生成式AI的出現(xiàn),給產(chǎn)品領(lǐng)域的設(shè)計帶來了一些新機會,許多AI產(chǎn)品也隨之出現(xiàn)。那么如果你想讓手頭負(fù)責(zé)的AI產(chǎn)品實現(xiàn)落地,大致需要遵循什么樣的流程呢?一起來看看本文的分享。
這里說的AI,主要是ChatGPT帶火的這一波生成式AI。其他類型的AI,例如自然語言處理、計算機視覺已經(jīng)搞了很多年。ChatGPT這一波,讓各個互聯(lián)網(wǎng)大廠紛紛加強AI方面的投入(當(dāng)然,很多產(chǎn)品并不是只能用一種人工智能,往往是采用多種技術(shù))。
目前,各個大廠和AI相關(guān)的產(chǎn)品職位,主要以下幾種:
大模型基于大模型進一步開發(fā)的一些中臺產(chǎn)品,例如客服、虛擬數(shù)字人將AI與某個場景結(jié)合
接下來,我們詳細(xì)盤點AI產(chǎn)品的工作流程:
一、了解 AI 技術(shù)
技術(shù)現(xiàn)狀:目前公司已有的技術(shù)以及還沒有但市面上已經(jīng)有的技術(shù);技術(shù)邊界:各技術(shù)可以達(dá)到的效果;可應(yīng)用的業(yè)務(wù)場景:對哪些業(yè)務(wù)有幫助。
二、需求分析
1)需求場景是否合理
2)是否一定要用AI來解決,解決什么程度
有時不需要AI準(zhǔn)確率等指標(biāo)達(dá)到一個非常高的標(biāo)準(zhǔn),要根據(jù)業(yè)務(wù)場景實際需求,來明確AI需要達(dá)到的效果(效果要求越高,往往成本越大,大部分時候夠用即可)。
3)AI實現(xiàn)的大致方法
明確問題和算法類型:識別檢測、語音識別、圖像生成,大模型生成等;部署,是用離線還是云服務(wù)的方式。
4)評估AI可以實現(xiàn)效果的上下限
可根據(jù)經(jīng)驗預(yù)估,具體需要回去找算法工程師溝通確認(rèn)。
5)評估成本收益
成本:AI的訓(xùn)練成本、維護成本等;收益:可以促進哪些業(yè)務(wù)指標(biāo)提升。
三、預(yù)研階段
1. 定義標(biāo)準(zhǔn)
與業(yè)務(wù)產(chǎn)品以及算法工程師,共同制定一個可衡量的標(biāo)準(zhǔn),而不是憑感覺、算法實現(xiàn)。
策略類:明確特征規(guī)則;模型類:標(biāo)注數(shù)據(jù),訓(xùn)練模型。
2. 產(chǎn)出demo
如果demo沒有達(dá)到要求,則重復(fù)以上步驟,需要產(chǎn)品與算法工程師多次溝通,循環(huán)迭代,直到滿足預(yù)期的上線效果和性能。
效果,如:準(zhǔn)確率、召回率等指標(biāo);性能,如:模型大小,耗時,并發(fā)量等。
四、接入業(yè)務(wù)流程
云服務(wù),還是離線?部署到CPU還是GPU上?語音類:流式,還是段式?生成類:是否需要敏感詞過濾?注意邊界和異常情況,可能需要做業(yè)務(wù)兜底,如:算法服務(wù)未返回的固定話術(shù)。
五、線上效果評估與迭代
1. 效果
評估AI算法的效果;評估業(yè)務(wù)指標(biāo)的效果;用戶的反潰
2. 迭代
篩選 badcase,針對性解決;收集線上數(shù)據(jù),進行標(biāo)注訓(xùn)練。
專欄作家
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于CC0協(xié)議