#19 Probabilistic Products / You Can Learn AI Later
今年寫文章要不提到AI好難
上一篇PLG有提到要讓 acquisition 流程的阻力越小越好，赫然就發現 substack default 的訂閱流程還真是麻煩，其中影響轉換最大的大概就是問 willingness to pledge，雖然可以選 No pledge，但在這階段問跟錢有關的議題還是很傷轉換，猜很多沒看清楚的人以為要付費就作罷了。
另外最近開了 Twitter，平常一些小mermer會在這邊，歡迎互追喔
一、Probabilistic Products
Probabilistic Products 的概念是由 a16z 的 general partner Anish Acharya 所提出1，Anish Acharya 認為 generative AI 的隨機性質造就了一種新的產品維度 - 隨機性/概率性，其指的是給予產品相同的 input 之下，每次的 output 卻不會一模一樣，例如在 ChatGPT 或是 Midjourney 中下一模一樣的 Prompt ，生成結果每次都會有些許變化。而根據「對隨機性的容忍度」，Anish Acharya 認為可以將產品細分成三種類別：
容忍度高：歡迎隨機性，甚至受益於隨機性。例如 MidJourney 此類 AI 繪圖產品的隨機性總能讓人眼睛為之一亮，提供創作者更多創意與靈感。
容忍度中等：沒有明顯受益或受害於隨機性，在有其他 benefit 之下可以接受一定程度的隨機性。例如 Notion AI 寫作、Readwise Reader 的 AI 文章摘要、Gamma 的 AI 產簡報，這些應用在有提升生產力的前提下，對產出的隨機性有一定的容忍度。
容忍度低：此類產品無法接受產出有隨機性。例如絕大多數跟財務有關的產品，稅率計算、發票與單據建立等等，其作業性質無法容忍任何模糊的地帶。
二、You Can Learn AI Later
2023 以來 AI 的蓬勃發展，相信大家也都聽過一些讓人很 fomo 的論調，像是「不會使用AI的人將被淘汰」之類的。而針對這種狀況，37signals 的 Co-founder Jason Fried 寫的這篇文章我非常喜歡2，原文不長很推薦大家有空可以去閱讀，以下摘要幾段我覺得很精華的論述：
沒有什麼事情是你需要「現在」、「立刻」去學的，你只需要保持好奇、不排斥的隨意看看、晃晃，體驗一下這個新東西有什麼新奇的，大概可以做到哪些神奇的事情，足矣，這並不是什麼生存測試。
在你還不需要的時候去學習某件事只會讓你提早放棄，學習一件事情的最佳時機是：當你真的需要某項技能，而你不會，且你可以學會的時候。
保持好奇心，了解新玩意兒能做到哪些事，當未來你真正需要它時，就去學習！在此之前，請忽略 fomo 情緒專注於做你現在已經做得很好的事情。
AI太方便了,很多行業都可以被取替,人只會愈來愈懶惰