隨著AI技術的不斷發(fā)展，我們看到有越來越多成功的AI產(chǎn)品被研發(fā)出來，它們有效地改善了人們的生活與工作。在這樣的背景下，AI產(chǎn)品設計正在成為一項重要的技能，被人們所關注。

筆者目前在一家AI初創(chuàng)公司從事產(chǎn)品設計的工作，在過去的幾年時間里，筆者與公司共同成長，參與研發(fā)，并主導設計了多款AI產(chǎn)品。

本文針對“AI產(chǎn)品經(jīng)理是如何從0到1打造一款AI產(chǎn)品”這個問題，分享一些自己的理解。

首先需要闡明的是，AI產(chǎn)品其本質依然是產(chǎn)品，只是或多或少地運用了人工智能的技術，以前所未有的形態(tài)所表現(xiàn)。

既然是產(chǎn)品，那么其核心要素依然是：可提供給市場被用戶消費和使用，可以滿足用戶的某種需求，以及可以為用戶帶來價值。打造一款AI產(chǎn)品的流程大致可以分為6個步驟，其中很多步驟對于非AI類產(chǎn)品來說也是完全適用的。

第一步：定義產(chǎn)品

與所有產(chǎn)品一樣，AI產(chǎn)品設計的第一步，就是為產(chǎn)品制定一個清晰的商業(yè)目標。

你可以問自己這樣幾個問題：我的產(chǎn)品將解決什么問題，為什么需要用到人工智能技術，可能會用到哪些技術，這些技術將為產(chǎn)品提供什么樣的功能，這些功能點將如何使產(chǎn)品脫穎而出，產(chǎn)品將如何幫助目標用戶？產(chǎn)品最終將為用戶帶來什么，期待的成功是什么樣的？

這里的必須要做的事情有兩件：

1. 為產(chǎn)品構想一個明確的使用案例。這個案例得足以證明我們所創(chuàng)造的產(chǎn)品是重要且有價值的。價值體現(xiàn)在節(jié)省金錢的開銷，節(jié)省人力成本，提升工作效率，帶來可觀收入，甚至是給人帶來愉悅和享受等。
2. 確認產(chǎn)品當中需要用到的AI技術。明確產(chǎn)品當中具體會有哪些功能和任務需要通過AI技術實現(xiàn)。

第二步：設立指標

有了清晰的產(chǎn)品形態(tài)和功能定義，接下來需要為產(chǎn)品制定一個評價指標。產(chǎn)品未來的成功與否將由初期設計的這個衡量指標來決定，因此這一步非常重要，需要在產(chǎn)品研發(fā)初期完成。

需要強調的是，這里的指標應該映射的是產(chǎn)品的實際價值，而非產(chǎn)品的性能表現(xiàn)。此外，規(guī)則需要易于測量，具有參照基準。

以智能客服機器人為例，成功的指標應該是客服機器人為客戶帶來的具體營收提升，或資源節(jié)省，而不是某一組問答匹配的準確程度?？梢酝ㄟ^企業(yè)在使用機器人之前的表現(xiàn)數(shù)據(jù)作為參照，與使用機器人之后的數(shù)據(jù)進行比較，通過變化和差異來衡量產(chǎn)品的表現(xiàn)。

第三步：數(shù)據(jù)

對于AI產(chǎn)品來說，數(shù)據(jù)的價值和意義怎么說都不為過。如果把打造產(chǎn)品比作蓋樓房的話，那數(shù)據(jù)就像是樓房里的磚瓦。創(chuàng)建一款AI產(chǎn)品時，我們首先要獲取用于訓練模型的數(shù)據(jù)。這里要解決的幾個問題是，使用什么樣的數(shù)據(jù)？從什么地方獲取數(shù)據(jù)，如何獲?。?/p>

有一些數(shù)據(jù)是需要收費獲取的，而大多數(shù)數(shù)據(jù)是免費的，可以通過下載或編寫爬蟲腳本爬取獲得。

數(shù)據(jù)的獲取有幾點需要注意：

首先，需要確保數(shù)據(jù)內容是安全可信的，數(shù)據(jù)的質量直接影響到產(chǎn)品的性能，開源的數(shù)據(jù)內容往往質量參差不齊。如果數(shù)據(jù)中存在大量的偏差（bias），那么最終模型和產(chǎn)品的效果都會變得不理想。

另外，數(shù)據(jù)資源還可能會存在安全隱患和法律糾紛。比如，一些數(shù)據(jù)當中可能會存在大量用戶的個人信息，這些信息一旦使用不當或是被泄露，產(chǎn)品的研發(fā)者將面臨嚴肅的法律問題。近年來，由于未能妥善處理數(shù)據(jù)而導致失敗，甚至淪入法律糾紛的公司不勝枚舉。

最后，還要設計數(shù)據(jù)的標注工作。數(shù)據(jù)的標注工作是非常重要的一個環(huán)節(jié)，AI產(chǎn)品的功能和表現(xiàn)都與數(shù)據(jù)標注工作密切相關。設計一個好的標注任務是AI產(chǎn)品設計者的基本功。其中需要考慮的事情有，訓練項目所需要用到的數(shù)據(jù)規(guī)模，訓練數(shù)據(jù)和測試數(shù)據(jù)的占比，對于數(shù)據(jù)類型的分類和整理，以及對標注任務或問題的詳細描述。

第四步：模型

AI算法邏輯與模型設計是AI產(chǎn)品的技術核心模塊，這部分工作往往是由技術開發(fā)人員全權負責。這里要求產(chǎn)品研發(fā)人員對不同的ML模型和AI算法都有一定的了解，結合已標注好的數(shù)據(jù)，為產(chǎn)品選擇一個有效的模型?？梢宰约簶嫿ㄒ粋€新的模型，也可以使用一些現(xiàn)成的資源，比如AutoML。

