跨知识领域的学习和协作

周末把蛋解创业创始人耿伟的短视频相关课程学完，更明确我们在AI提效的具体业务模块上，缺的不是技术，还是对业务的深入理解。

4个小时的分享课程，把短视频结构化拆解，以及从平台角度把视频以素材、原生素材和内容做区分，澄清三者之间在平台上的关系、流量池；每一种视频再进一步拆解，详细到黄金3秒、合理数量的营销点，设计钩子等结构化方案；再到说人话，带入情绪，代入环境等优化方案，算是在短时间内粗浅的走了一圈短视频营销的框架。

耿伟在分享过程中说了很多务实的操作，简单一个字“抄”，深入来说是“保留题材”，“拆解”或“更换”路径。

而真的要和AI去结合，不能只是看各个云厂上的案例，以及默认模式下的视频理解，这样拿不到在视频素材转换为AI生产领域上的结果。存在这几个关键要素的攻略： 【OK】获取优质素材、原生素材和内容，可以通过购买数据平台的账号下载获得； 【缺失业务&技术整合】技术拆解视频画面，口播内容；结构化分析； 【缺失业务&技术整合】基于我们自身的产品特性和内容，改造结构，保留题材，不保留内容，重新生成口播； 【技术不完善，人力投入占比依旧较高】重新生成内容。

进一步分析，效能AI小组只有线上听来的知识框架，而在实践过程中，需要找到对应有经验的人辅助和反馈，以及基于业务状况来改造，这样才能行迭代的循环。

整个过程和自己一开始的认知【AI什么都知道，直接分析出结果就可以】，转变为【优先梳理出工作流，搭建内容的基础框架，再评估各个工作流环节中，AI可以提升效率的部分占比】。

思路的转变，与年初觉得AI能力很强，我们可能可以跳过数据整理，构建流水线，构建数据集合等步骤，直接大跃进到直接出结果，拉回现实，基本功是不能落下的。

上半年因为DeepSeek持续降本，使得AI在成本上一直处于免费或者极低费用，因此而引发了进一步的创新和业务发展，所有的行业都值得用AI试一试；在如AI程序开发的领域，工程化相对完善和成熟，在AI客服领域，服务模式、内容固定和重复，都是这两个领域被AI优先覆盖的要素。

而下半年开始，模型的大厂基本还没有交出比较亮眼的卷子，而智能体方面toC的业务不死不活，toB的业务需要基于企业需求定制适配，需要耐心和投入时间。

回到公司发展自身，接下来AI的发展业务出了聚焦有固定业务模式和工程化明显领域，还需要增加一个前置的AI评估环节，不做点状评估，需要先做到线状的流水线评估，以及寻找具备专业知识的人去交流和学习，再反哺到业务中。