The 6 AI Use Case Primitives
21:02 Share

OpenAI刚刚发布了一份新报告，细分了企业目前使用AI的六种核心方式。他们称之为“AI用例基元”——AI工具不断涌现的主要工作类型：内容创作、研究、编码、数据分析、构思和战略以及自动化。NLW展示了它们在新兴代理时代的发展方向。获取无广告AI每日简报： ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://patreon.com/AIDailyBrief⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠由以下机构提供：KPMG – 前往 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://kpmg.com/ai⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 了解更多关于KPMG如何帮助您利用我们的AI解决方案创造价值的信息。Blitzy.com - 前往 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://blitzy.com/⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ 几天而不是几个月内构建企业软件 Vertice Labs - 查看 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠http://verticelabs.io/⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠ - 专注于为中小型企业开发产品和AI代理的AI原生数字咨询公司。来自Superintelligent的代理准备情况审核 - 前往 ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://besuper.ai/ ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠申请贵公司的代理准备情况评分。AI每日简报帮助您了解AI领域最重要的新闻和讨论。订阅AI每日简报的播客版本，无论您在哪里收听：https://pod.link/1680633614订阅时事通讯：https://aidailybrief.beehiiv.com/加入我们的Discord：https://bit.ly/aibreakdown有兴趣赞助该节目吗？[email protected] </context> <raw_text>0 今天在AI每日简报中，我们将讨论六个AI用例基元以及代理将如何改变它们。AI每日简报是一个关于AI领域最重要新闻和讨论的每日播客和视频。感谢今天的赞助商KPMG、Blitzy.com和Super Intelligent。要获得节目的无广告版本，请访问patreon.com/AIDailyBrief。

大家好。快速说明一下。我今天在旅行，所以提前录制了这段内容。因此，我们只做一个主要剧集。OpenAI发布了一份非常酷的新报告，它为更广泛的讨论提供了一个很好的出发点。所以我想你会喜欢的。明天我们将恢复我们正常的剧集风格。

欢迎回到AI每日简报。OpenAI最近发布了更多面向客户和企业的资料。显然，他们正在全力以赴，试图加快企业内部的采用速度。对我们来说，其中有价值的一点是，它让我们有机会看到OpenAI在众多客户中看到的重大模式。他们最新发布的资源名为《识别和扩展AI用例：早期采用者如何专注于他们的AI工作》。

我认为最有趣的是他们所谓的六个用例基元。这些实际上是AI使用的领域，许多用例都属于这些领域，通过考虑这些术语，人们也可能能够提出他们自己的用例。

现在，这个设置非常明显。简而言之，就是很多人都在使用AI。他们指出的一项研究发现，39%的美国成年人已经使用过AI，自从这项研究发表以来，这个数字肯定有所增加，并指出这大约是互联网采用速度的两倍。但他们还指出波士顿咨询公司的一项研究发现，在过去三年中，被认为是AI领导者的公司收入增长速度是其非AI领导者同行的1.5倍，股东回报率是1.6倍，

以及投资资本回报率是1.4倍。现在，关于他们用来获得这六个AI用例基元的聚合内容，他们写道：“我们的见解来自我们300个最成功的实施案例、4000多个采用调查以及超过200万商业用户。”现在，这些基元实际上并不是整份报告的实质内容，尽管它们是最大的一部分。

该报告认为，寻找和扩展最具影响力的AI用例的三个步骤是：一、通过了解AI擅长什么来识别应用AI的机会；二、向员工传授可以加快各个部门发现速度的基本用例；三、收集和优先考虑将对业务产生最大影响的用例。我们将关注第二点，因为用例基元的想法就来自于此。

现在，这些来自OpenAI客户提供的600多个用例。他们说，大多数用例都属于六个基元之一，他们将其定义为适用于所有部门和学科的基本用例类型。用例基元包括内容创作、研究、编码、数据分析、构思和战略以及自动化。

