跳到主要内容
快刀青衣《AI落地案例集》首期发布，15个普通人与AI协作的真实故事
快
快刀青衣//约 7 分钟
关注我的人可能知道，从去年开始，我在得到做了一个叫“AI学习圈”的会员产品，一年多时间，圈里已经聚集起了8万多名在各行各业关注AI、有好奇心的同学。
在AI学习圈里，我们最常聊的一个话题就是AI怎么能真正落地，解决大家在工作和生活中的真实问题。在无数关于未来的预测和工具热潮中，我们其实更需要一些来自一线的真实声音。也是因为这个原因，AI学习圈在5月份推出了第一期的《AI落地案例集》。
做这本小册子，我和团队没有什么特别大的“野心”，就是想把那些在一线实干者的经验，做成一份清晰可读的合集，送到每一个愿意尝试的人手里。第一期案例集收录了15位学习圈同学，用AI解决真实问题的过程。他们中有医生、教师、律师、孩子家长，也有创业者、市场负责人、运营负责人等，覆盖10个不同的领域。这本小册子里的所有案例，可能有些看起来还很稚嫩，缺乏普遍性，可能有些在实际落地的过程中会遇到各种问题。但不可否认的是，这些同学就是AI大潮来临时，首批冲进大潮里扑腾的勇敢的人，非常了不起。第一个案例，来自北京尤迈医学诊所的大数据科学家刘宸。日常在和患者打交道的过程中，他发现一个普遍存在的问题——“我到底该挂哪个科室？”这个问题乍听上去简单，其实隐藏了很大的信息差。在今天，挂号早就全面线上化了，但如果一开始就选错科室，患者往往得“重来”：重新排队、重新预约，白白浪费时间精力。可要选对科室，前提是你能准确描述症状，判断自己该去哪个科——对大多数人来说，这并不容易。为了解决这个问题，刘宸同学尝试过一些方法，比如基于医学静态知识图谱的问答系统。患者输入关键词，系统通过一步步提问来引导用户定位是什么病，该挂什么科。这个方法理论上行得通，但在实践过程中却遇到了两个难点：一是患者的语言描述不准确，系统常常识别失败；第二，因为是静态的知识图谱，整个流程太死板，体验很差。真正的转机，出现在他们尝试引入大语言模型之后。刘宸同学用AI搭建了一套“智能导诊系统”。这个系统主要由两个部分组成：一个是分诊智能体，另一个是问诊智能体。先说分诊智能体，它主要负责判断。用户只要说一句自己的症状，比如“咳嗽两个多星期了，早上特别严重”，它就会结合关键词、时间、症状变化这些信息来分析，判断可能是呼吸道的问题，然后建议挂“呼吸内科”。它不是医生，也不会给出诊断结果，但能根据你的描述，尽量判断个大概方向，告诉你该去哪科挂号，避免挂错科、走弯路。那如果用户一开始说得比较模糊，比如只说“最近不太舒服”，这个时候就轮到问诊智能体上场了。它会主动接着问：“哪儿不舒服？有没有发烧、咳嗽、胸闷？”这样一问一答，把情况问清楚，再交给分诊智能体去判断。这两个智能体配合起来，可以把用户原本零碎、模糊的表达，转化成一套比较清晰、有用的信息。这样用户不用懂医学术语，也不用表达得很精准，系统也能听懂，从“症状识别”一直做到“推荐挂哪个科”。引入AI导诊智能体后，大多数患者描述一下症状，跟AI聊上两三轮，就能知道该挂哪个科，挂号的准确率明显提升。另外体验也更好了。因为AI模型有一定的上下文理解能力，所以系统可以根据患者描述的具体症状和说话方式，自动生成更有针对性的问题。比如，有人说“胃不舒服”，系统不会直接下判断，而是会先理解这可能跟消化系统、胃溃疡，或者焦虑等有关，然后进一步问：“有没有腹泻？”、“是不是跟吃饭有关？”等等。当然，刘同学也坦言，这套系统如果想要大范围推广落地，最大的挑战不在技术，而在于AI导诊判断的准确率。他提到一个具体的就诊场景，比如有人说：“我得了支气管炎，但最近嗓子一点也不疼，反而一直头晕想吐。”那这时候系统应该怎么处理？是根据用户主动说的“支气管炎”就推荐挂呼吸科，还是根据实际描述的症状，去判断是不是耳鼻喉或神经内科的问题，再反向追问？