市場部：不要為AI過度焦慮

在AI急風驟雨的這半年，現實存在巨大的認知偏差，包括：

某些機構為了推廣自己所謂AI工具，比如工作流或者套殼軟件，故意把AI往復雜化引導。

從提示詞、智能體到矩陣到各種skill、各種自定義的AI工具，從而人為制造出使用門檻；部分自媒體博主也在有意無意強化這一點。

甲乙方邏輯不同，乙方更多交付策劃、方案、資料包和素材，而甲方直接對業務最終結果負責，所以二者使用AI的側重點不同。

但市面上大部分營銷相關的AI課程，總是在教你拆爆文和做方案。

工種之間的信息傳遞，第一批AI高手基本是產研技術出身，本身和非技術工種之間的語言、表達就存在門檻，疊加AI工具的操作技巧，就容易讓技術小白們覺得「非常難」。

舉個例子，我們想在工區內實現codex自動調取內部數據庫。

當時研發寫了一個「小白友好」的文檔，但還是有終端的代碼復制操作，純小白仍然容易出錯。

但實際上，和codex說一句：「實現內部數據庫NBI調取」，它就能跑通這個路徑，中間需要若干授權（點點點）即可。

從我們近期的調研看，互聯網公司和傳統公司確實還存在一些差距，尤其是非研發類崗位。

前者基本都在用agent，后者大部分可能還停留在chatbot階段。

說實話，很多時候，并不是 AI 本身復雜，而是人的固有認知、舊習慣，以及一部分商業目的和利益，把它包裝得越來越復雜。

在我們做一些AI coding探索和自動化工作流的過程中，結合貓客廳嘉賓分享的輸入，給大家分享一些我們的洞察：

1、模型

如果這篇文章僅提供一個建議，那就是，如果預算有限，那就是把錢花在最好的大模型上，而非任何課程、工具。

當你用了gpt5.5+，就會發現「產出不及預期」的情況會明顯減少，而深度思考能力帶來的驚喜無限多。

「如果你買了最好的模型，因為心疼錢，就會不斷逼自己使勁用，從而快速提升自己能力」——by 我老板

2、語料庫

普通 chatbot 很難持續、系統地吃進你的長期語料；而 agent 更適合基于本地資料、項目文件和歷史沉淀來工作。

簡單來說，agent掌握你的本地語料庫——語料庫越豐富、邏輯越清晰，越能讓其快速學習，更了解你， 產出更符合你的需求。

比如周六貓客廳的分享中，老師講了一個方法：讓codex的項目和obsidian同時在一個文件夾工作，把本地文件夾系統整理后形成codex每個項目的工作語料庫。

3、溝通能力

我說的是溝通能力而并不是提示詞……

隨著模型能力提升，機械套模板式的提示詞越來越不重要，真正重要的是你能不能把目標、背景、約束和判斷標準說清楚。

如何讓AI干活，考驗的是每個人的項目管理、高效溝通、清晰指令和表達能力。（后面會具體舉例）

總結一下，快速上手用起agent的關鍵步驟：

買最好的模型；

重視自己的語料庫，無論是外部采集還是自己系統化梳理和沉淀（后者更重要）

在和AI的交互中，反復磨練自己的溝通能力

近期我自己做了一個小h5，大概邏輯是「挑選部分員工熱帖，讓大廠新人快速了解這家公司」，整個做完+調試，差不多一天左右的時間。

其中，最重要的事，就是「篩選什么樣的ugc內容」

因為讓AI自行篩選byday更新，所以內容選取標準非常重要：純吐槽不行、過期的新聞爆料不行、小范圍小部門事件，和大多數人利益無關也不行。

我和codex做了幾輪溝通發現，反復告訴ta要什么類型不要什么類型的內容，還是會出現不適合的內容；

而當我給出一個本質判斷：所有帖子要適合大廠新人看， 對他們有價值。

內容篩選就基本沒問題了。

就這么簡單。AI會自己理解和判斷，什么內容是適合新人的。

這和管理的本質也很類似：

盡量和聰明人一起工作，給本質需求，而不是一堆瑣碎的指令。

如果在工作中強調「不要做什么」，溝通成本會極高，因為「不要」的反面是什么？每個人都有自己的理解。最好直接給出「我要什么」。

看起來很簡單，但在真實溝通中往往會出現偏差。回想一下和對象、家人、下屬的溝通，是不是這樣？

所以和AI溝通這件事，足夠高頻和深入，對自己的管理和溝通也是有糾偏作用。

在我看來，對marketing同學來說，主要有三件事：深度思考共創、建立自動化工作流、做實驗。

1、深度思考共創

很多人一提到AI marketing，就是做素材、自動化投放，但在我看來，更有幫助的事反而是思考+共創。

因為在營銷端，平臺自動化的能力越來越高，比如抖音全域千川+數字人，幾乎可讓效果向投放全程自動化。

但對市場營銷工作而言，更重要的是做決策和判斷：在哪投、推什么、哪些值得復盤和調整、在數據里還有哪些未經發現的洞察……

而這些，agent的優勢在于：

