Yixin's Blog腾讯AI应用及个人思考
背景
今天随电子科大去腾讯成都参观，主要BG为IEG，天美游戏，讲解了腾讯在AI方面的应用，引发了自己的一些思考。
洞察 Insight
人才底色：Taste x Insight
Taste就是判断AI产出靠不靠谱，要不要让AI返工，决定了AI产出的下限。Taste表现于只要你接受了AI的提案（commit/提交文件），人就需要承担AI产出带来的结果。
Insight引领未来做什么，捕捉行业最新风向，决定发展上限。这跟我个人模型 执行层x决策层x方向层 较为一致。PPT中提到了AI能力最佳接入点，我觉得就是风口，大厂很多时候是等小厂探索出来了一条可行的确定性的道路过后才投资，深海领域例如新能源汽车的爆发依赖一个很小的时间窗口，错过了就是错过了。
那在洞察之上有没有别的层级呢？我认为有，是资源 Resource。不光是钱这种有形的资产，还有例如用户/品牌这种无形的资产。基于已有业务去开拓/添加新功能比从0开始容易太多，当然这里有关于微创新和破坏性创新的新问题。
这套其实跟腾讯宣讲中所讲的具身智能和开悟游戏Agent的上下两层智能很像，一层决定去哪，一层决定微操，人类大脑其实就想这样，属于上层，而下层归潜意识管。
多Agent协作军团
我听多Agent协作太多了，黑客松里面有的项目听起来很牛逼的点就在于他们写了7个Agent进行协作，而且还给每一个起了名字。我觉得多Agent协作和单Agent模式并不一定是哪一个绝对正确，而正像企业用人的逻辑一样，一个人每日8小时产出，两个人每天花一小时对齐，一共只有14小时产出。
或者我个人觉得这种很多时候都是噱头，特别适用于站在台上讲而不是真的提升生产力
Loop Engineering
腾讯的定义是：构建Agent自治系统与业务闭环，让AI能自主感知、决策、执行并反馈。
我的理解是现在AI类似于一个在远程工作的员工，所有的信息都要靠喂给他，我在实际工作中就感受到远程员工很多时候因为不知晓现有业务所以导致产出偏差，而线下员工因为通过在茶水间闲聊等方式获取业务大局信息，所以产出质量普遍更好。
原理理清了，怎么去做呢？同样是信息的问题，很多时候业务依赖的是隐性知识，这个非常头疼。老员工输出的内部方法论在形成前早就是他自己的隐性知识，我觉得这条获取知识的路行不通；那么能不能通过摄像头及电脑监控软件获取所有员工所有信息呢？这就类似学霸做完压轴题，就算你去背下来，下次考试还是不会做是一个道理，所以我觉得也待商榷；能不能靠外界对AI的反馈呢？成本过高。
我最终觉得，还是让AI先做，从像一个正式员工一样去接触所有业务文档开始，从 任务+背景→结果→反馈→Dreaming→背景 开始尝试去做，而不是先空想一通。
我们在招聘的时候，往往是「筛选」，被筛掉的人不一定更差，录用的人不一定更好，是因为这个人具备了我所期望的一些特质，到了AI这里需要做的是把一位通才培养出我需要的特质，流程从筛选变成了培养，产生了类似破坏性创新同样的后果，自然很多人就不适应并且抵触AI了。