这种判断非常复杂，不仅要模型有一定的医学基础知识，还得能看懂用户的“真实意图”——他说的是不是他真想表达的。为此，刘宸团队请来了医疗产品经理和签约医生，对每一轮提示词设计进行打分与调整，还通过真实对话积累了高质量语料，用于后续微调，希望让AI给出的导诊建议更加准确。除了医疗服务场景的AI应用，我还想介绍一位同学的案例。理由不是因为她用了多么复杂的AI模型，而是她的场景非常有意思，一位妈妈用AI教孩子踢足球。没错，真的是足球。她家孩子上足球课，练传球和防守，但总是传不好。教练反复强调“要观察、找空间、再传”，但孩子还是不明白，节奏总是断，教练越吼越没用。一吼孩子就更胆怯了，教练也纳闷“这么简单的动作，我到底该怎么说，孩子才能听明白”。教练也给小球员亲自示范了几次，但是该出错的还是错。石云同学不懂足球，但她看出了问题所在：孩子踢球不是不认真，而是缺少“全局视角”。她发现最理想的传球，是和队友、防守方形成三角站位，这样传球才能准。孩子上完课后，她就用Flowith这款工具做了一个AI互动网页，把不同站位和传球的路线可视化，孩子一看就明白了：“哦，原来真得站成三角形才好传。”在AI的可视化帮助下，孩子一下子理解了跑位的“结构感”。很多教练一上来就让孩子练技能、记动作，并没有让孩子搞明白“这个动作存在于什么场景、要达成什么目的”。这就陷入了卡点中。石云同学自己也总结了用AI的最大心得：那就是AI的价值，不是多教一个知识点，而是帮孩子“学会怎么学”。它让孩子看见结构，找到成就感，学会某样东西不用强制，是自然而然的结果。前面两个案例，虽然一个在医疗服务，一个在家庭教育，但有一个共通点让我印象很深：他们都从一个真实问题出发，不是“为了用AI而用AI”，而且都实现了“人与AI的共创”，不是简单地调用工具，而是跟AI深度协作。这也是我们做这本《AI落地案例集》的初衷：给所有想让AI帮自己真解决问题的人，一份行动上的参考。除了前面两个案例，在这本小册子里，你还能看到这些同学的实践（目录）：我先可以拍着胸脯说，这里面任何一个，都不是付费案例，也不是广告宣传册。如果打个比方的话，这些案例更像是“人与AI合作”的真实行车记录仪。每个案例都清晰地回答了这几个关键问题：“遇到的具体问题是什么？”、“过去都是怎么解决的？”、“现在如何用AI来解决？”，以及“最终效果怎么样？”、“有没有可以复制借鉴的经验和方法？”通过这些结构化的问题，我们力求让每个案例都既有启发，也有实操性。当然了，毕竟每个人、每家企业的背景和目标都不同，所以这本案例集记录的，不是有放之四海而皆准的正确答案，而是一个个学霸的学习笔记。你会看到试错，也会看到判断；会看到AI“说错话”，也会看到人如何一步步“引导它说对话”；会看到“用得好”和“用错了”的反差。这个小册子的目标读者，是那些对AI感兴趣、愿意学习和尝试，但还不一定特别了解AI的普通人。你可能是一名职场新人，想通过AI提高工作效率；也可能是一位创作者，希望借助AI实现新的创意突破；你可能是一位教育者，想用AI丰富课堂体验；也可能是管理者，希望AI能帮企业实现更多可能性。我希望，当你读完这些案例后，心里会生出一种共鸣和自信：“我也可以这么用AI！”我始终相信，人不会被AI取代。我们也不需要担心AI会来抢走我们的工作——AI是工具，是属于我们的合法“游戏外挂”。但要用好这个外挂可不容易。AI不是一根魔法棒，挥一下、念两句咒语就能解决所有问题。AI的出现，其实是在重新考验每一个专业人士：你该如何提升自己的能力，和AI一起成长？你能不能让它成为你的超级合伙人？这本案例集只是一个起点。我的学习圈会持续收录来自各行各业、不同岗位的AI落地实践。它不是一个完美的总结，而是一个莽撞的开始。特别感谢所有愿意分享自己AI落地经验的朋友。你们的每一次尝试、每一次修正、每一次分享，都是这个时代最宝贵的脚注。也祝所有打开这本小册子的朋友，在AI的加持下，能够跑出属于自己的路径。