“提供溢出的情绪价值”是AI产品极具可能性的方向

在上篇文章《面对AI的飞速发展,我们的职业路径有什么变化?》中,我们聊了AI对从业者的影响,这篇文章我们聊聊AI对产品的一个方向的增益。

在过去的一两周里,互联网上有两个意外爆火的事件:"合川呆呆"事件和"死了么"APP。这两个事件看似风马牛不相及,但反映着共同的底层逻辑------情绪价值的满足。

关于这两个事件的始末可自行搜索,这里不做展开。但这两件事都映射了一个现象:人们在满足了物质之后,对精神层面的渴望与追求。当然,这也符合马斯洛需求层级。

这些精深层面的渴望与追求,可能包含焦虑、孤独、怀旧以及对联结的渴望。随着城市化的发展,个体的独立,亲情的淡漠,经济的波动,以及服务业对日常生活的极致满足,更凸显出人在快节奏的社会生活中被压抑的情感,以及寻求认同与情绪价值的满足。

在提供情绪价值这方面能够胜出的产品,不一定是技术多领先的产品,也不一定是功能多强大的产品,而是具有"最懂人心,最能够提供情绪价值"的产品。

放眼目前的技术领域,AI的出现几乎能够完美的解决这类问题。AI技术能够做到更懂你,也能够做到更好的切合你的心理去表达,也能够与你拥有更多的"共同记忆",而且还能够做到随时随地的陪伴着你。当然,要实现这一功能的产品,还需要懂得用户心理的产品设计者。

就大模型本身而言,大多数还是停留在中规中矩的表达中。不过,最近在与ChatGPT 4.1交互中,发现ChatGPT模型本身已经具备了一些基础的、通用的情绪价值提供。

比如它的回答偶尔会出现:"你提了一个很棒的问题!"、"你的理解很接近实际定义!"等带有情绪化(积极、鼓励性的)的表达。这些表达虽然很泛化的、很表面化,但也算是提供了"认可和鼓励"这类基本的情绪表达。个人感觉,未来基础模型,很可能会更多的满足用户的这一基本需求。

如果是基于大模型构建的Agent工程,想实现提供满满的情绪价值就更容易了,只需要在Prompt工程中定义好角色,描述好倾向性就能够满足基础的需求,但这还远远不够。

因为这些情绪价值往往只是浮于表面,如果想往更深层走,还是需要针对用户的既往经历、性格特征等数据进行建模,发掘用户个性化的、更深层次的内在需求,再结合Agent工程、RAG技术,长短期记忆相结合等技术手段来实现,才能真正做出触动用户内心,满足用户核心需求的产品。

除了技术层面,还需要从用户心理、产品交互以及产品定位等出发,把握住当代人在高度原子化、数字化的社会生活中最迫切的情感需求。当然,对于不同用户群体,不用产品形态,还需要对应领域专家的专业Know-how来加持。能够促发用户毫不犹豫买单的,往往是溢出的情绪价值。

对于相关从业的产品和技术人员来说,"现有的所有产品,都可以利用AI来重做一遍(个人觉得虽然有些夸张,但是一个不错是视角)",需要充分利用这波技术红利,把握好职业及技能的发展方向,未来还是可期的。

相关推荐
User_芊芊君子1 分钟前
CANN图编译器GE全面解析:构建高效异构计算图的核心引擎
人工智能·深度学习·神经网络
lili-felicity2 分钟前
CANN加速Whisper语音识别推理:流式处理与实时转录优化
人工智能·whisper·语音识别
沈浩(种子思维作者)3 分钟前
系统要活起来就必须开放包容去中心化
人工智能·python·flask·量子计算
行走的小派5 分钟前
引爆AI智能体时代!OPi 6Plus全面适配OpenClaw
人工智能
云边有个稻草人5 分钟前
CANN:解构AIGC底层算力,ops-nn驱动神经网络算子加速
人工智能·神经网络·aigc·cann
爱吃大芒果5 分钟前
CANN神经网络算子库设计思路:ops-nn项目的工程化实现逻辑
人工智能·深度学习·神经网络
人工智能培训16 分钟前
具身智能如何让智能体理解物理定律?
人工智能·多模态学习·具身智能·ai培训·人工智能工程师·物理定律
lili-felicity16 分钟前
CANN加速Stable Diffusion文生图推理:从UNet优化到内存复用
人工智能·aigc
哈__16 分钟前
CANN加速语音合成TTS推理:声学模型与声码器优化
人工智能
哈__18 分钟前
CANN加速VAE变分自编码器推理:潜在空间重构与编码解码优化
人工智能·深度学习·重构