所以我们现在要做的是看看OpenAI对这些基元现状的看法，然后我们将花一些时间放大未来的情况，特别是代理将如何改变它们。

鉴于ChatGPT锚定在一个大型语言模型中，内容创作一直是人们商业用例的首要任务。事实上，OpenAI在这份文件中指出的许多内容你都会很熟悉。他们指出，一些可以开始使用的内容创作用例包括：在营销方面，创建广告活动策略、标题或电子邮件活动，生成内容大纲和初稿，为不同的受众或渠道重新利用内容。

财务团队可以使用它来起草政策文件。产品团队可以使用它来创建产品需求文档或发行说明。销售团队可以使用它来生成电话或后续电子邮件的脚本。他们指出的案例研究是一家生命科学公司，在头六个月中，通过初稿电子邮件活动节省了135个小时。这很酷，但显然非常非常基础。

那么代理可能会如何改变这一点呢？好吧，在近期，也就是未来12到24个月内，我们可能会开始看到独立的代笔作家代理。想象一下一个品牌调整的文案代理，它会监控风格指南、法律规则、广告活动OKR，并起草文案图片和短视频以供人工审核。

你还可以看到渠道感知的重新利用，其中代理会跨CMS、社交媒体和广告平台安排优化的版本。然后，当你开始放大时，该代理可能会变得更复杂，所以想想未来两到四年。显然，所有这些时间表都可能随着我们的发展速度而被大幅压缩。但在第二个阶段，无论它有多远，你可能会开始看到上下文感知的代笔作家开始整合受众反馈循环。

代理可以实时监控参与指标，运行A/B测试，并像一个全天候的增长黑客一样不断修改创意。但你也可以看到协调创意团队的开始，其中文案代理利用上下文感知信息和它获得的数据信息，现在为小型团队安排任务。想象一下一个语气调整器、一个翻译器、一个缩略图设计师，以及一个在每个渠道发布不同版本的调度代理，以及一个新的专用分析代理进行反馈。

最后，在第三个阶段，也就是我们最远的阶段，也就是四年以上，你将拥有完整的合成创意工作室，多代理团队，包括作家、设计师、配音演员、制片人，他们可以端到端地制作故事板、拍摄、编辑、本地化和投放广告。

甚至与财务代理互动以设定预算。更重要的是，工作室可能采取群体形式，它不是作家、设计师或配音演员代理，而是许多并行工作的代理，与财务、合规和审查代理合作，直到群体收敛到最具成本效益的品牌广告活动。

下一个用例基元是研究。OpenAI写道，如今AI广泛用于各行各业的研究，从搜索网络以查找相关文章或竞争数据，到更全面的多步骤研究项目，这些项目会扫描网络以查找文章、数据点和见解。我们还看到团队上传冗长的内部文档以快速获取见解。使用AI进行研究的最大优势之一是，您可以指定分析呈现方式的格式和结构，例如表格格式、项目符号、特定部分的组织或交叉引用。

他们指出的一些适合入门的研究用例包括：在销售和营销方面，调查新行业或更好地了解竞争对手；在财务方面，搜索上市公司的基准；在产品方面，评估新市场规模或研究竞争对手或识别趋势；在IT方面，搜索新的供应商并评估其产品优势和劣势；在软件工程方面，审查API端点和外部文档。

但在代理时代呢？好吧，在某种程度上，代理时代已经来到了研究领域。OpenAI的第一个消费者代理（取决于你如何考虑或定义它们）是深度研究。现在，只需一个简单的提示，深度研究（无论是来自OpenAI还是你使用Gemini或Grok的版本），都会自主地规划、浏览、分类和将数百个来源合成到分析师级别的报告中。这现在就可以实现，而不是遥远的未来状态。

接下来可能只需要一点时间，在第二个阶段（无论何时），无论是12个月、24个月还是36个月，都可能是像持续智能代理这样的东西。想象一下深度研究，但始终在线。订阅数据馈送、专利、收益电话，发现微弱信号，生成简报。甚至可能在他们的信心不足并且试图弄清楚事情时ping通领域专家。你可能还会开始看到研究代理的第一次群体化。

