王天骋 Gary
和一个大厂的技术总监交流，他讲了一个团队里老员工的故事。团队里有个做推荐系统出身的老员工。两年前大模型最火的时候，他没有跟风去搞基座模型，而是琢磨怎么把大模型的理解能力接入现有的商品推荐链路。他懂电商转化率逻辑，知道大模型做实时推荐延迟高、成本大。他的做法很“朴素”：在离线阶段，用大模型深度解析用户历史评价和商品详情页长文本，提取细粒度的新特征，然后喂给传统的XGBoost排序模型。这种做法在纯大模型从业者眼里可能不够“前沿”，但让核心业务转化率实打实提升了两个百分点。在大型电商平台，这意味着每年数以亿计的额外收入。他可能写不顺Transformer底层算子，但他懂怎么用现有AI技术解决业务痛点。这才是他最大的护城河。懂业务问题的本质，是要知道：自己的工作到底在为谁、创造什么价值？顺着这个问题，延伸出三个核心思考：思考一：技术分为哪几种类型？不是所有技术岗位都适合走专家路线。基础/前瞻性技术：没有具体产品方向，解决技术难题后应用在什么方向、什么产品，是不清楚的。底层技术：属于支撑面技术，如Linux内核开发。创新性技术：有应用方向，AI属于这一类，从0到1，难度高，不需考虑市场反应。产品技术：围绕产品进行技术创新。应用技术：典型如互联网行业，技术和商业同样重要，但商业终将战胜技术成为主导。思考二：什么特征意味着可以走技术专家路线？①个人技术能力在行业前1%。②在有技术壁垒的行业：技术不能轻易清零，迭代越快，过往积累作废越快；技术不要有顶峰；技术一定要靠时间慢慢积累，有很多坑需要一个个填。思考三：走不通技术专家路线，怎么向业务靠拢？这是大多数技术人员的出路。经常和产品交流，知道自己的技术最终在产品上是什么样子。向业务团队靠拢，知道业务团队的痛点是什么。从市场和客户角度出发，和客户深聊：经营痛点是什么？销售额怎么才能增加？做一个什么样的数字化产品才能帮到你？养成看业务数据的习惯，搞清自己的模型在链路里的位置，上游是什么、下游是什么、输出被谁消费。总结人类历史一直是技术和商业双轮驱动。先是技术颠覆，之后进入商业环节。商业占主导99%，技术占主导只有1%。商业的第一个层面就是业务。对业务层面的理解，是一个基层员工——甚至80%以上高薪的基层岗位——真正走向成功的开始。
发布于 陕西
分享
评论
1
未登录
友善发言
评论
加载中
