从提示到产品：Copilot 成为焦点，展示 AI 如何实现

人工智能变得具有变革性不是因为机器思考得更快，而是当人类想象力和智能系统相互推动时。模型可以生成输出，但真正的影响只有在创意与跨工作流程、数据和实时决策的强大、可扩展系统相结合时才会发生。

在2025年TechSparks大会上，"让人工智能成为现实：创造力与智能和规模的交汇处"专题讨论会深入探讨了这一强大的交叉点。由微软印度创新中心首席技术官Sandeep Alur主持，会议汇集了Yubi集团YuVerse负责人Mathangi Sri Ramachandran；被Collective Artists收购的Galleri5创始人Rahul Regulapati；Writesonic创始人Samanyou Garg；以及Rocket联合创始人兼首席执行官Vishal Virani。Alur与微软的AI助手Copilot共同主持，后者提出实时问题，提供了人机协作的现场演示。

平衡创造力与企业需求

对话以企业准备度的问题开始：使用AI驱动的开发工具的团队如何平衡创造力与安全性、可扩展性和可靠性的需求？

Vishal Virani通过氛围编码（vibe coding）能够和不能够在当今提供的视角进行了分析。他表示，当前平台仍然无法独立生成生产级应用程序。它们能做的是显著加速早期开发。例如，Rocket允许团队组装前端流程，使用Postman集合集成私有API，并使构建与内部设计系统保持一致——所有这些都在紧凑的设置期内完成。其真正的优势在于定制化：在15-20天内，Rocket可以根据企业客户的需求配置其整个环境。

他补充说，更强大的模型将扩展这些工具的功能。"到GPT-5或Sonnet 5或Sonnet 6出现的时候，我们将能够生成纯净、安全的代码，"他说。在交流过程中，Alur提到"氛围编码"最近被柯林斯词典宣布为年度词汇。

Virani分享了一个房地产科技团队的例子，其中一位产品经理输入了一个问题陈述并生成了一系列选项，包括为Z世代用户和60岁以上受众量身定制的版本。该经理告诉他，该平台将工作重点从编写PRD转移到了探索可能性。

他还提到了Devin，这是一个在GPT-3时代推出时被忽视的工具，但它是为后代模型所能实现的功能而构建的。当这些模型出现时，它在美国的采用率迅速增加。

通过生成引擎优化重新定义发现

对话随后转向AI如何重塑产品发现。Samanyou Garg指出，用户越来越依赖AI助手而非传统搜索引擎；仅ChatGPT每周活跃用户就已超过7亿。最近的Forrester研究显示，89%的B2B购买决策现在涉及AI中介对话，使在这些系统中的可见性变得不可或缺。

然而，今天的AI还没有"搜索控制台"。公司几乎不了解哪些提示会展示他们的产品或竞争对手如何出现。Writesonic旨在通过跟踪AI助手内的品牌可见性并确定需要优化的地方来解决这个问题。

Garg强调，AI模型对Reddit和维基百科等第三方来源的权重是品牌自有内容的三到六倍，使外部情感和评论成为关键输入。他还强调了持续更新品牌自有内容的重要性，因为过时的信息仍然可能被模型提取。

Garg将这一转变描述为生成引擎优化（GEO）的兴起，不仅优化搜索引擎，还优化AI模型如何解释、排名和呈现品牌。

AI作为创意基础设施

讨论随后从发现转向创造力。Rahul Regulapati谈到了Galleri5在AI生成的摩诃婆罗多系列上的工作，该系列现在是Star Plus上的顶级节目之一。虽然Galleri5构建了支持制作的AI基础设施，但一个完整的创意团队，包括导演、编剧、特技和编舞单位以及角色艺术家，负责电影制作。50到100人在创意和技术角色中工作。

