技术分享行业科普
在效率至上的 AI 时代，如何做慢思考的商业化？
本文基于众安保险-AI 产品专家@何盼女士，在 NebulaGraph 社区「她这种节点」MeetUp 上的分享整理而成。众安保险，是 NebulaGraph 的早期用户之一，用 NebulaGraph 处理日活上亿的数据血缘、数据关系。
现在所有的大模型、业务都追求“快”：我要更快接入，更快使用新技术。
但有没有人停下来思考一下，我们到底要用它做什么？如何在效率至上的时代，把慢思考贯穿到自身的职业生涯发展规划与产品商业化中？
一、共同的焦虑：线性学习 vs 技术爆炸
Claude 更新了、GPT-5 发布了，所有人都在养龙虾，朋友圈“xx 已死，xx 永生”疯转……我们像被按了快进键，生怕错过任何一朵“浪花”，生怕被浪潮拍下。
但人类学习的速度，永远赶不上技术迭代的速度。
因为技术变化的速度是指数级增长，而人类学习的速度是线性的。我们试图用线性速度去对抗指数级爆炸，这本身就是一种不切实际的期待。
更可怕的是信息碎片化。以前我们能静下心看完一本书，现在 3 分钟的视频都嫌长，看书要看精简版，看电影要开倍速，连思考都要靠 AI 总结。
并且小红书、抖音、公众号，每天都有营销号制造焦虑，常让人觉得，不掌握最新的技术就要被时代淘汰了。
作为女性，更是害怕自己因为生育或者回归家庭，一两年后再出来，就在职场中失去了原本的竞争力。
我们被焦虑和恐惧围剿。
但你有没有停下来想过：我们到底要用这些工具做什么？自己到底适合什么？自己到底想要什么？自己能从里面获得什么？
这，就是我今天主题的来源。
二、看清“虚火”背后的真实生产力
慢下来，尝试“去伪存真”，才能看清“虚火”背后的一些生产力。
就拿最近火遍全网的 OpenClaw 来说。作为 AI 从业者，所有新技术出来，我都会第一时间尝试。但坦白说，OpenClaw 并没有营销号吹得那么“神”。
1.进不了生产环境
在生产环境，尤其是在保险金融行业，直接使用 OpenClaw 一定会出问题。
2.成本与收益不匹配
如果个人使用，也会产生问题，第一是贵，跑一个简单的任务， 可能 100 块钱就没了。第二是收益在哪？假设花了 100 块钱，它真的能带来 100 块钱的价值吗？其实可能并没有。举个例子，就像都在吹 OpenClaw 能帮用户开关机、约会议、查日程、总结今天的会议重点，但作为普通人，我用 siri、小爱同学来实现不行吗？
3.最后一公里最难
但我不是在完全否定 OpenClaw，它的出现特别好、特别新，这是我们要思考的地方。我们不要去追逐“快”，而是看现在它到底颠覆的是什么。
特别是去年 Mannus 出来时，最开始它也不是现在这么完美。但它的问世，最让人震惊的地方是转换了一种思考模式，不是之前那种对话式 Chatbot 一步完成，而是像一个大的 Agent，能帮你完成比较复杂的任务。
真正的生产力不在于“炫技”，而在于对业务场景的深度理解与系统集成。
所以我的建议是：与其焦虑没有用上最新工具，不如思考如何解决最难的问题。
什么是最难的问题？是你业务中的真实痛点：这个工具加上去，能解决什么问题？能提升多少效率？能节省多少成本。这才是关键。
三、重新定义“快”与“慢”
我们总是把“快”等同于高效，把“慢”等同于低效。但在 AI 时代，这个定义需要被重新审视。
快思考是追逐广度。
1.追逐热点
很多人把精力放在新工具上、新名词上。尤其是 AI 行业，今天的新工具还没吃透，明天又有新的名词产生了。其实也是大家焦虑的一个来源，我觉得大家不用去特别地去记、去焦虑，等你真用到了它，你一定会记住。
2.碎片化解决
现在 AI 大部分只能用在一些比较碎片化的流程上。比如做核保，从用户提交材料，到材料进来后做 OCR 分析、结构化提取，最后给核保结论。这个核保结论现在基本上 80% 没办法走 AI 的，都是走人工，而且人工一定会做 Double Check. 所以你说 AI 真的 AGI（Artificial General Intelligence）了吗？并没有。中间可能10%-20% 可以用快赔或快核的方式。
