首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >【征文】我为什么又用WorkBuddy做了一场模拟实验?

【征文】我为什么又用WorkBuddy做了一场模拟实验?

原创
作者头像
非默认值
发布于 2026-10-31 17:49:09
发布于 2026-10-31 17:49:09
1260
举报

〖征文〗我为什么又用WorkBuddy做了一场模拟实验?

这家银行并不存在。

星澜银行,2026年11月开展“秋日便捷支付季”活动,与云集购、悦食达、光影生活、快行通四个平台合作,推出首绑优惠、支付随机立减和每日登录权益。

银行是虚构的,平台是虚构的,活动规则也是为实验独立设计的。

但我与WorkBuddy的对话、它给出的建议、我们之间的分歧,以及最终生成的材料,都是真实发生的。

为了写这篇征文,我决定重新做一遍曾经尝试过的工作:让WorkBuddy把一套复杂的营销规则,转化为不同使用者真正需要的材料。

为什么要重新做?

一方面,我从事银行营销相关工作,曾尝试借助WorkBuddy整理营销活动材料。相关材料经必要审核后,已正式投入使用。这段经历也让我开始思考:一份材料规则完整,是否就意味着使用者能够方便地使用?

另一方面,我想知道,之前逐渐形成的人机协作方式,换一套业务规则后,还能不能继续发挥作用。

真实业务资料不宜直接用于公开展示,于是我设计了这场独立的模拟实验。

我原本以为,这只是对已有方法的一次重复实践。

随着实验推进,我发现,它还让我重新审视了方法本身。

一、一份完整的营销指引,为什么还不够?

我把《星澜银行·秋日便捷支付季模拟业务规则V1.0》交给WorkBuddy,请它制作一份供分支行一线人员使用的营销指引。

规则并不简单。

四个平台有不同的优惠门槛;借记卡与信用卡的适用权益不同;通过银行APP绑卡和平台收银台绑卡,可能获得不同的优惠;首次绑卡资格、支付成功时间、退款处理和优惠有效期,又存在各自的限制。

WorkBuddy完成了初稿。

从内容看,它已经把主要规则整理出来,章节清楚,也有活动概况、权益说明和注意事项。

看着这份材料,我想起了一个更具体的使用场景:

一线人员正在面对客户。客户问:“我已经绑卡了,为什么没有优惠?”

这时,难道需要一线人员从头翻阅一份完整的营销指引吗?

于是,我把问题抛给WorkBuddy:

“如果你是一线的营销人员,拿到这份营销指引,你会看吗?”

它的回答很直接:

“这份材料我能看懂,但大概率不会主动翻第二次。”

图1|面对完整营销指引,WorkBuddy从一线使用者视角提出改进建议。
图1|面对完整营销指引,WorkBuddy从一线使用者视角提出改进建议。

它让我意识到,之前可能把“规则整理完整”误认为了“材料能够被使用”。

完整营销指引适合系统了解活动、处理复杂问题;面对客户时,一线人员更需要迅速找到优惠金额、参与条件和关键限制。

信息没有变,我们改变的是信息被查找和使用的方式。

二、AI提出了好建议,但第一版速查卡仍然不对

我接受了制作A5速查卡的建议。

第一版出来后,我发现一个问题。

WorkBuddy在卡片中加入了不少营销话术,希望帮助一线人员更好地向客户介绍活动。

不同网点、不同客户、不同营销人员,具体交流方式会根据实际场景而不同。我们首先需要统一的是活动规则和必要的信息口径,而不是要求每个人使用相同的话术。

于是,我再次明确要求:

“规则可以标准化,具体营销方式不必统一。”

速查卡的主要作用,应该是让一线人员在需要时迅速确认事实:客户能不能参加、能享受什么优惠、有哪些限制、出现特殊情况应该查哪里。

图2-1|我重新明确速查卡应服务于规则查询,而非统一营销话术。
图2-1|我重新明确速查卡应服务于规则查询,而非统一营销话术。
图2-2|WorkBuddy据此调整速查卡的信息结构。
图2-2|WorkBuddy据此调整速查卡的信息结构。

WorkBuddy随后调整了卡片的信息结构,将优惠门槛、适用卡种、参与入口和关键限制放在更容易查找的位置。

回头看,我也不是从一开始就知道速查卡最终应该是什么样。

而如果没有看到第一版速查卡,我也未必能这么快说清楚:我需要的是规则查询工具,而不是统一营销话术。

AI提出方案,人提出判断;双方在具体成果中不断澄清需求。

三、这一次,我让WorkBuddy先别动手

接下来,实验遇到了一个更需要谨慎处理的问题:业务规则本身存在需要确认的地方。

在整理模拟规则时,WorkBuddy指出了一个容易产生歧义的场景:

光影生活的信用卡客户,如果通过银行APP首次绑卡,是否还能享受首绑支付立减?

作为模拟规则的设计者,我需要先明确业务条件。

在更新后的V1.1规则中,我对不同绑卡路径作了区分。例如,借记卡通过银行APP首次绑卡后,可以在规定的7日窗口内完成首次符合条件的支付;而信用卡通过平台收银台首次绑卡,则需要在同一笔符合门槛的订单中完成支付。

同样是首次绑卡,入口和卡种不同,就可能直接决定客户能否获得优惠。不能简单地用一句“首次绑卡即可享受优惠”来概括。

图3-1|确认规则差异后,先检查影响范围,再决定修改。
图3-1|确认规则差异后,先检查影响范围,再决定修改。
图3-2|进一步核对7日窗口的起算与截止条件。
图3-2|进一步核对7日窗口的起算与截止条件。

新规则确定后,我没有直接让WorkBuddy重做全部文件。

我先要求它检查:哪些已有材料受到影响?哪些表述需要调整?是否存在需要进一步确认的地方?

