“学会月入5万”，“再不上车就来不及了”，“错过这个风口，将错过接下来十年的机会”，每当有新鲜领域和行业出现时，各类培训班如雨后春笋一般涌现，这类广告语也迅速成为各种培训班的宣传口号。
大数据火的时候，大数据培训班来了；区块链火的时候，区块链培训班来了；今年AIGC火了，AIGC培训班如期而至。
培训班们鸡血式的口号，营销号摆出一个个“血淋淋”的数据和事实，似乎在不断提醒你，你是选择AIGC还是“被淘汰”？
2023年，随着ChatGPT和Midjourney两款程序的爆红，AIGC（AI-Generated Content ，中文译为“人工智能生成内容”）像2017年的AlphaGo一样，再一次将人工智能推到了大众话题的风口浪尖。
起初，翻译笑话AIGC“不说人话”，编辑吐槽AIGC“逻辑混乱”，原画师嘲讽AIGC“缺少审美”，但是随着这些程序的快速迭代和进化，很多人都纷纷坐不住了。
最近，国外的一位小哥测试了GPT-4的智商，结果显示，它的语言智商竟然达到了152，因为根据调查，人类的平均智商是90-109，单论语言智商的话，人类已经妥妥地被GPT-4吊打了。
同时，不断迭代中的ChatGPT创作的新闻稿逻辑清晰、立意鲜明；Midjourney也从起初的画出6根手指的人物，到几秒钟可以生成一张原画师一周工作量的画作。
Midjourney v1→v5版本迭代的绘画结果
AIGC强大的内容产出能力和自我学习能力，让文案编辑、原画师、方案撰写、律师等岗位受到强烈冲击。据投资银行高盛（Goldman Sachs）发布报告，随着技术的突破，预计全球将有 3 亿个工作岗位被AIGC取代。
在人工智能时代，这个世界由以下6个层级的内容构成：数据、信息、知识、洞察、智慧和影响力。
散落的点是各种原始数据→标明数据中有价值的点，就变成了信息→信息互联成为了知识→知识中的亮点成为了关键洞察，只有拥有关键洞察才能找到商业机会点→拥有洞察，并将其连接起来，帮助我们做判断，做决策，这才拥有了智慧。
前两部分的数据和信息是碎片化、海量的，在一定程度上，目前人工智能的应用，可以凭借其强大的算力，替代重复的脑力劳动，大幅提升数据收集和信息整理的效率。
但随着AIGC时代的到来，人工智能已经开始初步具有知识的输出能力，但是洞察和智慧一定是属于人类的。这也正是服务设计的关键意义所在，因为服务设计是一个关注“人”的学科，研究人的想法，洞察人的需求，解决人的问题，提升人的体验，这是AI暂时不具备的能力。
服务设计最重要的切入点是人：洞察人的需求，理解人的情感。无论是服务还是产品，其本质最终都是为了解决用户的问题，这是一切工作的基础。
以人为本，洞察需求，要求你需要拥有同理心，同理心又包含以下四个特质：
-
换位思考：以他人视角看待世界，承认他人眼中的世界也是真实的
-
-
-
同理心是服务设计非常独特的能力，关注情绪和表达。如果把外部世界看到的人看作一个冰山，人工智能或许可以参与冰山以上20%的分析，但是冰山下面80%的信息，则更多的需要人去进行理解和感知。
服务设计要求持续地满足在整个服务中跨业务的所有利益相关者的需求。服务设计可以用全局思维补全整体的服务链路，打造完整的端到端的用户旅程，是一种模式的创新。
服务设计区别于其他设计的“最独特的地方”，在于它不是专注于问题的某一个方面，而是从全局的角度出发，像“CEO”一样思考整个系统中各要素之间的关系，通过对这些关系进行设计，使整个服务体系得到优化。这也是人工智能在短期内无法取代服务设计师，最关键的一个因素。
服务设计是一种探索性、适应性和试验性的方法。使用服务设计原型进行迭代，从微小、低成本的尝试和试验开始，允许失败，从失败中学习，并不断调整这个过程。
通常，在服务正式投入和实施前，服务设计师需要营造尽可能接近真实的场景，邀请用户进行体验，去测试和观察用户反应。因为如果不是最逼真的环境，用户不可能展示最真实的感知。
人工智能具有强大的学习和迭代能力，可以根据相应指令快速生成想法和产出，但是受限于空间构想能力缺失的现状，无法实地测试自己的想法，无法想象服务与整个空间的关系，与空间里的人的互动和关联。
不难看出，人工智能在一定时期内并不能取代服务设计或者服务设计师。但是每一次技术的更迭都是为了人类社会更好的进步，服务设计师也不应固步自封，而是应该张开双臂，拥抱变革，让AIGC成为设计更好服务的“神兵利器”。
我们不妨来设想一下在服务设计的流程中，如何更好的利用人工智能？
在服务设计发现问题的阶段，服务设计师需要进行大量的用户研究和数据收集整理的工作。
数据分为原始数据和已解读的数据。在用户研究过程中收集的未经筛选的原始数据，完全可以交给人工智能去完成统计和整合的工作，这将大大提升服务设计师的效率。
尽管研究人员在研究期间是保持着完全开放的心态，但是收集到完全没有认知偏差的数据几乎是不可能的。因为人力、时间、认知能力的限制，过去收集到的原始数据是有限的，有了人工智能的加入，原始数据的体量和维度都会获得质的提升，研究者解读的数据也将更具可信度。
用户画像是服务设计师做用户调研中非常重要的工具之一。在服务设计过程中，用户画像可以让利益相关者更容易理解一群人的特征，产生共情。而现在AIGC最常见的应用场景之一就是“文生图”。
通过前期研究中洞察到的用户画像，服务设计师只要使用Midjouney等文生图程序，输入相关的关键词和关键参数，便可以生成一个栩栩如生的用户画像，而在这之前都是用手绘草图来的。
笔者并不是一个专业的开发者，尝试着通过上述的一些关键词，也可以使用Midjourney生成了4张用户画像。如果结合更精准的关键词和数据指令约束，相信会生成更具有细节、更生动、更精准的用户画像。
除了用户画像之外，用户旅程图、服务蓝图等服务设计流程中常用的可视化工具，如果可以设定好准确的关键词及参数，在不久的将来，这些费时费力的过程文件都将由人工智能来完成。而服务设计师可以将更多的精力和时间花在关于“人”的环节上。
微软第三任CEO 萨提亚·纳德拉（Satya Nadella）（图右）
“这个世界需要 10 亿开发者。”这是微软第三任CEO萨提亚·纳德拉（Satya Nadella）在NBC 访谈节目 Special Edition中说过的一句话。AIGC的爆火，虽然会取代部分人，这是在每一次技术革命的进程中无法避免的。然而服务设计师不仅不会被取代，还可以利用AIGC工具，优化服务设计流程中的环节，提升效率，优化产出。
这就要求未来的服务设计师可以成为一个服务开发者，将AIGC工具进行深度发掘，用指令和数据流使其深度学习，使用其完成数据收集、信息整理、知识产出的工作，再发挥自己作为服务设计师的同理心和全局视野完成人的洞察和服务智慧的创新，为更多的企业打造以人为本的服务软实力。
AI的快速迭代和强大算力，人的洞察和智慧，二者的结合才是服务设计在人工智能时代的究极形态。
如果你还有更多关于服务设计师可以如何利用AIGC进行工作的想法，可以在评论区留言，一起来头脑风暴吧。