3.短期效率
牛马经常被老板压力：新技术出现了，你快点部署一下看看效果。但部署完之后呢？然后就没有然后了。大家浪费了时间、浪费了算力。
总之，快思考不是让大家放弃追热点，而是先想好自己到底要什么，明确目标后再去尝试，同时减少焦虑。
慢思考是构建深度。很多时候，慢，即是快。
1.构建系统
拿到新工具，切勿着急上手，先厘清利益网络与边界，同时寻找杠杆。
比如做核保，核保人并不信任我的 AI 给出的结论。我怎么才能把业务推进下去？最后聊下来，我挖掘出主要矛盾是，他认为我的 AI 会替代他的人工。实际上真的会替代吗？
说实话，确实会，但只有一部分。比如部门里，那些初级的岗位可能就不用了。但面对他的焦虑，我会告诉他：你失去了什么，但你得到更多——你现在每天处理核保的案件更多了，整个部门 KPI 上来了，绩效好了，员工手里钱多了。这种情况下他就愿意接受。
2.深挖底层逻辑
不管大家用什么大模型，有没有思考过，它背后的真实生产力到底是什么？
大家如果有接触过 RPA （Robotic Process Automation）就会发现，OpenClaw 整个流转模式就是之前传统的 RPA，只不过现在的 OpenClaw 更高级了，可以让你直接就把整个流程操作起来。
3.长期定力
要耐心构建信任关系。特别是在做新的 AI 产品时，它大概率是不能被用户信任的。所以我们做一个四象限划分。
在ToB、强监管、长业务复杂逻辑的情况下，准确率是第一要素，准确率必须至少要达到 95% 以上。其实我们现在生产都是 99.5% 以上，这种情况下我才能给到我的用户，至少我跑的上千个 Test Case 里，只允许有一两个错误率。接下来我才有底气告诉用户、告诉业务：你可以用我这个东西，没有问题。
另外，女性的竞争优势是更有耐心、更敏感、洞察能力非常强，做产品时，就要用好这些与生俱来的优势。
总之，慢思考不是速度放慢，而是向下挖深度，在关键的时刻做出正确决策。
再举一个例子，大家对产品经理的刻板印象就是，写 PRD、画图。其实不是，优秀的产品经理一定会把更多时间放在用户调研、市场调研，厘清整个系统设计的本质。再去写文档、画图。我个人会花超过两倍、三倍的时间一直在做这个Thinking.
四、实战复盘：商业化中的“慢决策”
在 AI 核保中，怎么做慢决策？慢决策其实会给项目落地带来比较快的速度。
我们一般会遇见以下问题：
1.信任黑箱
我们保险行业内的核保专家基本上都是 10 年以上工作经验的老行家，当他质疑你做的 AI 核保产品工具跑出来的结果，你怎么说服他用上这个工具？
2.合规门槛
中国对保险金融行业是强监管，你落到的每一笔数据、每一份材料，都需要白盒，对黑箱零容忍。每一笔结论都必须是可追溯的。
3.业务断层
技术变化非常快，技术团队追求算法精度，要求非常高，说要达到完美状态才能上线。但对业务来说，他非常关注风险，你说效果好，怎么证明？
双方会在两个不同立场中僵持。产品站在这个位置上，要做的是当润滑剂，看到双方的诉求和利益点，在自己产品上怎么把效果最大化、把两方观点拉齐。
基于我个人的慢思考的解法：
1. 做产品设计时，重视可解释的路径
要让 AI 说人话。在核保过程中，我们要展示 AI 实时提取的病例关键信息和对应的医学逻辑。比如，医疗险核保会涉及用户提交的病例信息、体检报告，包含 ICD 对码、疾病内容。这会让核保专家有安全感，看到提取其实是源于有效信息后，会产生信任感。
2.白盒化的溯源，构建证据链条
众安保险有知识库，比如核保手册、再保公司手册、疾病信息。我们通过现在的 RAG 技术，在做核保流程时，每一条核保记录都会追溯来源：你的结论是从哪几个文档里体现出来的，并且定位到哪个章节。核保专家看了后发现跟自己核保习惯差不多，又会产生第二层信任。
