隨著AI技術的不斷髮展，我們看到有越來越多成功的AI產品被研發出來，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初創公司從事產品設計的工作，在過去的幾年時間裡，筆者與公司共同成長，參與研發，並主導設計了多款AI產品。
本文針對“AI產品經理是如何從0到1打造一款AI產品”這個問題，分享一些自己的理解。
首先需要闡明的是，AI產品其本質依然是產品，只是或多或少地運用了人工智能的技術，以前所未有的形態所表現。
既然是產品，那麼其核心要素依然是可提供給市場被用戶消費和使用，已經能夠滿足用戶的某種需求為用戶帶來價值。打造一款AI產品的流程大致可以分為6個步驟，其中很多步驟對於非AI類產品來說也是完全適用的。
第一步：定義產品
與所有產品一樣，AI產品設計的第一步，就是為產品制定一個清晰的商業目標。
你可以問自己這樣幾個問題：我的產品將解決什麼問題，為什麼需要用到人工智能技術，可能會用到哪些技術，這些技術將為產品提供什麼樣的功能，這些功能點將如何使產品脫穎而出，產品將如何幫助目標用戶？產品最終將解決一個什麼樣的問題，期待的成功是什麼樣的？
這裡的必須要做的事情有兩件：
- 為產品構想一個明確的使用案例。這個案例足以證明我們所創造的產品是重要且有價值的。價值體現在節省金錢的開銷，節省人力成本，提升工作效率，帶來可觀收入，甚至是給人帶來愉悅和享受。
- 確認產品當中需要用到的AI技術。明確產品當中具體會有哪些功能和任務需要通過AI技術實現。
第二步：設立指標
有了清晰的產品形態和功能定義，接下來需要為產品制定一個評價指標。由於產品未來是否成功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，且需要在產品研發初期完成。
需要強調的是，這裡的指標應該映射的是產品的實際價值，而非產品的性能表現。此外，規則需要易於測量，具有參照基準，同時需要關注產品的目標和成功。
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，或資源節省。可以通過使用機器人之前的數據作為參照，與使用機器人之後的數據進行比較，通過變化和差異來衡量產品的表現。
第三步：數據
對於AI產品來說，數據是我們首先要獲取用於訓練模型的數據。這裡要解決的幾個問題是，使用什麼樣的數據？從什麼地方獲取數據，如何獲取？
有一些數據是需要收費獲取的，而大多數數據是免費的，可以通過下載或編寫爬蟲腳本爬取獲得。
數據的獲取有幾點需要注意：
首先，需要確保數據內容是安全可信的，數據的質量直接影響到產品的性能，開源的數據內容往往質量參差不齊。如果數據中存在大量的偏差（bias），那麼最終模型和產品的效果都會變得不理想。
另外，數據資源還可能會存在安全隱患和法律糾紛。比如，一些數據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洩露，產品的研發者將面臨嚴肅的法律問題。近年來，由於未能妥善處理數據而導致失敗，甚至淪入法律糾紛的公司不勝枚舉。
最後要設計數據的標註工作。數據的標註工作是非常重要的一個環節，產品的展現功能已經表現都與數據標註工作密切相關。設計一個好的標註任務是AI產品設計者的基本功。其中需要考慮的事情有，項目的訓練需要用到數據的規模，訓練數據和測試數據的佔比，對於數據類型的分類和整理，以及對標註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產品的技術核心模塊，通常這部分工作往往是由技術開發人員全權負責的。這裡需要對產品研發人員對不同的ML模型和AI算法有一定的瞭解，結合已標註好的數據，為產品選擇一個有效的模型。可以選擇自己構建一個新的模型，也可以使用一些現成的資源，比如AutoML。
設計模型時有三個需要注意的環節。分別是，對Activation function的選擇，對訓練權重的設置，以及對節點類型和結構的使用。特定的模型結構能夠處理特定的任務，並解決特定的問題。
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，以確保模型可以獲得令人滿意的表現。
這裡需要注意的是，測試數據和訓練數據要分離開來，只有當訓練完成以後，再使用測試數據對模型進行測試。常用的測試指標包括準確率，召回率，F1分數以及混淆矩陣。
第五步：打造MVP
構建最小化產品（MVP）是精益創業產品研發的精髓所在。明確產品的用戶畫像與使用場景，圍繞產品的核心價值構建一個最小化產品（MVP）。這時，產品設計者需要在腦海中勾勒出產品的終極形態，並完成產品的原型設計。
這是一個需要多次打磨的過程，如果是硬件產品可以通過3D建模做一個概念視頻，如果是軟件產品可以梳理交互流程並繪製出mockup的UI設計圖。
在研發AI產品的時候，人們往往傾向於將關注點聚焦在技術上，而忽略了產品本身的應用價值。
事實上，對於大多數AI產品來說，產品的核心價值恰恰是由技術性能所體現。
比如，在打造一款智能人崗匹配系統時，我們可以先從某一個特定的職業的某一個崗位著手，打通一條主要的交互流程，實現前後端的完整呈現，而不是一開始就投入全部精力，嘗試訓練一個龐大而複雜的人崗匹配通用模型當中。
在MVP環節，在打磨產品雛形的同時，也需要為產品的上線與發佈進行設計和規劃，其中包括上線前的準備工作，以及上線後的維護工作。
我們需要為產品找到銷售渠道，設立品牌定位，以及推廣途徑，可以通過線上的眾籌的平臺進行發佈，也可以藉助某個行業展會活動進行推廣。
從產品名稱/基本形象，到產品的包裝/logo/設置視頻和網站，亦需要配合產品同步推出。這些環節的設計，不容小覷，它們同樣影響著產品的成敗。
第六步：構建產品閉環
產品研發的最後一步是為產品構建一個增長閉環，思考產品的長足發展，從長遠來講看，應該如何改善產品。通過用戶數據分析，A/B測試等方法，圍繞產品構建增長閉環。對於AI產品來說，還需要對數據進行持續跟蹤，確保模型數據對時效性和客觀性，需要秩序維護數據的狀態，並適當地做出更新調整。
無論什麼樣的產品，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，對於AI產品來說，也應該在最開始就有一個清晰的商業策略。在這過程中需要不斷洞察產品的表現，持續提升產品性能與用戶體驗。這當中包括產品功能的拓展規劃，產品增長的北極星指標，以及產品的市場形象維護。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，我們就算是完成了產品從0到1的打造過程。至此，我們有了明確的產品定義，推出了產品的最小化形態，並找到了發佈渠道，在此基礎上，我們還為產品打造的增長閉環，為其從1到100乃至1000做好準備。
總結
其實，打造一款AI產品並不需要掌握多少尖端的AI技術。AI產品與所有的產品一樣，其目標都是服務用戶，為用戶解決問題。模型的性能與表現只是整個產品研發的一個環節，最終我們關注的依然是產品的核心價值，與應用成果。
AI產品的設計是一個把想象變為現實的過程，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，並針對這些抽象的小任務轉換成數據標註任務。之後的事情，就是選擇合適的數據集，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。
最後， AI產品和所有產品一樣，都需要制定有效的增長策略，形成閉環，持續跌代。至此，我們便完成了AI產品研發從0到1的全部過程。
題圖來自 Unsplash ，基於 CC0 協議
閱讀更多 人人都是產品經理 的文章
