10天肝了400份品牌研究报告，我的AI焦虑消失了

来源：刀法研究所

作者 | 扰扰

马达刚开始出现的时候就像一只巨大高傲的野兽；但自那以后，他们逐渐缩小成为微事物，融入（并被遗忘于）大多数机械装置之中。——《失控》凯文·凯利

一代人有一代人的“珍妮纺纱机”，但学习历史最大的好处就是我们不会再试图砸毁机器，而是会学习使用机器。

作为营销人，如何让 AI 成为自己的外脑，提升工作效率？

刀法研究所找到了秒针营销科学院上海负责人智天雨，分享了他是怎么用 AI 重塑工作流，两周之内完成 400 份品牌研究报告的。

智天雨并非技术出身，和很多人一样，对 AI 的兴趣始于 ChatGPT。经历了研究提示词工程辅助内容生产，捏智能体给工作效率翻倍的过程后，他也从“AI 玩家”升级到了“AI 传教士”，分享和交流 AI 技术与工具的使用经验。

在“布道”的过程中，他发现对 AI 存在误解的人基本上可以分为两派：抵触派和幻想派。抵触派认为 AI 会抢走自己的饭碗。幻想派则认为只要用上最先进的 AI 工具，一切问题都能迎刃而解。

他认为，AI 的正确用法一定不是“AI+”，而是“+AI”。AI 无法代替人类思考或指挥，它能做的是完美地执行人类给出的清晰、明确的指令。

以下是智天雨用 AI 重塑工作流的过程和思考，希望能为你带来参考和启发。

核心突破点：拆解复杂问题，用 AI 帮每个环节提效

我的工作主要是研究新锐品牌，并每年发布榜单和白皮书。从 2021 年开始，每年都得研究四五百个新锐品牌，其中涉及到大量的案头研究工作，包括数据的收集、整理和计算。这些工作主要由我一个人来负责，偶尔会有一两个实习生辅助。

如果我们希望借助 AI 大模型，制作一份品牌研究报告，就需要给出清晰的提示词（prompt）。“给我写一份 XX 品牌的研究报告”可能是大部分人现阶段会给出的指令，非常简单粗暴，效果也一定不会好。

因为 AI 执行复杂工作的时候是按照他自己的标准逻辑在操作，给出的答案一定无法满足每个个体的独特需求。正确的用法应该是把所有的工作流做拆解，让它给每一个工作环节提效，而不是指望提出一个简单需求之后，AI就能包办一切。这里就体现出了”+AI“和“AI+"思维的区别。

以目前的 AI 技术来说，处理复杂问题的能力依然偏弱，而且特别受到使用者能力高低的影响。因此综合来看，寻找单点突破反而来的效率更高。例如，假设撰写一份报告可以分成五个环节，只要 AI 能在每个环节上提效 10%，通过乘数效应，整体的工作效率就能提升 60%+，这才是现在大部分人使用 AI 的正确方法。

所以，为了提高报告撰写效率，我在两周的时间内用 AI 重塑了整个工作流。

首先，我问了自己一个问题：“过去仅凭人力来撰写这份报告时，我是如何思考和规划整个流程的？”经过仔细复盘，我把所有思考过程都非常详细的分步骤记录了下来，然后让 AI 基于我的思维链和工作流，以”品牌研究报告”为产出目标，生成一个它能看得懂、并且能完美执行的提示词。

当时，我那份提示词写了 3000 多字，花了两周时间来调整和完善。大家都知道，做品牌研究要覆盖的信息非常全面，包括品牌的基础信息，像品牌名称、发展历史、品牌定位，以及品牌市场表现，例如市场份额、目标客户、销售渠道、营销表现，还有产品服务，品牌形象，竞争分析等等，AI 的分析维度可能没法一下子非常准确，在互动过程中需要人结合自己的研究经验不断来做判断和修正。但是最终版的提示词一旦完成，就能节省我 80%-90% 的报告撰写时间。