Regulapati将AI描述为消除生产限制的基础设施。团队现在可以在较小的工作室拍摄基本动作，并使用AI管道将其扩展为以前需要大量预算或复杂物理设置的广阔、电影般的序列。以前需要两年的制作时间现在可以缩短到两个月，以前达到1亿卢比的成本可以大幅削减。在整个过程中，创意控制保持完整——摄影指导仍然决定镜头和视觉风格，输出必须符合这一愿景。

他补充说，观众收看摩诃婆罗多是为了其讲故事能力，而不是其技术。展望未来，他预计在未来12到24个月内，大多数内容将部分或完全由AI支持，创意团队将坚定地引导这一过程。

从验证到大规模应用

小组随后转向规模问题，Mathangi Sri Ramachandran概述了YuVerse如何在高容量、高风险环境中运营AI系统。该公司每月通过对话机器人处理近3000万个电话，同时进行大规模文档处理和个性化视频生成。正如她所说，"我们今天尝试的任何事情明天都会成为规模。"

YuVerse的旗舰产品之一YuVin创建了数百万个个性化视频，每个视频都针对个别用户量身定制，而不是依赖单一的大规模生产资产。该团队现在正在试验交互式视频到视频格式，这可能会进一步改变品牌沟通方式。

Ramachandran强调了机器性能和用户期望之间持续存在的差距。传统呼叫中心通常以60-70%的准确率运行，而AI机器人达到98-99%，但清除概念验证仍然需要50到100次迭代，因为对机器错误的容忍度仍然极低。印度对语音的偏好，甚至在WhatsApp上，使对话式AI特别引人注目，但这些期望继续减缓采用。

追溯该领域的演变，她描述了对话式AI如何从语言学家主导的系统转向计算机科学家，然后是RNN和LSTM，现在是LLM。她指出，印度一直是"一个极其注重对话的市场"，但广泛采用直到最近随着更强大语言模型的出现才开始起飞。不过，她强调，对机器错误的容忍度必须提高，部署才能加速。

主持人Sandeep Alur提出了一个重新框架：公司不应只关注错误率，还应考虑错误成本。如果成本较低，他认为，团队应该前进，而不是追求完美而减缓规模。

为明天的工作流程构建

当对话转向下一波低代码和无代码工具时，Virani澄清说，氛围编码平台最适合用于概念化，而不是用于发布生产级代码。他引用了一位房地产科技产品经理的例子，该经理使用Rocket探索竞争对手尚未考虑的想法，并快速测试针对Z世代与60岁以上用户的版本，这项通常需要一个月的工作在一天内完成。

根据Virani的说法，采用的更大障碍不是能力而是心态。企业经常因为试图将现有工作流程强制纳入新工具而挣扎。"如果你试图将你的工作流程塞进任何工具中，你将无法随时采用AI，"他说。他补充说，美国市场采取了相反的方法：首先评估工具，然后围绕它们调整工作流程。安全和合规性关注也会根据团队是在探索想法还是大规模部署而转变。

关于产品发现，Garg解释了AI驱动的搜索如何重塑可见性。AI系统对Reddit、维基百科、独立评论等第三方来源的权重是品牌自有内容的三到六倍。这意味着网上任何地方的过时或负面信息都可能出现在AI生成的答案中。对于希望出现在AI推荐中的品牌，声誉管理现在必须跨越评论平台、媒体和社交对话。

让AI成为现实

在会议结束时，每位小组成员就"让AI成为现实"的含义提供了简明的见解。Ramachandran强调关注真正重要的成果并确保AI保持人类治理。Regulapati认为，当AI取代流程而非人员时，AI才变得真实。Garg指出了基本原则：与用户交谈，识别摩擦点，并通过以人为本的方法修复工作流程。Virani强调了一个技术真理：正确的上下文比大量输入更重要，没有这种基础，AI系统可能会产生幻觉。

Copilot，总结其在整个讨论中的角色，提供了最后的舞台总结：保持对真实成果的锚定，使用AI支持人们，维持以人为本的工作流程，并始终使用正确的上下文。

.