它都能够帮我们实现 ，这就是典型的高付出 、高回报，它适合更为专业的人进行使用 。
ChatGPT 则是为了保证你的收益 ，会采取连续对话的方式 。
这种方式非常巧妙 ，因为当前的 AI 由于用户不够熟悉 ，AI 也不够智能 ，因此很容易得到一个你不满意的结果 。这时候就可以通过连续对话反复修改 ，不断对它生成出来的内容提出要求 ，进而提供更多信息，来优化结果 。
虽然你需要反复打字 ，增加成本，提出修改意见，但是这就像你是一个老板 ，可以随意提出修改意见 ，作为 AI 的牛马员工就会很积极的进行修改 ，感觉也挺好 。
MJ 也会把你像老板一样对待 ，你在提出设计要求过后，会优先给你 4 个选项 ，让你辨别哪一个风格是最为满意的 ，通过你给出的方向可以再一步步的进行细节丰富（是不是这个画面有点眼熟 ，像不像给老板提案的你）
同时所有结果不太满意，你还可以选择不同的引擎版本 ，这些都是潜移默化让用户进行选择决策，而这些都是在不断地精准用户想要的结果 。
回过头我们再看成本与收益这个公式 ，你会发现金钱成本与我们设计师无关 ，因为这与产品的定位等内容密切相关；得到的收益与我们关系不大 ，因为这与 AI 工程师 、他们所开发的大模型关系更为密切；作为设计师，我们会在信息成本更为关注，也就是如何做到以下几点 ：
- 如何无感的让用户录入自己的需求
- 如何快速纠错 ，让用户重新输入
- 在结果不够准确时 ，提供更多选择以提高满意度
五、AI 与 B 端如何结合
那么强大的 AI 功能 ，那如何在 B 端这类型的产品当中进行落地 ，我认为是需要将 B 端与 AI 进行结合 ，这里想到了一些应用场景和大家进行分享 ：
1. AI 智能筛选
在日常工作当中 ，筛选一定是较为复杂的功能。由于筛选本身是按照开发逻辑实现的一个功能，因此你会看到目前整体的系统作法分为两类 。
一类是把筛选做得尽可能的简单 ，只会通过字段与对应的值 ，根据「且」的逻辑来呈现筛选结果。这样能够保证筛选门槛低 ，大多数人都会进行使用；
一类是把筛选做得尽可能的复杂，将筛选中「且 或」逻辑呈现 ，并且在此基础上还增加了针对不同字段的运算规则 ，导致使用门槛较高 。
而这一切都是开发的思维逻辑，但它不并是用户的思维逻辑 。而且复杂筛选本身设计组件较为难做 ，同时我们完全将产品的复杂度交给用户 ，不太适用。
比如我想在 CRM 产品当中筛选「最近一个月我负责的高价值客户」 ，我就需要进行 日期 、负责人 、客户类型三个字段的筛选。假如筛选规则变得更加复杂 「最近一个月我负责的高价值客户和小张本周的待联系客户」取为并集 ，那这个筛选的配置就会极其复杂 。这时候我们就可以通过 AI 的方式，将上述文本写在 「AI 筛选」 的模块当中 ，提出你的筛选诉求 ，AI 就能够帮助你自动匹配筛选 。
并且这个方案在移动端上也能进行适配 ，因为之前有尝试过移动端的复杂筛选 ，可以说是所有设计师的噩梦 ，我们很难将这本身就复杂的组件给到用户进行使用 ，我们就可以利用移动端的特性 ，让用户语音说出他的筛选诉求 ，然后语音转文字 ，将文字录入 GPT 导入管理系统当中 ，这样就能实现快速筛选 ，感觉讯飞语记+讯飞星火就能实现。
2. 复杂逻辑 AI 配置
在 B 端产品当中 ，各种规则配置是很容易劝退一个用户。因为我们很难做到设计得好看好用 ，因此就可以考虑使用 AI 的方式进行配置初稿 。比如一个流程配置，其实配置的难度相对较高 ，同时里面的规则较多 ，我们很难通过自身的逻辑要求 ，让系统快速生成相应的流程配置 。而现在我们可以通过 AI 的方式先识别对应的信息内容，将自身语言逻辑进行录入，然后将语言逻辑通过 AI 的方式转化为程序逻辑。