例如，想象一下，你有一个持久的情报单元，而不仅仅是一个代理，其中一个规划代理会像新闻爬虫、专利观察者和专家访谈者一样播种子代理，然后你有一个合成代理来将这些更新合并到一个实时档案中，并在阈值事件时ping你。现在，最复杂的版本是群体可以以完全不同的方式与专家和数据互动。

例如，想象一下，谈判代理会自动联系主题专家同行或他们的代理，安排采访，购买报告，更新私人知识图谱，甚至可能就不同解释进行辩论，以得出共识和冲突观点。

第三个用例基元是编码。当然，这是我们在本节目中讨论最多的一个。此时，AI在编码中绝对无处不在。正如OpenAI所指出的那样，这既包括现有软件工程师使用AI进行调试、生成不熟悉语言的初稿代码或将代码从一种语言移植到另一种语言，也包括第一次开始使用代码的非程序员。

有趣的是，OpenAI指出了不仅仅针对软件工程师的编码用例。例如，营销人员可以使用它来创建交互式图表或数据可视化。财务人员正在做一些事情，例如创建Python脚本来自动化月度结算的部分内容。当然，产品正在做我们在这里经常讨论的事情，即氛围编码，即构建交互式原型以充实新的产品创意。

再一次，我认为你可以争辩说，代理时代实际上已经开始影响这个特定的基元。你已经拥有了开发人员配对代理，它们会监视IDE事件、运行测试、提交PR，并以更自主和全面的方式与程序员一起工作。同样，此时，氛围编码工具基本上是代理，它们接受非程序员的自然语言输入，并将其转换为可以使用的流程和代码。

第二个阶段的下一步可能是可组合的软件工厂。想象一下一个规范到生产的管道，其中规划代理将功能分解成任务，初级开发代理编写代码，高级代理审查，而DevOps代理每天都进行交付。所有这些当然都是通过共享内存协调的。

更进一步，第三个阶段可能是一个完全自愈系统。想象一下，监控代理检测异常，然后可以生成修复代理来回滚、修补或启动新的微服务，而无需人工干预。

最重要的是，你可能还有其他相关的代理，例如记录每个步骤的治理代理，只有在绝对必要时才通知人类，但在发生时记录整个过程。今天的剧集由KPMG赞助。在当今竞争激烈的市场中，释放AI的潜力可以帮助您获得竞争优势、促进增长和创造新的价值。但关键在于，您不需要AI战略。您需要将AI嵌入到您的整体业务战略中才能真正提升其能力。

KPMG可以向您展示如何将AI和AI代理集成到您的业务战略中，使其真正有效，并建立在值得信赖的AI原则和平台之上。查看KPMG的真实案例，了解AI如何帮助其客户取得成功，以及

在www.kpmg.us/AI。再次强调，是www.kpmg.us/AI。今天的剧集由Blitzy赞助，Blitzy是一个具有无限代码上下文的企业自主软件开发平台。

如果您还不确切知道这意味着什么，请不要担心，我们将解释一下，这太棒了。因此，Blitze与您最喜欢的编码副驾驶一起用作您的企业批量软件开发平台，它适用于那些寻求在大型代码库上实现显著开发加速的人员。传统的副驾驶可以帮助开发人员完成逐行完成和代码片段，但是

但是Blitze的工作领先于IDE，首先记录您的整个代码库，然后部署超过3000个协调的AI代理并行工作，为大型软件项目批量构建数百万行高质量代码。因此，无论是代码库重构、现代化还是产品路线图的批量开发，Blitze的整体理念都是为企业提供显著的速度提升。

简单来说，对于最终提供给人类工程团队的每一行代码，Blitze都会编写数百次，并使用不同的代理验证输出，以获得交付给企业的最高质量代码和批量。然后，通常需要数十名开发人员工作数月的项目现在可以用一小部分团队在几周内完成，使组织能够显著缩短开发周期，并将产品更快地推向市场。