提示词示例

除了写报告外，目前我也负责管理秒针的知识库。过去几年我一直坚持收集公司产出的优秀报告和案例，以前翻阅资料的时候只能通过关键词搜索来查找内容，有了 AI 后，智能化的搜索和思考成为了可能。它能很快地基于知识库里的报告，帮我提炼出能回答我的问题的最有价值的信息。

受到公司知识库的启发，我也自己用智能体开发平台扣子做了一个个人知识库的智能体。比如我今天看到一篇好文章，很多观点未来我写文章或者和人聊天的时候都可以用到。过去的做法可能就是转发到自己的微信小号或者企业微信帐号上，回头再来看，但往往就没有然后了。

有了智能体后，我只要把网址输入进去，它就能帮我完成文字解析，而且会自动将这些内容填入到在线表格里。等我需要提取关键信息时，只要再输入关键词，就能把我存在知识库里的相关文档调取出来，大大节省了我平时做知识管理的时间。

智能体前端界面和后端在线表格

我也很早就把这个智能体的制作教程免费分享到了个人公众号上，目前有很多同学依葫芦画瓢，做出了自己的个人知识库，大大提高了知识管理的效率。努力帮身边的朋友一起积极拥抱AI，也不辜负别人称我为“AI 传教士”了。

警惕 AI 幻觉，人依然是最后的防线

从我的使用体验来看，如果把 AI 作为外脑，AI 幻觉作为潜在的风险是我们必须要警惕的。AI 生成的内容看似有理有据，但实际上它有时候会为了完成指令硬捏造一些信息和数据出来。

今年年初我就遇到了一个关于 AI 幻觉的真实案例。在我和 AI 互动的过程中，它在一次回答中提到，明略科技有一套“需求-行为-场景”三维分析法”，并引用了一份由秒针营销科学院和复旦大学联合撰写的生成式营销蓝皮书作为信源。作为在明略科技工作四年多的员工，并且还读了这份报告不下 10 遍的我，从来没听说过这个分析法。在不自信地和主笔同事反复确认后，最终证实这套分析法完全是AI自己凭空虚构的。

这份蓝皮书长达 99 页，任何没有读过的人，很难辨别 AI 提供的信息是否真实。假如轻信了 AI 的说法，并将其应用到实际工作中，可能会导致严重的后果。

比如客户来向我咨询明略科技的“需求-行为-场景”三维分析法”，如果我作为研究人员对此一无所知的话，在客户看来就会怀疑我的专业性，甚至会影响到对公司的信任。

更可怕的是，AI 幻觉可能会污染中文互联网的信息环境。如果 AI 生成的虚假信息被广泛传播，长此以往可能会导致“以讹传讹”的局面，人们会难以分辨信息的真伪。

那么，如何应对 AI 幻觉？我这里有 3 个建议：

在提示词中明确限制：在使用 AI 时，要明确告知 AI 不允许胡编乱造，不允许引用错误的、不靠谱的信源。
使用多个大模型交叉验证：对于个人不太熟悉的领域，将同一问题输入 DeepSeek，豆包，Kimi，腾讯元宝等不同模型，对比核心结论的一致性，可以在一定程度上防止 AI 幻觉。
人工核查是最后的防线：说到底，我们作为AI工具的使用者，本身需要具备扎实的专业知识，只有通过大量的阅读学习，才能有能力最终辨别 AI 提供的信息是否真实可靠。

当然，人工核查需要耗费大量的时间和精力，并非每个人都能做到。因此AI 幻觉造成的挑战，有时候可能会大过AI提效带来的收益。

除了 AI 幻觉，垂类数据的重要性也不容忽视。我通过 AB 测试发现，如果只依赖通用大模型，AI 生成的洞察和观点往往比较泛泛。但是，如果将一些垂类行业的特定数据，比如社媒数据喂给 AI，它输出的观点和数据质量会有显著提升。

事实上，现在有越来越多的公司开始构建自己的知识库，以及做大模型的私有化部署。通过将公司内部的数据资产灌输给 AI，可以使其成为更加好用的垂类大模型。在未来的竞争中，如果企业仅仅依赖通用大模型，而没有自己的专有数据和知识库，将难以生存。