来源 / ToB行业头条 （ID：wwwqifu）
作者 / 晓晓 · 受访者 / Convertlab 联合创始人兼COO王琤
市场营销技术（MarTech）和人工智能（AI）的发展结合趋势，已经到了不可忽视的地步。随着以ChatGPT为代表的AI大模型技术与应用不断涌现，企业可以在短时间内生成大量高质量的文本、图像和视频等内容，为MarTech提供更加丰富多样的素材与创意。然而，「生成式AI」并不是MarTech意欲结合进化的尽头，很少被提起的「合成式AI」才是今天AI技术与应用更大的价值所在。为了回答：在AI影响下的MarTech会如何进化？「ToB行业头条」邀请到国内一体化营销云供应商Convertlab联合创始人兼首席运营官王琤，希望从他的视角去找到这个终极命题的回答。
人工智能迎浪潮高峰
人工智能由来已久，得益于算法、数据和算力三方面共同的进展，人工智能从1956年发展至今，经历了三次浪潮，而ChatGPT的出现，使它正身处第三个发展浪潮的高峰期。
此时的AI给人们日常生活体验带来了空前震撼，加上“大力出奇迹”的空前投入，使得这种叫语言类的大模型技术（Large Language Model）规模也是空前巨大。如果用模型参数量作为一个指标去衡量，GPT 3到GPT 4大概会是千亿到万亿，再到十万亿级别的一个提升。另外，GPT模型是需要预训练的，训练一次GPT 3大概需要1万张GPU这样的卡组成一个特别大的计算集群，30 天才能做完一次训练，而且花费不菲（成本约1200万美金），因此这个事情只有少数公司才能做。
对企业来说，ChatGPT背后的AI技术模型（LLM/大语言模型）新闻也是层出不穷。比对国内外第三方的大模型评测榜单，我们会发现，目前ChatGPT 4/ChatGPT 3.5依旧排名最高，这说明它的竞争非常踊跃。在未来，开源和闭源的大模型会互相占有一定的市场份额，我们会有很多选择，竞争也会非常激烈。据Y Combinator中国创始人兼CEO陆奇硅谷演讲表示，ChatGPT的出现令我们步入了一个新的「范式切换」时代，而且正在范式切换的过程中。
上一个「范式切换」是1995到1996年的互联网，它解决了一个范式叫Information Everywhere（信息无处不在）。我们基本不用离家，只要打开电脑就可以获取到全世界的信息。1996年之后，该范式确立且被大家普遍接受，随后新的做法层出不穷。时至2022到2023年，以Open AI的ChatGPT为代表产生了一个新的范式切换，叫KnowledgeEverywhere（知识无处不在/超低成本知识获得），就是我们问一下ChatGPT，它的答案不是信息，而是知识。这个切换我们现在还没完成，大家也都还没进入新常态，都还在切换过程中，因此，谁能在这个切换过程中早一点摸清何为新常态，就有机会占得有利先机。
ChatGPT4更像AGI的雏形
人工智能发展的终极态势是，它应该具有意识上的一个自制能力与自我行动。如今，行业共识了技术的线性演进已经到了「范式切换」过程，这肯定会带来很多颠覆性的和底层一些逻辑的改变。一开始大家都比较喜欢AIGC（Artificial Intelligenc Genarative Content/人工智能生成式内容），即通过人工智能来产生内容，用一种非常聪明的方式产生文字理论、语言理论。但这个语言里面包含了太多可能性，还没有达到AGI（Artificial General Intelligence/通用人工智能），行业内也有很多人觉得再发展下去会有很大的可能性诞生。我个人也认同的一个观点是，ChatGPT4还没有成为通用人工智能，它更像是AGI的一个雏形。它会有新的能力不断涌现，从GPT 3开始，包括GPT 4都已经获得了一些推理能力，而且它发生得让人类无法解释。整个AI行业还是会继续发展，从大练模型到专注练模型，现在再到大量打磨形式阶段，很多公司也还在投很多钱来做这些。以Agent GPT举例，我给它写一句话，“我要出版一本有关火星的科幻小说”，然后它居然会不停思考、罗列提纲、设计角色，甚至去查询火星的环境信息……，某种程度上，它就代表了一个通用人工智能雏形的一种表现形式。通过这个形式，我们需要思考，它对我们的工作意味着什么，我们真的会失业吗……
