AI不是一个行业，而是一种底层技术。
这是我前两天在网上看到的一句话，对此我特别认同——不是AI加某些行业，而是每个行业都需要AI的接入。
上周又有同学表达想离职换工作，从而切换到AI赛道，全力拥抱所谓的新浪潮，我询问为何非要离开现有公司才能拥抱AI呢？
他说他们是传统互联网领域，只是现在按部就班地做toB业务，压根没有接入AI应用的迹象，小环境不利于学习AI、拥抱AI，这就会变成野路子而非科班。
在我看来，大可不必。
因为AI其实也是这两年火热起来的，所谓的AI专家又有几个是科班出身呢？他们很多都是通过自己学习、分享逐步在某个小领域赛道破圈儿的。
所以，出身下线不决定发展上线。
事实上，我看到很多文科生用AI做出非常棒的应用，他们甚至不在互联网公司，属于更传统的领域，不一样也能成长为AI专家么？
归根结底，AI是服务于人的，看你怎么用，最重要的、最稀缺的依然是场景，而利好产品经理的是：我们天然更擅长洞察场景、以及为场景寻找普适性——当然，这或许也是新AI时代对产品经理的新要求。
比如，最近公司内部某业务团队要立项做个新项目，属于新业务领域，市场竞争的信息比较少，只知道几个竞争对手的公司名称，时间又紧张，也没有太多时间做特别细的市场调研。
于是，他们求助我们，如何从0-1高效做「竞对分析」呢？
这一次，我们决定用AI来帮助我们提效：
我就用coze搭建了一个智能体，只需要输入公司名称，便能获取同类竞争对手的公司信息、产品信息等，可以做初步信息了解。
同事A则用AI编程写了一个把文字转成汇报风格的应用，方便把竞对的信息转变成可视化的汇报样式，更有利于拉起大家的信息。
同事B则更牛逼，他刚好学习了下钉钉的多维表格，直接用多维表格的AI字段对竞对逐一做了更细的分析。
你看，这就是典型的场景驱动AI价值的落地。
昨天下班后，几个AI小分队成员来我的第二空间交流，中间我演示了下我们几个用AI做竞品分析的思路，大家也挺受启发。
其实实现并不复杂，我反而觉得对场景的敏感意识、以及对用AI实现场景需求的敏感更可贵！
图-↑ 简单小应用、生成效果图
简单分享下用coze搭建这个「竞品分析」应用的思路，其实很简单：
第一步：需求分析
因为是新场景，而且只是希望新初步调研，只是为了获取基础的大面上的信息就行，所以抽象一下需求：输入已知的公司名称，直接输出大概的竞对信息即可。
这里要多说一句，很多时候我们在把业务需求转化为产品需求时，要先通过调研来理解业务，不是简单地听业务人员描述，抽象是最重要的产品能力之一。
第二步：编排工作流
其实coze的搭建并不复杂，工作流是核心基础。
当然，工作流搭建也不是很复杂，尤其是现在也有很多插件可用，基本能满足我们的日常需求。
这个工作流的思路是：
1️⃣根据用户输入的信息（公司名称）调用网页搜索插件，对该公司做整体的信息分析，尤其是其业务领域、产品形态等。
这些用插件就能自动完成，这里我用的是bingWebSearchLight。
2️⃣根据插件的分析数据情况，投喂给大模型，由大模型给出5个竞争对手的公司名称，并把这些竞争对手的名称以变量的形式来输出。
这里其实很重要，一开始我是让大模型一口气输出5个竞对信息，只是一个变量，但在下一个节点调用网页深度搜索时则只能输出第一个公司的信息。
你看，产品设计都是由问题来驱动迭代出来的。
3️⃣再之后，把5个变量信息分别传递给各自的网页深度搜索插件，该插件就能把各个公司名称做深度搜索，返回完整信息。
这个节点的关键在于，对每个竞争对手公司都需要深度搜索网页信息，通过读取网页信息资源，从而获取丰富的公司信息。
4️⃣接着，把各个插件生成的信息输入给下一个大模型节点，由大模型做归纳总结，从而形成易读性的信息。
因为插件输出的信息太杂、太乱，我们还是用大模型对所需要的信息做一层过滤，让其结构化输出你所关注的信息即可，如，业务重点、产品形态、公司发展方向等。
当然，这里的关键其实是要写好大模型的提示词，提示词越好，输出结果越精准。
5️⃣最后，因为这里搭建的一个可视化的应用，所以咱们还需要在结束节点把公司名称变量、输出结果变量统一输出，以方便界面引用这些变量信息。
当然，这个项目其实不复杂，用coze搭建过应用的同学肯定一眼就能看明白，不过，我不只是想和大家分享这个案例的搭建过程，更多的是基于需求场景来培养用AI解决问题的思路。
事实上，AI当下对产品提效最大的价值就在于此，我甚至看到不少同学已经在用AI编程来取代原型设计，或许打败Axure的不是传统的墨刀、figma，而是另一个赛道怪兽——AI编程。
重要的永远是insight，永远是对场景的理解深度，以及落地的能力。
本文由公众号“AI产品大峡谷”授权AI产品之家转载，原文连接： https://mp.weixin.qq.com/s/texKvmrtokK5et70-Vld3g