設計模型時有三個需要注意的環(huán)節(jié)。分別是，對Activation function的選擇，對訓練權重的設置，以及對節(jié)點類型和結構的使用。不同的的模型結構適用于處理不同的任務，并解決特定的問題。

此外，設計模型的同時也需要為模型制定度量標準。度量標準將用語評估模型的表現(xiàn)，以確保模型可以獲得令人滿意的表現(xiàn)。

這里需要注意的是，測試數(shù)據(jù)和訓練數(shù)據(jù)要分離開來，只有當模型訓練完成以后，才可以使用測試數(shù)據(jù)對模型進行測試。常用的測試指標包括準確率，召回率，F(xiàn)1分數(shù)以及混淆矩陣。

第五步：打造MVP

構建最小化產(chǎn)品（MVP）是精益創(chuàng)業(yè)產(chǎn)品研發(fā)的精髓所在。明確產(chǎn)品的用戶畫像與使用場景，圍繞產(chǎn)品的核心價值構建一個最小化產(chǎn)品（MVP）。這時，產(chǎn)品設計者需要在腦海中勾勒出產(chǎn)品的終極形態(tài)，并完成產(chǎn)品的第一個原型設計。

這是一個需要多次打磨的過程，如果是硬件產(chǎn)品，可以通過3D建模做一個概念視頻，如果是軟件產(chǎn)品，可以梳理交互流程并繪制出mockup的UI設計圖。

在研發(fā)AI產(chǎn)品的時候，人們往往傾向于將關注點聚焦在技術上，過于炫耀科研成果，而忽略了產(chǎn)品本身的應用價值。

比如，在打造一款智能人崗匹配系統(tǒng)時，我們可以先從某一個特定的職業(yè)的某一個崗位著手，打通一條主要的交互流程，實現(xiàn)前后端的完整呈現(xiàn)。而不是一開始就投入全部精力，嘗試訓練一個龐大而復雜的人崗匹配通用模型。

在MVP環(huán)節(jié)，打磨產(chǎn)品雛形的同時，也需要為產(chǎn)品的上線與發(fā)布進行設計和規(guī)劃，其中包括上線前的準備工作，以及上線后的維護工作。

我們需要為產(chǎn)品找到銷售渠道，設立品牌定位，以及推廣途徑。比如，可以通過線上的眾籌的平臺進行發(fā)布，也可以借助某個行業(yè)展會活動進行推廣。

從產(chǎn)品名稱/基本形象，到產(chǎn)品的包裝/logo/設置視頻和網(wǎng)站，亦需要配合產(chǎn)品同步推出。這些環(huán)節(jié)的設計，不容小覷，它們同樣影響著產(chǎn)品的成敗。

第六步：構建產(chǎn)品閉環(huán)

產(chǎn)品研發(fā)的最后一步是為產(chǎn)品構建一個增長閉環(huán)，思考產(chǎn)品的長足發(fā)展。比如通過用戶數(shù)據(jù)分析，A/B測試等方法，圍繞產(chǎn)品構建增長閉環(huán)。對于AI產(chǎn)品來說，還需要對數(shù)據(jù)進行持續(xù)跟蹤，確保模型數(shù)據(jù)的時效性和客觀性，秩序維護數(shù)據(jù)的狀態(tài)，并適當?shù)刈龀龈抡{整。

無論什么樣的產(chǎn)品，最終都需要傳達價值給用戶，都需要在市場上進行驗證和比較。因此，對于AI產(chǎn)品來說，也應該在最開始就有一個清晰的商業(yè)發(fā)展策略。在這過程中需要不斷洞察產(chǎn)品的表現(xiàn)，持續(xù)提升產(chǎn)品性能與用戶體驗。這當中包括產(chǎn)品功能的拓展規(guī)劃，產(chǎn)品增長的北極星指標，以及產(chǎn)品的市場形象維護。每一項指標都需要結合一個評價標準，可以是階段性的目標，也可以是長期堅持的原則。

構建完成增長閉環(huán)，我們就算是完成了產(chǎn)品從0到1的打造過程。至此，我們有了明確的產(chǎn)品定義，推出了產(chǎn)品的最小化形態(tài)，并找到了發(fā)布渠道，在此基礎上，我們還為產(chǎn)品打造了增長閉環(huán)，為其從1到100乃至1000做好準備。

總結

其實，打造一款AI產(chǎn)品并不需要掌握多少尖端的AI技術。AI產(chǎn)品與所有的產(chǎn)品一樣，其目標都是服務用戶，為用戶解決問題。模型的性能與表現(xiàn)只是整個產(chǎn)品研發(fā)的一個環(huán)節(jié)，最終我們關注的依然是產(chǎn)品的核心價值，與應用成果。

筆者覺得AI產(chǎn)品的設計是一個把想象變?yōu)楝F(xiàn)實的過程，想象一個問題理想的解決方法，把腦海中想象的解決問題的辦法拆分成一個個小任務，并針對這些抽象的小任務轉換成數(shù)據(jù)標注任務。之后的事情，就是選擇合適的數(shù)據(jù)集，選擇合適的模型算法，通過一遍一遍的嘗試和驗證，一步一步把想象中的解決方法訓練出來。

最后， AI產(chǎn)品和所有產(chǎn)品一樣，都需要制定有效的增長策略，形成閉環(huán)，持續(xù)跌代。到這里，我們便完成了AI產(chǎn)品研發(fā)從0到1的全部過程。

本文由 @單師傅?原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉載

題圖來自 Unsplash ，基于 CC0 協(xié)議