AI大模型对基于“专业技术能力” 工作的冲击和颠覆如上图所示，我们从下向上看，Open AI、百度等做基础大模型的企业像是在培养大学生，这使得一个具有通识能力的大学生水平的「数字化员工」可以以非常低的成本来提供，但其实这种通识能力在工作中并不太足够。因此再向上一层，很多类似职业培训机构的企业会集中在这，把通用大模型这个有通识能力的大学生培养成一个个职业角色。比如定位对标内容营销岗位的国外软件Jasper，它基本上可以写与市场工作相关的大部分基础文案，包含Twitter的post/Instagram/Blog等等，在通识能力上加入专业技能，这样的应用已经非常多。再向上一层还有一个问题，如果AI应用不知道企业情况，它就不能解决有些企业的问题，此时每个企业就会开始去获得懂自己业务的AI职能。在此之后，我们的工作会发生三个阶段的变化（如下图）。
第一种叫AI Embedded（嵌入）模式。就是说原来的任务流不变，我们按部就班地执行，在中间的某个环节自己不做了，交给AI。比如写短信或图文，标题会影响到文章打开率，感觉自己写不好的时候，就可以跟ChatGPT说出写文案的目的，让它帮忙想几个引人入胜的标题。第二种叫AI Copilot（副驾驶）模式。微软office365有个广告提出了Copilot模式，就是在保持原来任务流顺序的情况下，AI提供一个捷径，一下子执行掉全部的任务流，且全过程透明，我们可以在中间任何一步去干预它。第三种就是AI Agent（代理/托管）模式，这是会让很多人顾虑的一种模式。就是我们不用管任务怎么被执行，全交给AI去做。但从大模型技术的现状、特点和限制来看，这种模式目前还不存在，或者说还不可靠，很多行业也都还在解决安全可靠的问题，所以它还没有到完全可以离开人控制的那一步。我个人比较认可且更推荐Copilot模式，因为它会同时在安全可靠和效率之间获得一个平衡。人与AI其实是一个搭档关系，它并不是谁取代谁，而是一起完成一个任务。最终的控制权在人手上，但没有Copilot会变得低效甚至完不成任务。Copilot模式会在未来1到2年成为主流，我们应该主动学习与AI协作，成为一个合格的pilot，升级为“超级个体”。每个公司也都会有意愿培养每一个员工尽快成为“超级个体”，企业整体的”AI Copilot化”程度最终会成为新的竞争力。
「合成式AI」助MarTech进化
目前AI的很多应用被我们称为「生成式AI」，而「合成式AI」很少被提起，但「合成式AI」才是今天AI技术在MarTech领域可以发挥出更大的技能价值所在，将二者结合后，我们只需要告诉「合成式AI」一些信息，它就会帮我们做出数据洞察/决策判断，甚至来驱动特定工作流。
如上图所示，在市场营销的工作中，我们将AI Copilot与这一次的AI大模型技术相结合，可以把这些任务从原来的数字化水平进化到自动化水平，或者把原来已经自动化的水平进化到超自动化水平。当所有AI Copilot布置完毕，就会有80%的工作进入AI或以一种Copilot的合作模式来完成，进而进化出很多人梦寐以求的“Growth Automation”模式。回到职业层面，不仅仅是MarTech从业者/市场营销人，ChatGPT背后的这种AI大模型技术可能会对大部分的智力型、知识型工作（脑力劳动）岗位产生很大影响，而且是颠覆性的。它把知识能力进行技术普遍化，使得任何人都有可能通过AI去获得最基础的通用能力，而成本几乎接近于0。但目前AI还不会取代绝大部分的脑力劳动岗位，但如果有一个人无法驾驭或采用AI结合自己的工作，那么他会面临这方面工作能力缺失带来的竞争力下降，换句话说，就是他不是不如AI，他是不如另外一个会应用AI的人。作为一个新兴事物，所有人对ChatGPT的应用都还在摸索阶段，作为MarTech从业者/市场营销人应该多实践，但在实践之前应该有所认知，定位准确，并不是说我要比AI厉害我才不会失去竞争力，你应该和人比谁更懂得应用AI，把AI如何更好地与自己结合起来。在整个过程中，打破原有的工作方法和思维认知，这才更具挑战。比如在你熟悉的工作中，你会因为原来就得心应手，便不会去问别人或者AI就马上开始做，现在你可能要养成一个问一下ChatGPT的习惯，AI有可能会告诉你一些你以前没有想到的点，新的思维和工作习惯会更进一步提升竞争力。所以，能否有效地跟AI协作将成为核心竞争力，这会是一个趋势，这种核心竞争力有可能拉大人和人之间的效率差距。MarTech企业也需要将AI先打造成一个专才，相当于为一个有了knowledge的大脑匹配出对应的手脚。由此，再看MarTech领域，在工具层面和垂直领域经验积累方面有竞争力的公司，在下一步才会更有竞争力。
结语
比肩互联网时代开启，具有巨大意义的一个真正的AI时代已然来临。拥抱新技术，掌握新技能的趋势无法阻挡。不要忧虑，尽享当下，我们应对自己还有能力抱有信念，也应该跳出现有生活与工作的固定模式，用新范式去看待事物的变化，进而找到更优的工作和生活模式。
