内容摘要
本视频是"人人皆可用的生成式 AI"课程第三周第四讲，直接延续上一讲"自动化带来的价值不只是省钱"的结尾思路。吴恩达通过外科医生、律师（复杂合同与简单 NDA 两种场景）、营销人员三个案例，深入展示了 GenAI 如何触发业务流程重构（Workflow Redesign），最终带来远超成本节省的增长机会。视频还引入了一个常被忽视的新分析框架：不只分析员工任务，还要分析客户任务——后者有时能直接催生全新的产品或服务形态。
核心观点
-
外科医生案例：GenAI（RAG）缩短术前研究时间，但手术本身不变
外科医生在手术前需要花大量时间研究医学程序和患者具体情况，然后才能进入手术室。如果 GenAI（配合定制化 RAG 工具）能加速这一研究环节，术前研究所需的时间和精力就能缩短，但手术执行本身不受影响。这展示了 GenAI 在"研究-执行"型工作中的典型切入点：主要压缩前期准备环节。 -
律师审查复杂合同：流程压缩 + 增加人工核查节点
无 GenAI 时：收集客户信息 → 审查文件 → 向客户反馈；有 GenAI 时：收集信息阶段不变，审查阶段可以缩短，反馈阶段也可能更高效。但在实际落地中，企业往往会在 GenAI 审查完成后插入一个快速人工核查节点，确保 GenAI 的输出全面且正确，再与客户沟通。 -
律师审查简单合同（如 NDA）：流程更激进重构，释放 A/B 测试能力
对于标准化程度更高的简单合同（如保密协议），GenAI 的潜力更大：文件审查大幅加快，GenAI 自动生成问题摘要文件发给客户，客户反馈环节也因此更高效。整个流程的每个环节都因 GenAI 的引入而加速。 -
营销人员案例：效率提升 → 流程重构 → A/B 测试 → 数据驱动增长
这是本讲最精彩的案例，展示了流程重构的完整逻辑链：- 第一步：GenAI 显著加速网站文案撰写
- 第二步：文案高效后，投入精力让网站推送流程也更高效
- 第三步：由于撰写和推送都极高效，开始进行 A/B 测试（两个版本）
- 第四步：进一步升级为四个版本同时测试
- 第五步：大量收集数据后，花时间系统分析营销效果，优化提示词，形成反馈闭环
- 结果：营销人员不只是更高效地完成了原来的工作，而是能够交付质量更高、数据驱动的营销活动——这是真正意义上的增长机会。
-
第二个分析框架：分析客户任务，而非只分析员工任务
吴恩达提出一个常被忽视但很有价值的分析视角：不只看"你的员工在做哪些任务"，还要看"你的客户在做哪些任务"。以网站建设工具为例，客户任务包括：选模板 → 写标题 → 选图片 → 写主页文案 → SEO 优化。分析这些客户任务的 GenAI 潜力（比如标题撰写和 SEO 优化），可能催生与以往截然不同的产品或服务形态，从而创造更多满意客户，进而实现增长。
关键收获
💡 收获 1：GenAI 对业务流程的最大贡献是"重构"，而非"加速"
本讲三个案例共同揭示了一条规律：当某个环节被 GenAI 大幅提速后，整个流程的瓶颈会转移到其他环节，促使人们重新设计整个流程。这种"流程再工程"往往比单纯提速原有流程创造更多价值——因为它改变了业务能做什么，而不只是原来的事情做得更快。
💡 收获 2：营销人员案例是理解"效率→重构→增长"逻辑链的最佳范本
效率 → A/B 测试 → 多版本并行测试 → 数据收集 → 系统分析 → 优化提示词 → 更优质的营销活动。这条链条清楚地展示了为什么 GenAI 的商业价值不能只用"节省了多少工时"来衡量——在流程重构后，营销人员能做之前根本无法做的事情（同时运行四个版本的 A/B 测试），这才是真正的增长引擎。
💡 收获 3：在 GenAI 流程中插入"快速人工核查节点"是降低风险的最佳实践
律师案例提到了在 GenAI 完成初稿审查后增加一个"快速人工核查"步骤的设计。这与上周讲到的"辅助→自动化渐进路径"一脉相承：不是绕开人类，而是将人类的角色从"全程执行者"转变为"关键验证者"，在保留质量控制的同时大幅提升整体效率。
💡 收获 4：分析客户任务是被大多数企业忽略的 GenAI 机会矿藏
大多数企业的 AI 战略聚焦于内部运营效率——即员工任务的优化。但吴恩达的框架提醒我们：客户任务的分析同样重要，有时更重要。因为帮助客户完成他们的任务，是直接创造客户价值的路径，这往往能带来产品层面的创新，而不只是运营效率的提升。
重要引述
"When one task is automated or augmented, it often makes sense to rethink what are the other tasks that need to be done together in order to deliver a valuable work product."
