把 AI 用对的公司，都在干这六件事

前段时间，我重看了一场两年多前的演讲。

讲的人，是 WPP 的首席 AI 官。

WPP 是全球最大的营销传播集团之一，旗下 12 万人，干的都是帮全世界最会做品牌的那些公司花钱、做内容、投广告的活儿。

他的职务，说起来就一句话：让这 12 万人，真正用上 AI。

这种演讲我按说都听腻了。先讲 AI 多重要，再吹技术多性感，最后呼吁大家拥抱变化，散会。

但这场不一样。他从头到尾没聊技术。他给了一个框架。

一个口气大到近乎狂妄的框架。他说：任何行业，任何供应链上的任何摩擦，都能装进六类 AI 应用里。

任何行业。任何摩擦。就六类。

我当时的第一反应：牛皮吹得不小。可听完我发现，他没吹。他真的把营销这个最琐碎、最具体的行当一层层拆开，一格格对号入座，格格都落了地。

我把这场演讲，重新讲给你听。

先纠正一个词

讲框架之前，他先纠正了一个概念：什么叫 AI？

最流行的定义是，让计算机做人能做的事。

他说，这是最流行的定义，也是最弱的定义。

为什么弱？因为我们一直在拿人当标尺。人是我们所知最聪明的东西，于是默认，像人，就等于智能。

可人，真的有那么聪明吗？这个话题今天聊不完。他给了一个我认为高级得多的定义：

智能，是目标导向的、适应性的行为。

什么叫目标导向的适应性行为？

你有个目标：一笔营销预算，怎么花回报最大。你做个决策，看结果是好是坏，学习，调整，让下一次决策更好。

这个循环，就叫智能。

关键词，是「适应」。

但他说了句大实话：你真去生产环境里找，几乎找不到真正自适应的系统。因为造一个安全的自适应系统，太难了。

接着他讲了段 AI 简史。就三幕。

第一幕，上世纪六七十年代。人们把关于世界的知识一条条写进机器，让机器推理。最经典的就是那句：苏格拉底是人，人都会死，所以苏格拉底会死。听着很美。但世界上的知识写不完，这条路没走通。

第二幕，八九十年代。换个思路：不写规则了，模仿大脑。这位演讲者二十多年前读博，做的就是这件事，把熊蜂的大脑装进机器。

熊蜂有多少脑细胞？100 万个。整个大脑，能立在针尖上。就这么点神经元，熊蜂能导航三维世界，能互相交流，能解决问题，还采得一手好蜜。

二十年前，机器装不下 100 万个神经元。今天呢？几十亿个，都装得下。

这些装了几十亿神经元的东西，我们今天管它叫，大语言模型。

第三幕，就是现在。大模型很强，强在两件事：知道这个世界的事，并且能把「知道」讲出来。文字、图片、视频、声音，都行。

但是，它还不太会预测，不太会推理。尤其，不擅长做复杂决策。

这句话很值钱。因为市面上绝大多数「用 AI」的尝试，都是拿着一把只会「说」的锤子，满世界找钉子。

那正确的打开方式是什么？

往下看。

六类应用，一类一个故事

框架来了。他把 AI 的应用分成六类。

营销这个行当，特别适合当例子。因为它的供应链人人都在里面：从策略，到创意，到投放，到复盘，全是摩擦。

第一类，任务自动化。

六类里最不起眼的一类。if-then-else，宏，RPA，把人干的重复活，交给最简单的算法。

一点都不酷，对吧？

可他的判断是：简单算法，用对了地方，给组织带来的价值，大得吓人。很多人一听 AI，眼睛只盯着大模型，手边一堆能用最笨算法解决的活儿，愣是空着。

别迷信新工具。先把手边的活儿，交给最笨的算法。

第二类，内容生成。

今天，谁都能让大模型出一张海报、一段文案。所以他说，通用内容，已经不是战场了。

战场在哪？品牌专属的、量产级的、有差异化的内容。

举例。你让一个通用大模型，给 Milka 出一条广告。Milka，就是那个通体紫色的巧克力。大模型大概率能蒙对紫色。但这个品牌上百年攒下来的调性、细节、那种只可意会的东西，它不懂。

怎么让它懂？他打了个特别精彩的比方。

大语言模型，像个喝醉了的毕业生。肚子里有货，但你不知道他什么时候清醒。让他变聪明，第一种办法：塞给他一本书，你的品牌手册、产品资料，让他边翻边答。这就是 RAG，几分钟就能搭一个。

