太长不看版
很多企业讨论 AI 时,第一反应是:
这个问题能不能用 AI 解决?
我们是不是应该做一个 Agent?
但更重要的问题其实是:
这到底是什么类型的问题?
因为不同问题,适合完全不同的技术,而不一定是 GenAI。
一个越来越常见的现象
最近参与一些 AI 讨论时,我发现很多需求都会以类似方式出现:
能不能用 AI 赋能门店运营?
电商首页能不能用 AI 来选品?
或者进一步变成:
我们是不是应该做一个店长 Agent?
我们是不是应该做一个选品 Agent?
这些问题看起来不同。但仔细想想,它们背后其实共享一个假设:
业务问题 ↓AI / Agent ↓解决方案
仿佛 AI 或 Agent 是一种万能方案,只要套上去,就能解决各种业务问题。
但我越来越觉得,真正需要先回答的问题不是:
能不能用 AI?要不要做 Agent?
而是:
这到底是什么类型的问题?
因为只有先理解问题本身,后面解决方案的讨论才有意义。
企业并不是在寻找 AI 解决方案,它们只是碰巧把 AI 当成了起点。
第一张矩阵:Problem Type Matrix
我认为企业里常见的业务问题大致可以分成六类。
| Problem Type | 核心问题 | 典型场景 |
|---|---|---|
| Classification | 这是什么? | 商品打标、客户分群 |
| Execution | 到哪一步了? | 收货、调拨、工单处理 |
| Assessment | 准备好了吗? | 活动准备度、上线检查 |
| Prediction / Risk | 未来会发生什么? | 销售风险、断货风险 |
| Decision / Optimization | 应该怎么做? | 选品、补货、排班 |
| Generation | 应该怎么表达? | 客服回复、邮件生成 |
这张表的价值在于:抛开"做个店长 Agent"、"做个选品 Agent"这类方案描述,往下拆一层,看清根问题到底是什么。
例如:
- 活动准备度是在评估「准备好了吗」
- 首页选品是在决策「应该怎么做」
同样是需求,根问题类型完全不同——往方案走之前,先分清这一点。
一个例子:活动准备度
以门店活动准备度为例。
很多人第一次看到这个场景时,会自然地说:
我们是不是…
— 以上为试看内容(约 40%),开通会员后阅读全文 —