（1）數據分析和洞察客觀性：在大廠工作的同學都知道，數據有欺騙性，無論跨部門還是ds，都能從數據里找出最有利的部分，但AI可以做到足夠客觀，其有強大分析能力：

比如種草的時候拓人群包，對我們平臺而言，藍領用戶是非目標用戶，但投放平臺并沒有按工種精準定向的選項。

因此，我們就讓codex從城市和機型兩個維度做交集，找到「容易來我們平臺但我們并不想獲取」的藍領用戶包，再喂給平臺做排除：

（2）找到方案的盲區和漏洞：在營銷上，大家最容易犯的錯誤，往往是「忽視彼此認知程度不對等」：

一個新物種產品做推廣，會不會用戶根本不了解我為什么需要ta，但賣點里只講了功能；一次跨部門或全公司范圍的匯報，呈現太多細節，但別人連項目背景和基本邏輯都沒有了解。

這些也是AI擅長去捕捉和提醒你的地方：更容易站在第三方視角（為ta設置角色身份）：從CEO視角看方案是否重點突出，從小白用戶視角看詳情頁是否有吸引力。

當然，可能有片面性。但價值在于，通過agent發現自己沒看到的問題，找到容易踩坑的點。

2、把批量重復工作變成自動化工作流

我知道很多機構或代理在賣這個，看到這段可以省錢了。

先看結果，我們團隊在新的季度，沒有增加額外hc的情況下，通過構建「AI自動化生成爆文」多做了1500條左右的自然流內容（小紅書、視頻號、抖音圖文）。

總閱讀量達到3000多萬（基本無任何投放的情況下）。

一些后臺爆款：

帶動用戶活躍提升也非常顯著：

如何做呢？邏輯很簡單，讓codex自動跑出站內熱門內容，用訓練過的爆文skill自動生成，微調后發布。

大家可以試試三步走：

（1）反復優化迭代內容skill：喂產品資料?? 喂大量爆文?? 提煉skill

（2）用以上skill進行創作

（3）發布后數據入庫持續迭代模型

3、做實驗

AI大幅降低了開發成本，本身需要跨部門聯動的很多嘗試，都可以一人完成。

比如電商標題詳情頁優化+轉化率測試，不同獲客的場景文案+匹配不同人群屬性測試等，從而大幅提升優化迭代速度。

這和我此前的判斷一致：市場部每個崗位的職責，都會逐漸演變為綜合閉環崗，而非「各管一端」。

在研發領域，互聯網用了20年，把研發的職責拆成了前端、后端、測試、數分……現在應該又在快速的合一；

marketing也是如此，大家都在提「Ai替代性」，實質上，業務仍需要「對最終結果負責的人」，AI作為工作partner，協同拿到工作結果。

比如，負責PR的人對影響力、輿情負責而不是拆分為媒介、內容；小紅書負責人對新用戶GMV（僅舉例）負責，而不是切分bd、內容、投放。

注意，是每個人都要有閉環的能力，單位是人，而不是部門。

因此，我建議管理者不再用過程指標或職能切分設立崗位，而是要求小閉環拿結果。這樣的方式對個人而言，也更有幫助：

在AI時代，最重要的能力其實是「提出假設、驗證假設、判斷、持續迭代」能力，而如果不能看到閉環結果，不對結果負責，很難真正去做驗證、判斷和調整。

這一部分網上很多工具方法了。不過多贅述。最建議的是：

讓agent旁聽會議，除了紀要、todo和共識，最重要的是，讓它分析未達成的共識、潛在的矛盾和爭議點、以及需要深挖的背后原因。

在原創內容方面，比如公眾號、小紅書、自己講課的課件、review或復盤，我在創作階段不會讓AI參與，除了保留活人感，也是鍛煉自己主動思考的能力。

1、不為工具焦慮

不要過分關注制造焦慮的自媒體，尤其是“XX 個超好用 skill”“XX 個智能體矩陣”這類內容。

對新手而言，好的模型+語料足以應對大部分工作日常。

2、裝上并用起來是最大的挑戰，其他都可以慢慢學

我發現不少同行是卡在第一步：安裝并使用agent。關于怎么安裝和使用國外模型，建議網上找資料教程也好、找人幫忙也好，無論如何去搞定。

如果你在我們的貓客廳會員群，也可以大膽求助。

3、業務是護城河

工具會不斷變化，但你對用戶、業務、行業和結果的判斷，才是別人最難復制的部分。

這也是上周六貓客廳分享里，兩位老師一致的觀點：不要迷戀AI技術層面的高手，懂業務+AI才是真正的利器。

最后，再談談管理者的角色：

marketing行業經過了很多次的迭代，從品牌廣告中心化媒體到碎片化內容營銷，更不用說平臺的更替。

這次AI大潮當然也不可避免帶來各種變化。對管理者而言，我覺得最重要的是：

自己回到學習者的位置（開放心態+自我實踐）+鼓勵團隊成員探索和共享（創造氛圍）

好的狀態是：你和團隊成員共同學習、彼此分享和提升。而不是一上來就指揮和要求別人用好AI（自己不懂如何要求）。

*本文來源于芋艿和貓說，作者嵐嵐。