（当一个任务被自动化或增强时，重新思考还需要完成哪些其他任务才能交付有价值的工作成果，往往是很有意义的。）
"Even though it seems like generative AI can be used just for cost savings to help the marketer be much more efficient in the process of writing and pushing copy, we can also take advantage of this efficiency in a totally different way."
（即使看起来生成式 AI 只是用于节省成本，帮助营销人员在撰写和推送文案方面更高效，我们也可以用一种完全不同的方式来利用这种效率。）
"Rather than analyzing employees' tasks, consider also analyzing the tasks of your customers."
（除了分析员工的任务之外，也考虑分析你的客户的任务。）
"This framework for analysis and brainstorming can sometimes lead companies to build very different products or services to deliver to customers — and this can be another recipe for getting lots of happy customers and therefore pursuing growth for your business."
（这个分析和头脑风暴框架有时能引导公司构建截然不同的产品或服务来交付给客户——这可以成为获得大量满意客户、进而实现业务增长的另一个配方。）
总体结论
本讲是"GenAI 商业价值"系列的核心视频之一，将"自动化≠省钱"的抽象命题具体化为三个鲜活的案例。核心结论是：GenAI 最大的商业价值不在于加速现有流程，而在于触发流程重构，使企业能够做以前根本不可能做的事情。外科医生案例展示了研究环节的压缩；律师案例展示了人机协作新节点的引入；营销人员案例则展示了从"单次执行"到"多版本数据驱动测试"的完整业务模式升级。此外，吴恩达引入的"客户任务分析"框架，进一步扩展了企业寻找 GenAI 机会的视野——从内部效率优化延伸到产品/服务创新。这两个框架（员工任务+客户任务）共同构成了企业 GenAI 战略制定的完整工具箱。
逐字稿（中文翻译）
生成式 AI 带来的不只是成本节省，还有收入增长——它有很多路径可以做到这一点。通用目的技术如生成式 AI 创造价值的方式实在太多，难以穷举，但在这个视频中，我想重点看看我正在看到的、通向这类增长的几种新兴的或更常见的路径。
让我们考虑一个假设性的例子：一位外科医生准备并执行一台外科手术。没有生成式 AI 工具时，他们可能需要花费很长时间做背景研究，了解医学程序以及如何在特定患者的情况下实施，然后才能走进手术室执行手术。如果生成式 AI——也许配合定制化的 RAG（检索增强生成）工具——能帮助完成这项工作中的研究部分，那么深入研究医学程序所需的时间和精力或许就能压缩，然后他们仍然需要去执行手术。这将是一个生成式 AI 假设性地帮助外科医生的例子——或者某些需要先做研究再执行任务的工作岗位——这个示意图展示了工作流程或所需努力可能如何改变。
让我们看第二个例子：一位律师审查复杂的法律文件，在没有生成式 AI 的情况下，可能首先需要从客户处收集信息——也就是坐下来与客户深入了解：这份合同的目的是什么？签署方是谁？关键业务条款是什么？然后他们可能审查文件，最后坐下来向客户提供反馈。有了生成式 AI，也许收集信息的工作量与以前大致相同，但如果生成式 AI 能帮助通读文件，也许这一步骤可以缩短；然后律师可能仍然需要坐下来向客户提供详细反馈。同样，这是一个基于我所见到的企业做法的假设性例子，但你的工作流程细节可能有所不同。
