AI · FW · 307
自定义 GPT 职场用例地图
Custom Gpt Workplace Taxonomy 2024 · custom-gpt-workplace-taxonomy-2024--lenny-rachitsky
解决什么问题
2024 年初,不知道除了"问答"之外,自定义 GPT 在真实工作场景里还能承担哪些角色——需要一份具体的用例地图来判断值不值得为自己团队搭一个。
核心内容
从 300+ 读者投稿的 20 个案例中,可以归纳出几类反复出现的工作场景:
- 品牌语料改写器:喂入品牌调性/文案规范,让任何角色(PM/设计师/工程师)都能把粗糙文案改写成符合品牌调性的成品(Ramp 的 UX GPT Writer)。
- 用户画像模拟对话:把 persona 文档喂给 GPT,直接"和用户画像对话"来打磨路线图想法、建立共情(Chime PM)。
- 内部知识检索:索引用户研究决稿、Atlassian wiki、组织架构/component 归属信息,让团队能直接提问并得到带引用链接的答案。
- 需求真相源 + 工程协作入口:把数据库 schema、产品需求写成 markdown 喂给 GPT,PRD 之外额外交付一个"可分享的 GPT 链接"给工程团队,既能做需求问答又能协助技术方案头脑风暴。
- 实验分析闭环流水线(具体展开见
closed-loop-experiment-copy-pipeline--quintin-au)。 - 个人成长/管理工具:训练一个"高管教练" GPT 回答职业问题;喂入公司价值观、职级模型帮团队生成对齐 SMART 原则的年度/季度目标(作者反馈:多年来第一次有人按时提交目标)。
- 评估与打分自动化:用 GPT 自动给搜索结果相关性打分,替代人工标注(Faire),标注成本更低、离线模型评估效率更高。
- 数据文档生成:自动生成数据管道文档,把工程师们讨厌到"能拖就拖"的活接管掉。
- 销售/客户洞察合成:总结销售访谈,提炼重复出现的痛点、挖掘客户证言、生成每次客户互动的行动项。
- 规避供应商客服:把某个支持复杂/响应慢的供应商的文档喂给 GPT,团队先问 GPT 再联系供应商,反而经常获得更快更好的答案。
- 本地化文案规模化生产:五种语言同步生产 SEO 优化的电商文案,据反馈实现约 95% 的成本下降和 5-10 倍生产力提升(翻译成本大幅降低)。
- "克隆自己"减少会议:训练一个 GPT 模仿自己写 PRD/路线图/提案的风格,让市场团队获得更大自主权,减少中间层沟通协调的会议量。
适用边界
这些案例是 2024 年 2 月的早期实践快照,当时自定义 GPT 还没有企业级权限管控(需要 ChatGPT Team/Enterprise 才能限制访问范围,否则只能靠 URL 保密),部分场景后续被更专业的 agent 工具(如 Claude Code、专用 MCP 集成)取代;95% 成本下降等数字来自个别公司自述,不是行业平均值。
关键引述 · 原话
Rickard Liljeros (Nordiska Galleriet Group CPO): "we've seen a 95% price drop and ~5-10x productivity gain compared to the previous manual process."
关联卡片
- 配套心智模型见 `custom-gpt-onboarding-mental-model--lenny-rachitsky`。 - 一年后同类实践演化为 Claude Code 场景下的 `claude-code-personal-agent-taxonomy--lenny-rachitsky`,可对比看 2024→2025 用例的演变。
被这些卡引用
出处:Lenny Rachitsky (Lenny's Newsletter, 综合 300+ 读者投稿) · 02-newsletters/you-should-be-playing-with-gpts-at-work.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2