如果您的企业希望加快软件开发速度，无论是大型现代化、重构还是仅仅提高STLC的速度，请访问blitzy.com（B-L-I-T-Z-Y.com）联系Blitzy预订自定义演示，或者直接点击“开始使用”即可立即开始使用该产品。

今天的剧集由Super Intelligent赞助，更具体地说，是Super的代理准备情况审核。如果您已经收听了一段时间，您可能已经听我说过这个了，但基本上，代理准备情况审核的想法是，这是一个我们创建的系统，可以帮助您对机会进行基准测试和映射

在您的组织中，代理可以专门帮助您解决问题，创造新的机会，再次强调，这是完全根据您的情况定制的。当您进行此类审核时，您将进行基于语音的代理访谈，我们将与您的一些领导和员工合作。

来绘制组织内部的情况，并找出您在代理旅程中的位置。这将产生一个代理准备情况评分，其中包含一组深入的解释、优势、劣势、主要发现，当然还有一组非常具体的建议，然后我们可以帮助您找到合适的合作伙伴来实际履行这些建议。

因此，如果您正在寻找一种启动您的代理战略的方法，请发送电子邮件至[email protected]，让我们将您连接到代理时代。第四个AI用例基元是数据分析。OpenAI写道，AI可以帮助任何人协调来自不同来源的数据、识别见解和趋势，以及处理复杂的电子表格数据，而无需高级Excel、SQL或Python技能。

您可以向AI提供多个电子表格或仪表板屏幕截图以支持快速分析。它可以解释电子表格数据、理解可视化图表，甚至可以帮助您格式化输出以进行报告。他们推荐的一些入门用例包括：对于营销，例如上传网络研讨会出席数据并将其可视化。对于产品，它是在分析趋势和社交媒体反馈。对于销售，它是在将潜在客户映射到帐户并根据意图信号对其进行评分。对于财务，它是在分析支出数据并寻找趋势。

那么代理的扩展可能是什么呢？好吧，想象一下以更持续和自动化的方式支持计划任务的东西。例如，想象一下一个笔记本代理，它可以链接SQL和Python，生成图表，编写叙述性见解并附加引文，生成例如每周KPI摘要，而无需提示。

第二个阶段（12、24、36个月后）可能是自动建模器，其中代理选择ML技术、训练、验证和部署预测模型，然后将预测反馈给运营代理，基本上开始做整个数据团队的更多工作。

当您在四年以上的时间里谈论完整的Data Mesh群体时，您将拥有从提出更改并模拟下游中断的模式代理到如果个人数据风险超过策略则可以否决或删除列的隐私代理，以及可以更新目录并通知受影响团队的血统代理，所有这些都几乎无需人工干预。

因此，您可能在这里看到了一种模式，即我们当前的范例和OpenAI正在讨论的用例是人类使用助手来完成他们的工作，最直接的代理范例是代理自主地完成这项工作的大部分内容，而更遥远的范例是群体和代理团队协作来完成整个工作类别，只有来自高级战略角度的广泛人工监督和领导。

说到战略，第五个用例基元是构思和战略。他们说这是一个在所有团队中都很流行的用例，从集思广益一篇新的博客文章到帮助构建文档。他们指出，随着模型越来越能够思考复杂的问题，我们看到许多团队正在使用它们制定战略计划，同时考虑他们的数据、目标、上下文、约束和依赖关系。

因此，他们在营销中强调的一些构思和战略用例包括：集思广益广告活动创意，上传营销简报并询问缺少什么；在财务方面，为新的地理区域制定市场扩张计划；对于产品，上传您的PRD并在执行审查之前识别薄弱环节。对于销售，他们指出的是使用语音模式练习您的推销或发现技巧。

这绝对是一个我们已经看到基于模型更新的巨大改进的领域。例如，O3推理模型在进行这种战略构思方面比4.0和4.5有了巨大的改进。但它也感觉我们只是触及了表面。那么代理世界接下来可能是什么呢？好吧，在短期内，我认为我们将开始看到诸如场景规划代理之类的工具。

