深度陪跑AI项目的几点感触

最核心的能力就是产品架构能力，比如一个产品的模块、功能、页面、流程的最佳设计结构。 但是，AI颠覆了这一切。 大模型是一种全新的能力，它有自己的优点和缺陷，因此必须配套全新的产品架构。比如元数据层、业务关系模型、业务规则库、提示词组装逻辑等。 所有ToB产品经理都需要学习新的产品架构，比如Palantir的本体论：这也是本体论为什么如此火爆的本质原因。 2、设计成功AI产品的前提，是有能力设计成功的产品 很多AI产品失败，并不是因为技术，而是违背了传统的产品方法论。 比如：产品设计的第一步，不应该是需求调研，而是了解客户的付费意愿。 再比如：方案设计的第一步，不应该是画原型和写提示词，而是确认业务范围，并收敛到有价值的业务场景。 AI是技术，产品方法论是商业、组织和管理，两手都要硬。 3、AI产品的三个大坑 第一，场景坑：没有找到真痛点，屎上雕花。 比如，做了一个AI审核产品，但是客户每天就审核几张单据，这样的产品做得再好，也注定失败。 第二，数据坑：没有把“数据收集”工作前置。 从我了解的情况来看：100%的企业都缺失AI需要的数据。 比如，传统CRM只需要记录拜访结果，但是AI原生CRM则需要给出拜访建议——这就意味着需要准备全新的数据，比如销售决策逻辑。 这个数据梳理的难度往往比想象中要大，因此必须尽可能前置。 第三，定制坑：大部分AI项目都在亏钱 现在的AI项目都很推崇FDE模式，但FDE最大的坑就在于：项目做完了，却无法产品化。 这是AI项目一直在亏钱的核心原因。 因此，必须从第一天就考虑产品化的问题，如果确定不能产品化，那么建议就不要接。 4、聚焦，还是聚焦 对于0到1的AI项目来说，数据梳理（包括SOP和业务规则）比想象中要难，项目周期比想象中要长，项目成本比想象中要高，因此项目成功的前提就是聚焦再聚焦。 只有收敛到“能创造80%结果”的“20%场景”，资源才能聚焦，问题才能快速解决，项目才有成功的可能。 5、成败的关键不在于人多 由于企业AI的落地仍然处于早期阶段，因此大部分项目的本质不是一个“新项目”，而是一个“新领域”。 既然是新领域，那么真正的难点不在于工作量，而在于清晰的思路。 比如：选择什么场景？业务规则如何梳理？产品架构如何设计？黄金测试集如何整理？ 因此，AI项目成败的关键，不在于人多，而在于有一个“主心骨”，他能够把整个思路串起来，把整个团队串起来，把整个项目串起来。 这样，整个项目的思路才能清晰，计划才能清晰，风险才能提前预判，困难才能快速克服。 这个主心骨最适合的人选，其实就是FDE工程师。 当然了，FDE的职责不仅仅是成功交付项目，更重要的是提炼出标准化产品，因此，这是一个要求巨高的岗位。 而从实际情况来看，目前最有条件做FDE的，还是产品经理。