NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模
要么现在就将 AI 融入你的产品，要么很快就会开始。你可能已经听过很多关于这个主题的建议。但大多数建议都充满了宏大、崇高的想法，而没有提到今天就可以实施的实际经验。因此，我与经常合作的 Kyle Poyar 合作，采访了 20 多位成功的建设者和创始人——这些人通过艰苦的方式学会了如何构建 AI 产品——分享他们最大的惊喜和违反直觉的教训。这些见解中的许多让我感到惊讶，让我以不同的方式思考。我希望你也能如此。
让我猜一下：你现在的路线图上有一个高优先级项目，即为你的产品添加（更多）AI 功能。
你的同伴不错。Emergence Capital 最近的一项调查发现，60% 的公司已经将生成式 AI 集成到他们的产品中，另有 24% 的公司将其列入路线图。AI 正在迅速吞噬世界。
不幸的是，许多这样的努力最终都会以失败告终。大多数早期的AI应用都存在一个“游客”问题：它们很快就获得了大量关注，但留存率和参与度却低得惊人。根据 Emergence 的调查，尽管公司花费了数百万（甚至数十亿美元）来构建和支持这些产品，但五分之二的新一代人AI产品仍然没有赚到一分钱。这篇文章的目的是帮助你避免将团队引向错误的方向，从而浪费宝贵的时间和资源。
我对 20 多位最敏锐的AI产品构建者进行了调查，询问他们在将AI融入产品时学到的最违反直觉和最令人惊讶的事情。这些领导者已经构建了许多当今最受欢迎和最成功的人工智能产品，包括 Adobe、GitHub、Intercom、Perplexity、Canva、Runway、HeyGen 和 Superhuman 的产品。以下是我学到的：
1、你首先需要学会以不同的方式思考
“思考 AI 原生需要时间。首次通过的产品通常是一种附加或简单的聊天体验。一旦你尝试了这项技术，更深入地了解了它真正提供的内容，然后将其集成到产品体验的关键部分，高价值体验就是更深入的重新思考。”
— Elad Gil，技术企业家和投资者
“对于初创公司来说，解决难题实际上更容易、更安全，这些问题无法用当今的基础模型完全解决。我们很高兴能够驾驭改进模型的能力曲线，而不是阻碍这种进步。”
— Sarah Guo，初创公司投资者和 Conviction 创始人
“在过去 10 年里，对于大多数公司（一些硬件基础设施项目除外），人们认为你想要构建的东西可以相当容易地构建。你首先要深入了解客户的问题和机会，设计你认为很棒的解决方案，然后构建它。AI则不同。
对于人工智能，完全不清楚是否有可能构建某些东西。当它被构建出来时，即使它看起来不错，也完全不清楚它是否有用。通常，开始项目的最佳方式是问自己，“技术上什么是可行的？”然后进行原型设计。对于过去十年来一直开发软件并遵循标准最佳实践的人来说，这是一个巨大的思维转变。”
— Intercom 首席产品官 Paul Adams
2、但最终还是要看谁能最好地解决实际问题
“演示价值不是用户价值。构建酷炫的 AI 演示并不意味着我们拥有客户喜爱且有用的产品。”
— Joshua Xu，HeyGen 联合创始人兼首席执行官
“我花了很多时间思考采用曲线细分——确定谁能快速采用新产品，谁不能，以及这些群体的区别是什么。从历史上看，我会专注于了解新产品为具有不同功能需求的人提供的价值。AI 改变了这种动态，因为最有意义的细分通常取决于对技术本身的态度：AI 拥抱者与 AI 怀疑论者。
许多人讨论了 AI“幻影 PMF”现象，即新颖性驱动的用户获取导致陡峭的流失悬崖，但反之亦然。我经常与拒绝满足他们需求的 AI 产品的客户交谈，因为他们不信任或不想接受 AI。通过正确的信息传递和引导，这些怀疑论者可以成为超级用户！但他们的行为与 AI 拥护者截然不同。我在下图中勾勒出了这一点。