想象一下可以对市场、成本和竞争对手数据运行蒙特卡洛模拟的代理，为高管生成具有风险和投资回报率热图的选项树。代理的第二个阶段（大约一两年后）可能是诸如合成焦点小组之类的工具，其中角色代理使用细致的心理统计数据来重新创建目标客户细分，创意代理根据这些角色测试信息、定价或功能包，内部代理显示情绪曲线并推荐上市调整。

这是您可能真正看到一些最重要和最强大的合成员工的领域。例如，想象一下一个参加每次会议（通过语音和视觉）、跟踪OKR、提醒所有者、重新分配预算、在战略偏离时升级问题的首席幕僚代理。AI首席运营官并非不可能。当然，单个AI首席运营官实际上可能是一个由单个协调器管理的代理群体，该协调器具有该功能。

最后，AI基元第六个是自动化。我认为许多企业在考虑AI时都是从这里开始的。OpenAI写道，自动化可以很简单，例如生成每周竞争更新，也可以很复杂，例如为每周高管简报创建财务报告。他们关注的其他一些自动化用例包括：在营销方面，例如为会议记录构建Slack更新摘要。

在产品方面，它是在总结和分享每周客户见解。在财务方面，它是在将每周财务数据转换为高管概述。在IT方面，它是在将您的软件架构上传为屏幕截图，并询问关键依赖项、风险和优化机会。那么这在代理世界中会走向何方呢？

好吧，再一次，这是一个代理真正开始上线的领域。我认为它们并不像深度研究那样熟练，深度研究确实在它所做的事情上非常出色。但是您开始看到像Operator这样的网络使用代理模仿人类的点击和击键来执行多步骤工作流程。

您看到组织尝试使用这些工具的地方是在采购、旅行预订、CRM更新等领域。虽然截至本次录制，这些事情仍然有点不成熟，但我认为在未来12个月内，很多事情都将变得完全理所当然。

再一次，如果发生这种情况的部分方式不是可以做很多事情的单个代理，而是擅长非常具体的事情的单个代理一起协同工作，我也不会感到惊讶。因此，不要考虑网络参与者代理，而是考虑网络参与者群体。一个用于处理发票和费用报告的表单填写代理。一个用于同步会议记录和后续任务的CRM更新代理。一个可以解决冲突、要求澄清含糊不清的字段并执行诸如为以后审核时间戳记每个操作之类的协调代理。

现在，我认为这在第二个阶段会导致更广泛的编排层。想象一下一个车队经理，它会生成专门的代理来监控SLA，将边缘案例交给人类，最终在最远的阶段，导致整个自主业务部门。可以结账的财务代理，可以谈判合同的供应链代理——

运行持续脉冲调查和个性化学习与发展的HR代理。再次强调，这里稳定的途径就像我们今年与微软的工作趋势指数讨论的那样。从我们现在的位置，即人类与副驾驶和助手合作，到未来，每个人都是代理老板，管理着以复杂的方式一起运作以执行全面战略优先级的群体或代理大军。

那么是什么促成了所有这些加速呢？一个是内存的改进。代理记住的偏好和过去的上下文越多，这些代理就越有能力。第二个是工具使用框架的改进，对数千个SaaS端点甚至物联网设备、机器人的功能调用。这些将极大地扩展功能。您将看到大量感觉像是基础设施代理的东西，例如内置的任务调度程序、可以审查和审核事物或根据安全或成本对其进行查看的策略引擎。

并允许组织更自信地启动代理。然后，当然，我们将拥有协调协议，这些协议允许专家将子任务委托给同行，其方式类似于真实的团队。现在，这不会在一夜之间发生，但它正在发生。我认为如果我有一个简短的总结……

那就是，教您的团队这六个用例基元虽然很有价值，但您不仅需要考虑他们今天如何使用助手和LLM，还需要考虑他们将来如何管理在其角色中管理代理。不过，就目前而言，这就是今天的AI每日简报的全部内容。一如既往地感谢您的收听或观看。直到下次，再见。