这里想到我期待的一个场景 ，我是快捷指令的重度使用者 ，但每次编辑快捷指令往往需要耗费大量时间 ，苹果则可以将这部分配置工作交给 AI 完成，通过对话 、聊天等的方式 ，将你的需求说出 ，即可实现一个流程配置。虽然 iOS18 没有这个功能 ，希望苹果能在 iOS19 加上 。
除了流程之外 ，像是很多低代码产品 、各种规则都可以考虑使用 AI 进行赋能。（很多产品最近都在跟进 ，这个下篇文章聊聊）
六、AI 智能客服
AI 在客服类产品也可以有着广泛的应用 。
因为本身客服类产品就是高强度 、重复的解决别人的问题 ，因此我们可以借助 AI 的力量帮我们有限简短的回答用户问题 ，而不是给我对应的参考资料让我自己查阅 ，当他不满意后再由人工介入 。同时人工介入阶段 ，也可以通过 AI 快速帮助客服人员锁定问题，给出建议的解决方案 ，这样能够帮助其减少客服压力 。
最近用相同逻辑 ，有的开发做出了 AI 面试助手（智语面试） ，感觉还挺有意思的~
七、AI 图片生成
在 B 端产品当中 ，图片处理也是非常头疼的一个环节。因为很多 B 端企业的本地商家 ，都需要上传对应的海报物料 。而这时候 AI 完全可以将这些海报的需求整体抽象 ，整理成自己需求的模型库 ，来优化产品 。比如我是线下生鲜的商家 ，现在正在组织一个营销活动 ，这时候 AI 就可以自动为这个营销活动绘制海报 。同时在很多 B 端产品当中 ，本身就会有主题的功能 ，那完全可以将这个主题的需求进一步细化，通过 AI 的方式会有非常多的运用场景 。
八 、AI +
除了上面讲到的内容之外 ，还有很多可以想到的业务场景 ：
比如 HRM 系统当中 ，我们可以使用 AI 能够快速帮助 HR 处理简历，进行信息上的整理与汇总；CRM 系统当中 ，销售需要记录大量的跟进记录 ，那我们便可以使用 AI+语音的方式 ，让销售去说做了什么，在系统当中就能进行更准确的记录；医疗系统当中 ，AI 能够帮助医生进行患者病情的快速初诊 ，给出医生合理的患者病情指导 ，让医生做选择题而不是填空题 。
这就是关于 AI 与 B 端产品的结合 ，我们能够发现 AI 本身确实会有着非常多的能量 ，我们作为设计师需要了解其原理和设计思路才行 。
这时候肯定就会有同学问 ："有没有哪些真实落地的 AI 产品呢 ？"
1. 有赞
有赞是行业中较早宣称拥有 AI 功能的 B 端产品之一 。AI 功能上线以来 ，已经经历了几个版本的迭代。目前 ，整体使用体验相当不错，让我们看看它的设计思路 。
首先 ，有赞的 AI 功能位于界面右上角，点击"加我智能助手"即可展开并查看所有功能 。这些功能包括功能咨询、数据检索 、文案创作 、经营分析和自动任务 。
功能咨询 ：类似于智能客服，能够根据用户提出的问题自动匹配相应的答案 ，并提供帮助中心的相关文档链接 。
但整体其实并没有接入大模型 ，而是传统的智能客服的思路 ，提出一些预设当中没有的问题这里并不能给出解决方案 。像腾讯云的智能客服，则可以针对你提出的非标问题，依据知识库的大模型内容 ，快速回答 。
数据检索 ：根据预设的数据规则自动匹配数据 。输入"/"会让你手动选择订单 、商品 、客户 ，进而实现快速搜索的功能 。
文案创作 ：与 ChatGPT 相似 ，但由于目前是试用版本，这里就没办法体验到。
经营分析：可以将自己想要的数据与 AI 进行对话 ，AI 会帮你统计具体数据的值 ，并且可以使用不同的图表方式进行展现 ，这个功能对于老板来说非常友好 。