因此，我不得不从头开始重新思考我们的用户测试方法。在测试 AI 产品时，我关注以下几点：
- 纵向验证：我们是否进行了足够长的测试，以了解新鲜感消失后参与度如何变化？
- 高接触测试：我们是否与用户保持足够密切的联系，以了解他们的态度（推动参与模式）每天如何变化？我们正在尝试使用用户 Slack 组，而不是传统的调查和一对一定性访谈。
- 态度细分：我们是否在早期测试组中同时包括 AI 拥护者和 AI 怀疑论者？至关重要的是，我们是否仔细地对他们进行细分，以避免平均他们的参与度并创造“不温不火的产品”——一种让任何人都不满意的产品？
— WHOOP 核心应用产品负责人 Hilary Gridley
“借助 AI，打造出色的产品体验从未变得如此简单。模型的科幻能力令人鼓舞，但这并不是 AI 产品出色的原因。优秀的传统产品工程才是关键。这意味着要关注真正的用户痛点，与客户密切合作，并为令人愉悦的用户体验设定高标准。”
—Hex 联合创始人兼首席技术官 Caitlin Colgrove
“大多数人从模型质量的角度考虑 AI 辅助服务，但模型质量只是整个产品的一小部分。事实证明，后处理过滤器、合同保证、数据隐私、反馈循环、可观察到的人类影响等都更为重要。换句话说，构建 AI 产品看起来很像构建产品。”
—GitHub 产品副总裁 Ryan J. Salva
3、搭配正确的产品设计和用户体验
“AI（尤其是LLM）的承诺是只用几句话就能为你创造任何东西。但正如我们过去十年在 Canva 上看到的那样，当你赋予人们做任何事情的权力时，这可能会非常令人生畏，他们不知道从哪里开始。所以——就像我们设计工具的第一个版本一样——让人们有正确的起点和信心使用AI是提供优秀AI产品的关键部分。
我们的 Magic Media 功能的演变就是一个很好的例子。当你知道自己想要什么图像以及如何描述它时，文本转图像是一项神奇的技术。但大多数人没有合适的词汇来正确解释他们在寻找什么；更糟糕的是，他们不知道他们在寻找什么！
我们对 Magic Media 的迭代减少了令人恐惧的空白提示框，并引入了更多的视觉选项来引导你找到一个很棒的图像，并帮助人们以正确的方式提示。我们还关注这一代人之后会发生什么——你如何调整AI提供的内容，以达到你想要的效果。
所有这些都向我们强调，AI工具需要结合直观的产品设计和更广泛、持续的教育，以支持这些行为转变。你不能用AI“拨动开关”——社会正处于文化层面的变化之中，但精心打造的产品可以支持这种转变。”
— Canva 联合创始人兼首席产品官 Cameron Adams
“通过实验找到适合人工智能功能的 UI/UX 对转化指标的影响与研究更新AI模型本身的影响同样大。正确的用户体验不仅使新模型功能更容易被发现——它实际上提高了使用该功能的用户的转化率，即使他们已经在原始 UI 中使用该功能。”
— Runway 产品负责人 Joel Kwartler
4、你有权访问的专有数据正变得越来越重要
“数据和界面可能变得比模型本身更重要，模型正变得越来越商品化，通过开源提供，并被推向边缘（几年内我们将在本地设备上运行许多模型）。我最兴奋的AI产品利用一组专有或独特结构的数据（他们有使用许可而不是抓取）和一个可以改变过时工作流程的卓越界面。
这意味着什么？拥有或真正了解深度垂直数据的公司将具有优势。设计师将比以往任何时候都更重要，他们设想出全新的方式，利用AI的超能力改变我们日常工作和生活的界面。”
— Scott Belsky，Adobe 首席战略官兼设计和新兴产品执行副总裁 (EVP)；Behance 创始人
原文链接：Counterintuitive advice for building AI products
BimAnt翻译整理，转载请标明出处