3.和业务做深度建模，做风险图谱
算法和业务之间会有 Gap，由产品来解决。我们首先不着急开发，把业务老师拉到一起，坐下来把规则聊清楚、把业务摸透，达成共识后，再想流程里怎么上技术。然后告诉技术：我们先上一版 MVP（Minimum Viable Product），先感觉一下、挑挑数据，不要着急做 100% 完美的产品。
五、总结：三个漫步法则
慢步一，深度聆听，要去直面自己的恐惧、直面对方的恐惧。
行动上，深入冰山之下。
抛开预设的完美方案，和所有业务做沟通。不管什么岗位，都要和业务沟通。如果设计的产品涉及多家业务，可能每个都要做深度访谈。我做产品以来，基本上会保持一个习惯：每周至少安排 3-4 场用户访谈，告诉用户你现在有哪些用不习惯的，你的业务还有哪些问题没被解决。这个访谈可以让我们时刻保持敏感性。
我的发现是，恐惧大于效率。
恐惧上脑，就会丧失思考力、行动力。有一个反直觉的发现：如果核保专家说“我不想要这个结果”，其实他的拒绝不是因为 AI 达不到核保速度，不如人工。他反而是因为对结果的不可控。
因为不可控背后的因素是：如果核保出了问题，我要给你承担风险。后面如果公司产生误赔，我这个部门会受影响，公司会有损失。所以产品经理的职责，需要从单纯提效变成深度控险。
并且我认为在这种项目里，女性力量的体现更多是一种共情。共情一定是我们的一个非常强的优势，是我们可以化为系统洞察的新起点。
在刚才的例子中，为什么业务和技术最终能达成一致？是因为女性有天然的共情能力和洞察力。去两方沟通时，我们像水一样柔软，很易把有争执的两方拉下来，把事情推进。所以我不认为女性在职场里一直会是劣势，我认为未来一定是优势。
慢步二，做系统的结构，在复杂网络中找杠杆。
行动上，拒绝直接编码。
最先做的不是写代码，而是梳理风险关系。一定要去把风险关系梳理清楚。
所以本质上我们需要养成从点到网的思维系统。中间要经历三个过程：
第一要把一些复杂性抽象出来；第二要有全局视角；第三要有掌控感的投入。
对于复杂的商业环境，不管是客户也好、我们也好，终究离不开两个字：我要看效果。你的效果怎么产生？就是你怎么运用好过程当中的节点——你的技术、你的供给能力、你的识别能力、和你本身能不能看见客户的问题。
慢步三，构建信任。
落到项目里，就是在构建信任关系。像刚刚说到的，在核保里我做了三方面调整，OCR+大模型+RAG，构成了整个结果输出的可解释性。
看清思考过程。“长期信任的商业溢价，远高于短期的技术优越感。”是我在做所有商业化输出到现在最深刻的感受：客户会愿意买单你的产品，并不是因为你这个技术多牛，而是因为你这个东西靠谱、准确、能让他的生产不出问题、能达到效果。
六、如何在这个时代“正确地焦虑”？
回到刚开始提出的话题，焦虑不可避免，但我们可以选择正确地焦虑。
1.学习底层逻辑
工具会变，但解决商业问题的逻辑、对人性的洞察永远不变。与其追逐每一个新工具，不如去理解它背后的底层逻辑。
2.识别“虚火”
接纳技术的不完美，学会识别营销辞令背后的真实生产力。守住自己的深度，不被每一朵浪花带偏。
3.发挥女性优势
我们的坚韧、细腻、耐心、共情能力，都是这个时代最稀缺的能力。
在垂直领域扎得足够深，这种深度本身就是对抗广度的最强武器。只有扎得足够深，才能在复杂系统中看到别人看不到的风景。坚韧地守住自己的领域，不是保守，而是为了在关键时刻爆发更强的商业影响力。
七、写在最后
最后我放一张 AI 生成的图，叫“未完待续”，我们每个人的人生，不管是多少岁，你有无限可能去做任何事情，从这个角度看，每个人都是在启程的路上。
而图上是在各个领域取得成功的女性，在旧系统当中去开辟新的路线，并且在新的路线里留下自己标记的女性，都值得我们尊敬。
所以接下来，让 Women 保持连接、保持创造。
Women 也可以上桌 ！
谨以此文，献给每一位在技术世界中坚持思考、勇敢前行的女性
✨相关阅读