与之形成对比的是，审查简单法律文件（相对于复杂法律文件）的工作流程变化可能是这样的：对于相对简单的法律文件，比如典型的保密协议（NDA），可能没有太多信息需要收集，律师可以直接审查文件，然后向客户提供反馈。有了生成式 AI，文件审查可能会大幅加快；如果我们用生成式 AI 创建一份总结问题的文件，律师可以将其发给客户，并与客户更高效地讨论，那么向客户提供反馈的过程也可能变得更高效。我看到的情况是，企业可能会探索构建这样一个系统，但在构建完成后，可能会决定进一步改变工作流程——在文件审查之后，增加一个额外的快速人工核查步骤，以双重检查生成式 AI 对文件的描述是否全面和正确，然后再由生成式 AI 和律师共同完成向客户提供反馈的最后一步。这种工作流程再工程在将生成式 AI 或其他 AI 工具嵌入系统后非常普遍，因为当一项任务被自动化或增强时，重新思考还需要完成哪些其他任务才能交付有价值的工作成果——比如一台手术操作或一份法律文件审查——往往是很有意义的。
让我们看第三个例子，在这个例子中，工作流程的重新设计可以变得更加复杂。如果一位营销人员需要为网站撰写文案，这通常非常耗时，需要大量思考；然后将新的网站文案推送到网站——这就是营销人员推广新产品的方式。但有了生成式 AI 工具，假设营销人员找到了一种方法来显著加速并提高撰写网站文案的效率；一旦撰写网站文案如此高效，可能也值得投入更好的流程和软件，使推送网站的工作更高效。我们可以在这里止步——如果这样做，我们只是得到了一个比以前更高效地完成工作的营销人员。但现在，既然我们能够非常高效地撰写文案并推送网站，我们可以这样重新设计工作流程：当营销人员想要推广一款新产品时，他们可以撰写一些文案，推送到网站，然后撰写一个文案的不同变体，将第二个版本推送到网站，从而开始进行 A/B 测试——你现在可以有两个不同版本的网站文案，并开始衡量哪个效果更好。事实上，与其只测试两个版本，如果我们在撰写和推送文案方面都如此高效，也许我们现在可以生成四个不同版本，不只是测试两个，而是测试四个版本；在收集了所有四个版本网站文案表现的数据之后，我们可能会花相当长的时间来系统分析营销活动的表现，看看哪种网站文案效果最好，然后基于这种理解，回过头来进一步改进网站文案——也许通过改进我们用来生成那些文案的提示词。因此，在这个例子中，即使看起来生成式 AI 只是用于节省成本——帮助营销人员在撰写和推送文案方面更高效——我们也可以用一种完全不同的方式来利用这种效率：撰写、推送并测试更多版本的网站文案，这也带来了营销人员工作流程的其他变化，使营销人员希望能够交付更具吸引力的营销活动。
在这个视频中，我们看到了生成式 AI 不只是节省成本，而是通过新型服务或产品带来显著增长的几种方式。除了通过分析员工完成的任务来寻找增长机会之外，还有另一个我发现很有用的分析框架——坦率地说，今天这样做的还不多，但对你的工作可能值得考虑——那就是：不只分析员工的任务，也要分析你的客户的任务。例如，假设你提供一种帮助客户建立网站的产品或服务，那么我建议你考虑列出你的客户需要完成哪些任务——不是你的员工需要做的任务，而是你的客户需要做的任务。在这个案例中，也许你的客户需要首先选择网站模板来确定初始设计，然后撰写网站标题，选择图片，为主页撰写文案，然后优化文案以进行搜索引擎优化（SEO），使其通过搜索引擎容易被发现，也许还有其他任务。如果你分析这些客户任务的生成式 AI 潜力，你可能也会发现一些机会——在这个案例中，撰写标题和 SEO 优化是生成式 AI 可以帮助你的客户的地方。我发现这种分析和头脑风暴框架有时能引导公司构建截然不同的产品或服务来交付给客户，这可以成为获得大量满意客户、进而实现业务增长的另一个配方。
因此，生成式 AI 创造价值并带来增长的方式很多。在头脑风暴框架方面，我发现分析如何自动化或增强员工的任务，或最终增强客户的任务，是思考如何创造这种价值的有用方式。但如果你有一个并非通过这些头脑风暴框架得出的想法，那也很好，我希望你也去探索和构建那些想法。
现在，在有了如何在业务中使用生成式 AI 的想法之后，有些可以通过网页用户界面来完成，但有些可能需要构建定制化的软件应用。在下一个视频中，我们将看看常见的团队结构以及构建生成式 AI 软件应用的一些最佳实践。好消息——这也是我在第一周有所提及的——生成式 AI 与之前的 AI 技术相比，允许非常高效地构建 AI 应用，所需的资源可能比你想象的要少。让我们在下一个视频中来看看吧！
本文档根据视频字幕整理翻译，内容为 DeepLearning.AI "Generative AI for Everyone" 课程第三周第四讲。
新工作流与新机会
下载 MP3