自动任务 ：可以帮助你快速创建一个流程配置，和我们上一篇文章讲到的思路很像 。不过好像是系统出现 Bug ，即使是使用系统自带的提示词 ，也依旧提醒我无法创建流程 ，只能为空白流程（不排除因为我是免费版所导致） 。
整体来看 ，有赞所提供的 AI 能力确实不错 ，确实是站在 AI 的角度去解决系统中的实际问题 。从功能的维度上 ，涉及到文本创作 、数据查询 、企业配置等多个环节 。看完这些功能后 ，我很好奇有赞移动端做得如何 ？发现这个 AI 页面与移动端的尺寸比较一致 ，甚至整个 AI 界面都有点像移动端的适配版本 。为此我下载了移动端看了看 ，结果发现目前还没有动作 。不过我认为 AI 功能在移动端的运营场景会更值得大家期待 。
2. 小鹅通
小鹅通的 AI 产品也在不断迭代扩充 。我们会发现 ，它的整体思路与有赞比较接近 。
首先 ，在 AI 助手部分 ，它集成了在线客服等 AI 常用功能 ，并通过对话框的形式来进行交互。此外 ，它还支持数据检索 、文案创作等常用功能。
不过在体验上，数据检索的功能还有优化空间。因为当我们选择对应的条件后 ，小鹅通的做法不够简洁 ，提示为"按照以下条件查找用户 ，用户昵称为 ：" ，我更喜欢有赞的做法"/搜商品 ：" ，简单易懂 。
由于文案创作的能力是属于高级版付费功能 ，因此大家只能脑补一下 。不过从它的产品介绍页能看到 ，支持的内容非常多 ，并且都是基于自己产品功能模块所衍生出来的文案创作，这点还是很不错 。
同时 ，小鹅通也会针对自身产品的特性推出相应的特色功能 ，例如智能字幕 。我认为这是一个非常好的功能点 ，至少对于我而言 ，是有愿意为这个功能去付费的冲动 。确实 ，在课程中需要有字幕的帮助 ，这样便于同学们更好地学习 。
这里也可以为小鹅通提出相应的建议 ，智能字幕的功能还会有衍生的场景 。比如，当用户开通了智能字幕后，我们能够为用户快速总结该堂课的核心内容。这样 ，在课程的介绍或者是老师后续分享总结该堂课的核心要点时 ，都非常有帮助。我自己也尝试过通过飞书妙记加 Kimi 去解决 ，整体感觉还不错（又一个付费功能出现了）。
关于 AI 助理的 AI 语音评测，由于确实没有实际的应用场景 ，我只能通过简单的介绍来了解 ，感觉功能还可以 。
3. 钉钉
关于钉钉的 AI 功能 ，由于这些功能本身需要付费 ，因此我只能根据官网的信息来为大家做一些分享 。如果哪位同学已经使用了钉钉的 AI 功能，欢迎私聊我 ，让我简单了解一下 ，或者你演示给我看也行 。
首先，对于钉钉来说 ，由于它本身就是一款 OA（办公自动化）软件 ，日常工作中的各种协同工作自然是它所关注的重点 。因此 ，你会看到诸如请假审批、工作概览 、待办助手 、个人日程等很多项功能都属于钉钉的范畴 。
不过在功能上大同小异 ，大家可以通过截图/官网了解这些功能 ，我们在这里就不详细展开了。
其次 ，钉钉在内容创作方面也有所涉猎 。它根据功能场景提出了文档 、PPT 、脑图 、图片等场景的智能生成功能 。这些功能可以帮助用户在不同的工作场景中更高效地创建和编辑内容 。在应用场景上 ，钉钉也会提到像会议 、宜搭这类业务系统的快速创建和应用场景的使用。这些功能使得用户能够迅速搭建起适合自己业务需求的系统 。
大家可以特别关注一下宜搭这个模块所提供的 AI 功能 。我认为 ，这些功能是 B 端业务系统中需要提供的基础能力 。它们包括智能报表的填写、业务系统的数据分析以及内容的智能处理等 。这些功能是较为通用的 ，几乎每一个产品都会涉及 。
总的来说 ，钉钉通过其 AI 功能 ，为用户提供了一套全面的解决方案 ，以满足不同业务场景下的需求 ，从而提高工作效率和协同效果 。