等差异列出来,再由我决定如何修改。

AI可以帮助发现规则空白、比较版本差异、定位需要修改的内容;但业务规则如何确定、修改是否被接受,仍然需要人作出决定。

尤其当一套规则将被用于多份材料时,如果源头理解错了,错误就可能随着批量修改一起扩散。

高效不是让AI更快地给出答案,而是减少无效交付,让问题不断接近真实,也让成果更加贴合真实需求。

四、AI可以快速生成多份材料,但谁来把最后一道关?

规则明确后,我继续让WorkBuddy针对不同使用者制作材料。

最终,这套模拟活动形成了四类材料:

完整营销指引,供需要系统了解活动规则的人员使用。

A5双面速查卡,供一线人员面对客户时快速查询关键条件。

客户活动海报,用更简洁的方式说明参与路径和主要权益。

常见问题Q&A,帮助使用者针对具体疑问查找答案。

图4-1|基于已有规则与材料,提出面向客户和一线人员的不同制作要求。
图4-1|基于已有规则与材料,提出面向客户和一线人员的不同制作要求。

WorkBuddy并非只是把同一份内容换成不同文件格式,而是围绕统一规则,按客户和一线人员各自的需求重新组织信息:海报突出参与方式与权益,Q&A则围绕具体疑问提供查询线索。

检查客户海报时,我发现其中有一处概括性表述:“首绑立减仅限首次绑定那笔订单”。

但在同一张海报的另一处,已经写明了光影生活借记卡通过银行APP首绑后,可在规定7日窗口内完成首次符合条件支付并享受8元立减的特殊路径。

图4-2|海报通用提示与光影生活借记卡7日特殊路径并存,可能引发理解歧义。
图4-2|海报通用提示与光影生活借记卡7日特殊路径并存,可能引发理解歧义。

因此,问题并不是海报完全遗漏了这条规则,而是通用提示没有明确排除特殊情形。客户如果只看到那句概括性提示,就可能误解优惠条件。

而我在实际工作中一直有一个习惯:材料形成后,要由人进行有重点的审查。

这种审查不只是从头读到尾,而是特别留意几个地方:

规则和金额是否准确,适用条件有没有遗漏,特殊情况是否被过度概括,不同材料之间有没有相互矛盾的表述。

我发现了这处歧义,但本轮没有继续要求WorkBuddy修复,也没有把海报视为审核通过的交付成果。

在真实业务中,对外使用的材料还必须遵守相应的审核和审批要求。

AI改变了材料的生产方式,但没有改变最终质量责任的归属。

五、重新做一次,我真正想留下什么?

这次模拟实验生成了四类材料,但并非全部通过最终交付审查。

我重新做这场实验,并不只是想再得到四份文件,而是想看看此前逐渐形成的人机协作方式,换一套规则后是否仍然有用。

我原本是带着问题去问AI的,后来发现,有些问题是在看到答案之后,才真正想清楚的。

从完整指引到A5速查卡,再到规则核验和多份材料的审查,我们并不总是在修改一个已经确定的答案。有时,WorkBuddy提出的新方案,或者它生成的成果,反而让我发现最初没有充分考虑的需求。

答案不一定是讨论的终点,也可能成为重新认识问题的起点。

我尝试把这次实践中的经验整理成两个相互联系的闭环。

图5|从交付到能力:内环为任务闭环,外环为方法闭环;跨场景适用性仍待验证。
图5|从交付到能力:内环为任务闭环,外环为方法闭环;跨场景适用性仍待验证。

内环,是一次任务的完成:生成 → 校准 → 交付。

WorkBuddy形成初稿,人和AI围绕使用场景、业务规则与交付形式校准,再通过人工审查判断是否达到交付要求。这是工作路径,并非宣称本次已完成全部交付。

外环,是协作方法的持续改进:提炼 → 验证 → 修正。

从一次协作中提炼经验,在下一次任务中尝试使用,再根据实际反馈修正方法。

这次实验也让我进一步注意到:当一套规则被转化为多份材料时,除了检查每份材料本身,还需要核对它们与统一规则源是否一致。

但模拟实验尚未进入真实的一线使用场景。我们完成了材料制作、需求校准和人工审查,却没有完成全部问题的修复与最终交付确认;也还不知道这些材料投入使用后,能否真正提高信息查找和问题处理的效率。

未来,如果将协作方法整理成可复用的WorkBuddy SKILL,并放到其他任务中检验,才有机会进一步了解它的适用范围。

这次实验没有证明我们已经找到一套适用于所有场景的协作方法,却让我更加清楚地认识到:真正的需求未必能在任务开始时就被准确界定,解决方案也往往是在任务推进、不断尝试与校准的过程中,才逐渐贴近真实的使用场景。

有时,AI给出的答案,不只是用来解决问题的,也可以帮助我重新认识自己提出的问题。

这或许才是我愿意重新做一次实验的原因。


创作与内容说明

本文为原创实践记录,写作与整理过程中使用了AI辅助。文中涉及的银行、合作平台、营销活动及业务规则均为本次模拟实验独立设计,不代表任何真实金融机构的业务政策或活动安排。

文中WorkBuddy的交互过程及生成成果来自实际操作记录,相关截图仅用于展示本次实验过程。本文不包含真实客户信息或真实业务交易数据,所述方法与结论仅基于本次模拟实验,尚未经真实业务场景验证。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档