GAI讓人工作輕鬆又高效的一個範例

有這麽兩種隱形的浪費，一是編程界不斷產生著大量的程序包，大多數免費，給各種數據分析和ETL以無窮便利，對最通用的python和R編程語言，第三方程序包更是巨多。但你會說這並沒浪費啊，IT是最巨大的產業，數據科學是最熱門的學科，正是它們的需求，共享程序包才應運而生。

沒錯，且先看一下另一種浪費。

你在非科研非IT的工作中麵對一個複雜的現實問題，錯綜複雜但卻不完備的信息，經驗豐富的你很快產生出不少處理這些信息的念頭，它們能將信息轉換為具有洞察力的對決策的支持，然而你的本職並非編程和數據科學，你即使有一點編程技能也猶如代數麵對微積分問題，結果你得不到技術支持，空有美妙的念頭最後隻得放棄，這是種腦力和智慧的浪費，人們已經習以為常。

譬如你是一個老到的freelancer consultant，給大企業做business analysis, 你轉戰於不同領域的企業，卻難成為任何一個領域的專家，你每一個項目都限時限工，不容你有做科研的悠閑去采集和分析數據，並且，企業丟給你的一大堆信息大部分甚至不是定量的（據研究，一家企業的collective knowledge 90％ 存在於非定量數據中，譬如高管處理企業風險的經驗，推銷員對市場行為的感受，項目經理對操作層麵不可控因子的認知），即使純粹的數據科學也束手無策。而你的專長是你的係統性剖解能力，但這種能力需要技術支持，才能將大量複雜且不完備的定性數據轉換為濃縮了然的圖標和指標等半定量數據，從而產生深具洞見的認知。然而這樣的技術支持不可能，最後累死累活遞交的隻是一篇看似頭頭是道實質平庸的報告，無非是對原始信息的定性提煉分離歸納和總結，並不能全麵體現你的智慧。

所謂工欲善其事，必先利其器；又道沒這金剛鑽別攬瓷器活。但問題是，有金剛鑽的人不幹瓷器活，而幹瓷器活的卻沒金剛鑽。



現在不同了，GAI迅猛進入市場，讓幹瓷器活的人可以成本低廉地獲得金剛鑽。別說專業編程應用譬如cursor, 對你這個business consultant, 即使 chatgpt4 一般也足敷使用，你並不指望AI 替你全麵完成作業（沒幹過這活兒的人千萬別想當然跟我說能，我的最樂觀估計是還要過十年GAI才可能做出一件還算像樣的作業），你隻是讓AI 作為你的程序員助手，按你的步驟和設想為你選擇和調用各種最適合的開放程序包，編出各種高效程序，將繁複雜亂無序的信息轉換成結構性數據，接下來的工作就簡單得多了不必再言。

你隻需給AI提供一個明晰的任務提示文本，再懂點基本編程，能按AI說明理解各程序包的作用並做些程式適應性修改就行，不少程序包你以前根本沒聽說過，更別談應用了。不像其他AI應用你要防備受它的騙，轉換數據不必擔這個心，你不是讓它提供分析結果，你知道你要什麽格式的數據，並且它生造出來的程式（對於chatgpt有可能）你也不可能運轉起來。

你無中生有代價低廉擁有一個專屬高級編程師，你的工作效率能不極大提高嗎。提高多少？我個人有那個consultant 類似的經驗，接一單六周的活兒，三周就基本出想要的數據了，關鍵是以前任憑你念頭空轉，這些數據是出不來的，從零到有，效率提高多少？再者，你讓自己的念頭成真，讓智慧不付諸東流，給用戶提供更深入的決策支持，那份愉悅又值多少？

不是幻想，GAI已經讓這兩種以前意識不到的隱形浪費通過嫁接互相抵消，讓一個隱形的供和一個隱形的需獲得匹配，隻要勇於嚐試，不斷熟練，新生產力就呼之欲出。

（圖為chatgpt創作）