AI二阶效应：从前的“坏主意”变成了现在的“好生意”

引言

你可以决定自己的选择，但你无法决定选择的后果。

这一连串由后果导致的后果就是“二阶效应”(Second Order Effect)。正如描述奥本海默的那句话：“如今我已化作死神，世界的毁灭者。”

在经济世界中，“二阶效应”指：某个经济系统中，参与主体的选择和行为所产生的影响，进一步影响其他主体的选择和行为，由此产生正向反馈，导致最终的经济结果，远大于各个选择和行为的简单叠加。典型的“正反馈”就是“收益递增”。

根据经济学家W. Brian Arthur的观点：如果一个系统只存在负反馈，系统很快就会收敛到均衡状态，表现出“死”行为。例如“收益递减”——市场竞争动态平衡，每家企业依据自身竞争力，获得相应的市场份额；

如果一个系统只存在正反馈，系统会偏离均衡，表现出难以预测的爆炸性行为。例如“收益递增”——互联网时代，网络效应大杀四方，赢家通吃一切。

一项新技术的出现会改变原本经济系统的结构。如果改变的结果足够重大，我们就会说：“Aha! 一场颠覆性革命出现了！”

正反馈和技术组合理论，揭开了“二阶效应”背后的秘密。眼下，人工智能做为“吹皱一池春水”的新技术，正在改变原本的经济系统，一系列由人工智能引发的“二阶效应”又蕴藏哪些钱景？

近期，a16z发布了一篇文章AI’s Second Order Effects 作者指出：虽然AI 能够为现有企业节省很多成本，但 AI 的“二阶效应”会催生更多经典的软件公司和市场。在新的市场中，AI 本身不是主要产品，而是在 AI 的帮助下，一些夹在“薄利多销”和“高客单价”之间“死亡地带”的产品将重获生机。

01 500美元的产品还有活路吗？

文章给出了一个有趣的思维实验。

前提：一名“销冠”一年可以卖出50 个小部件，年收入 10 万美元，且不接受降薪。

情景：一家公司有一款非常棒的小部件产品需要出售。

矛盾：人们不会自己发现产品，且潜在客户每年最多只愿意付 500 美元。

提问：这家公司将如何发展？

作者给出的答案是，这家公司根本不可能存在。

对于20美元的产品，例如Dropbox、OpenAI、Midjourne，你可以试试PLG产品驱动增长；对于100万美元的产品，例如Workday、ServiceNow、Databricks，你可以采用外部销售策略。

对于一个500美元的产品，你会因为毛利问题陷入“死亡地带”，仅是推销成本就不是小数目。

如今，成本问题正在被AI工具解决，一大类非 AI 公司和产品重获生存空间：

AI帮你销售小部件。

AI为你的小部件提供24*7售后支持。

AI帮你留住小部件用户。

在风险投资里，我们总是问自己“为什么是现在？”——对于Uber ，答案是智能手机的普及；对Workday，答案是云服务的普及；对于 Adobe，答案是 GUI PC 的普及。

对于上述“500美元”产品，“为什么是现在？”的答案就是当下。

02 营销目标变成“伺候”AI

文章点到为止，并未指出“AI二阶效应”将引发何种营销革命。但根据美国MarTech 之父Scott Brinker对于“AI二阶效应”的预测，营销和销售场景将发生彻底改变。

1、消费者将进一步无视“推送”内容

因为垃圾邮件过滤器作用增强，所有的超个性化信息不会显著提高销售效率，反而会降低效率。

2、可信的消息源将变得更有价值

拥有认证会员的社区将弥足珍贵。如果你拥有私域，不过度依赖于外部发现和算法，将具备前所未有的影响力。

同时，基于“信任危机”的AI产品开始崭露头角。例如，一款检测AI生成图像的工具Nuanced，旨在帮助各类企业，如约会应用、广告平台、新闻网站和线上商城等，区分“人造”内容和“AI造”内容。

3、用好专有数据，成为一流的营销渠道

过去二十年间，人类创造了浩如烟海的信息。但即便拥有访问权限，你也经常被信息量压垮，无法找到想要的信息，也无法消费它们。同样的事情也发生在公司内部数据库。它们就像《夺宝奇兵》最后一幕里那个巨大的仓库，凡人休想在深渊里找到什么东西。

现在，GPT-4吸收了互联网上所有的长尾内容，并在一分钟内回答你提出的几乎任何问题。

由此产生的“二阶效应”：每个人都将拥有强大的“大脑”，分析能力被大规模地平权化。

区别在于，不是每个人都能喂给“大脑”相同的数据。因此，利用专有数据将成为一流的营销渠道，这也是营销人员的好机会。

4、API服务将成为一流的营销渠道

换个说法：如何在正确的时间向AI Agent提供正确的数据？这是让买家与卖家“保持一致”的关键。

比尔盖茨曾提过一个场景：“如果你想计划一次旅行，AI Agent不仅知道你旅行的时间，还会基于对你需求的了解，给出建议的旅游地点。当被询问时，AI Agent也会根据你的兴趣和冒险倾向为你推荐可以做的事情，预订你喜欢的餐厅。”

举个不太准确的例子。早期，如果你想来一场深度个性游，需要付费、花时间告诉旅行社具体需求，让他们做一个策划。这时候，营销目标是吸引你走进旅行社，并选择他们的方案。当下，很多人会选择自己去小红书等社交媒体整合别人的攻略，DIY一份旅行策划。此时，卖家的营销目标是吸引你点进某些旅行帖子，并安利一些产品，大到机票、住宿；小到防晒霜、充电宝等等。

我们延伸比尔盖茨的设想，如果AI Agent替消费者做了旅游策划，那么卖家的营销目标也将发生变化：你要“讨好”的不是客户，而是客户的AI Agent。

Scott Brinker指出，20年前，Inbound Marketing（集客营销）革命开启，你可以通过“知识分享”帮每一位潜在客户解决疑问，达成销售目的。如今，我们正处于“生成式集客营销”革命的边缘——处理AI Agent的集客请求，帮助它们完成人类控制器分配给它们的目标。

大胆想象，“AI toAI”会成为新的B2B——成为电子商务的巨大组成部分。

结语

目前为止，AI Agent的大量项目还在水下，甚至与自动化较高的Copilot 混淆。二者的最大区别在于“自主规划”能力：Copilot需要由人类来指挥完成目标任务；Agent则直接面对目标任务，具有自主记忆、推理、规划和执行的全自动能力。

终极形态的AI Agent只需要人类给出一个起始指令和结果反馈，AI自己完成任务拆分，工具选择，进度控制，实现目标后自主结束工作。

不过，即便Scott Brinker提出“AI Agent营销策略”只是一个方向，但“AI to AI”已经得到了来自ChatBot应用的初步验证。

例如，在YC W24亮相的Lumona就是一款产品搜索引擎，能够从用户信任的创作者那里获取高质量的产品推荐——通过Reddit和YouTube评论为护肤品搜索提供支持。

进一步，如何利用AI“喂给”AI更多“500美元”产品的“好”数据？在这个方向上，又将出现何种产品？我们将继续观察。