但如果要的，是能做出上面那种广告的大脑呢？那得训练，得调优，得把好几类技术拼在一起，花上好几个星期。

成品是什么？一个教授。

从拿着书的醉汉，到教授。中间这几周，就是很多公司烧钱也买不来的护城河。

第三类，人的表征。他们内部叫「受众大脑」。

问你个问题：一条广告放出来，会戳中你哪根神经？

你说不清。人对自己的心思，向来是说不太清的。

所以营销这个行当，从古到今，都在猜。

但他说，历史上第一次，我们能造出一个「大脑」，去模拟人是怎么想、怎么感受一条内容的。这些信号，过去从来没被打开过。

他们在跟可口可乐合作。把海量数据喂进去，让系统验证营销团队以为自己知道的人群，再浮出他们根本不知道的人群。然后把这些人群，变成一个个可以对话的焦点小组。

还有更细的：把监管规则、不同文化、少数群体、广告合规，也都造成「大脑」。内容发出去之前，先过一遍：这话犯不犯法？会不会冒犯谁？

合规这种事，居然也能长成大脑。

而真正让我坐直了的，是这些大脑的用法。让它们，互相说话。

感恩节要投一条广告，怎么办？先问「受众大脑」：你们想看到什么样的感恩节广告？它会给你一段画面描述。你把这段描述，原样喂给「品牌大脑」当提示词。

大脑们，开始互相说话了。

这套打法拼起来什么样？他们现场演示了一条广告的诞生：给欧莱雅旗下产品做电商详情页。选一个英国亚马逊的受众，把评论数据灌进去，理解这群人怎么看内容，一键生成，一个几乎能直接上架的页面。把受众换成西班牙人呢？不是翻译，是换上欧莱雅的西班牙大脑，重新理解那群人的细腻。再把页面从亚马逊挪到 Instagram？格式重排的同时，预测大脑会顺手告诉你，这条内容大概能换来多少点赞、多少点击。

一个品牌大脑，一个受众大脑，一个预测大脑，咬合在一起。

第四类，机器学习。投放行业叫它「预测」。

一条有黑猫出镜的广告，能预测点击、点赞、销量。

然后呢？

机器学习的厉害之处，在预测之后的解释。它会告诉你：把黑猫换成姜黄色的猫，各项指标都会涨。因为这群人，喜欢加菲猫。

演讲者自己都承认，这个例子举得很烂。但道理太清楚了：

公司缺的从来不是洞察，公司缺的是决策。

预测给你一个数字。解释，才给你一个方向盘。

第五类，复杂决策。也就是优化。运筹学，最古老的那支 AI。

内容做出来了，往哪些渠道放，投资回报才最大？这是道数学题。

这道题有多难？他现场算了笔账。

5 条内容，分给 5 个渠道：120 种分法。

15 条分给 15 个渠道：一万亿种。

60 条分给 60 个渠道呢？比宇宙里的原子还多。

而 WPP 每一秒钟，都在把几千条内容，分给几千个渠道。

所以记住他现场送出的那句话：

超过 7 个，就别用人了。

这一类，用的是运筹学、离散数学。不是大模型，也不是机器学习。拿错工具，白烧钱。

第六类，人的增强。

这个听起来，就有点瘆人了。

他们在给一个全球顶级的品牌做一件事：给市场部每一个员工，单独训练一个大语言模型。喂什么？这个人的邮件、日历、历年的反馈。

然后你就可以问这个「数字分身」：把这个人放进这个项目，他能干好吗？放进这个团队，他如鱼得水吗？

演讲者自己都说：我知道，这听着有点吓人。

但有意思的是下一句：员工们，居然挺欢迎。

因为比起 HR 数据库里冷冰冰的几个字段，这个分身，更像「我」。

比六类更要紧的，是三个分身

讲到这，六类说完了。

但整场演讲让我后背发凉的，是另一个更大的判断。

他说，公司用 AI，通常往三个方向使劲。第一，提升日常效率，做 PPT 快一点，最浅。第二，拿 AI 去解供应链上的摩擦，这是我今天讲的一切。第三，AI 彻底颠覆我所在的行业。他们集团的 CEO 是这么说的：AI 迟早颠覆这个行业，与其等别人动手，不如我们自己来。

而往深了看，这几个方向不管你有没有意识到，最终都汇成同一个动作：

给公司，造数字孪生。

什么叫数字孪生？就是一个可以推演的组织副本。

我给你一个问题感受一下。我是一家零售商，现在要跑一场拉动 10% 需求的营销活动。请推演：供应商会不会断供？仓库和门店人手，够不够兑现对顾客的承诺？

绝大多数公司，答不上来。连推演的资格都没有。

所以第一个分身，是你的商业模式。第二个分身，是那层流动的资源：人、技能、流水、心思，怎么分配到商业模式上。第三个分身，是后台流程：招聘，离职，入职，报销。AI 在这些地方干的事，不只是让流程快一点，是换一种做法。

他的判断非常笃定：未来十年，活得好的公司，是造出这三个分身、并且让它们合而为一的公司。

这话是他在 2024 年说的。两年多过去，我越看越像这么回事。

还有一层，很多人想不到。这六类，还是一张安全地图。

做任务自动化，要问的治理问题，和给员工造数字分身，完全不是一个量级。你甚至能通过数字分身，提前看出谁要离职。比他自己知道得还早。

同一个框架，往左是效率，往右就是伦理。你用的是哪类应用，就得接得住哪类问题的拷问。

最后

演讲的最后一分钟，他提了句，这些大脑正在汇成他们家端到端解决营销的平台，叫 WPP Open。

平台的事，我就不展开了。平台会换代，框架不会。

真正钉在我脑子里的，是那句纠正：智能，不是像人，是目标导向的、适应性的行为。还有那把尺子：超过 7 个选项，就别劳驾人了。

哦对，还有一个次序，送给所有正在「拥抱 AI」的朋友：先看清你的摩擦是什么，再挑工具。

大模型，不是唯一那把锤子。

2024 年的这场演讲，放在今天看，非但没过时，反而越来越像一份提前写好的说明书。

祝你的公司，也找到自己的那六个格子。