4. 飞书
我们再来聊聊飞书 ，飞书基本上也会拥有和钉钉相类似的功能 ，这里我们就不展开过多的赘述 ，大家可以打开它的官网去做详细的了解。
这里分享一个特别的应用场景 ：飞书多维表格。
首先 ，如果你有搭建一个业务系统的需求，可以通过飞书多维表格的 AI 能力让其自动帮你生成相应的系统内容。你只需要提供简单的描述即可，这能够帮助用户快速创建一个业务系统 。
其次 ，在多维表格的每一个字段中 ，我们都能够将其转化为 AI 字段。它能够自动生成数据结果 ，并且可以根据前方的所有信息进行引用来生成一个合理的数据结果。这在我们日常工作中非常有用 。比如我需要做用户调研 ，那我就能通过这种方式批量呈现数据，得到一个准确的结果 。
5. 金蝶
金蝶最近更新了自己的 AI 功能。首先，通过官网的介绍可以发现 ，金蝶的应用场景会更加广泛 。它主要涵盖了不同产品的各种业务场景 。
通过官网查阅了 AI 功能的视频演示后 ，发现其在两个业务当中的 AI 落地 ：
① 财务
在财务系统当中 ，由于其重要性 ，主要包含智能审核 、报告生成 、指标分析 、智能问询四大板块。智能审核就是通过 AI 的方式，提高审单人员的工作效率 。在例子中讲到合同付款审批 ，进入审批详情页 ，AI 能够为当前的审批给出系统的意见 ，并且会给出相应原因 。
并且通过 GPT 的能力 ，阅读合同中的附件信息，使用 AI 快速进行资料汇总 。同时可以通过提问，让 AI 回答合同附件中的具体情况 。
这只是金蝶的一个 AI 功能 ，后面还有报告生成、指标分析 、智能问询也给大家准备了一些资料 ，查看上方截图获取 。
② HR
在 HR 场景当中 ，它能够根据大模型快速提供干部的职能选择 ，帮助企业快速优化人力资源配置，使企业不断发展 。同时还会包含人员任务的精准配置 ，以及员工选拔的快速识别和智能推荐 。
整体来看 ，金蝶的整个 AI 功能是目前为止我认为最为完整和业务打通最彻底的一款产品 。这些功能由于权限的限制 ，我只能通过视频的方式查看 。不过 ，视频中显示的都是真实的使用界面 ，因此大家可以放心 。
6. Salesforce
我们再来说说 Salesforce，毕竟是全球领先的 B 端厂商 ，在 AI 方面也会有很多自己的见解 。
首先是在移动端 ，Salesforce 能够通过询问 Einstein（爱因斯坦） 快速得到数据 ，并且这里就提到了我们之前讲到的语音输入~ 果然英雄所见略同 。这里主要是针对移动端寻找数据的场景，通过 Einstein 能够帮我在系统当中快速寻找帮助 ，找到详细数据 。
第二个场景则是用户在数据查询时 ，能够根据查询的内容快速补充信息 。这样就不用不断跳转填写数据 ，整体效率会来的更高 。
第三个则是根据文档当中的信息，通过 AI 的方式来进行评估 ，有助于用户能够快速判断 。
当然关于 Salesforce 的 AI 功能还会有非常多的信息 ，这里我们都将它整理到我们的知识库当中 。
关于这方面 ，你们也可以结合自身的产品去想一想对应的应用场景，深入思考一定是对它有帮助的 。
对于 AI ，在我不断的分析下会发现 ，行业中的所有 B 端产品都值得重新做一遍 。它的能力巨大 ，而且用好了将会是一把无形的利器 。而作为洪流中的一员 ，我们需要掌握它为自己赋能 ，在日常工作当中 ，又会有一个新的解题方法，一个新的解题思路 。
希望我的分享对你有所帮助 ，我是 CE，我们下期见~
作者 ：CE青年Youthce
版权声明：覆巢毁卵网 ，转载请注明出处：https://www.6q2.cn/html/92a43199476.html
