AI产品落地全流程

0 评论 6163 浏览 74 收藏 5 分钟

生成式AI的出现,给产品领域的设计带来了一些新机会,许多AI产品也随之出现。那么如果你想让手头负责的AI产品实现落地,大致需要遵循什么样的流程呢?一起来看看本文的分享。

这里说的AI,主要是ChatGPT带火的这一波生成式AI。其他类型的AI,例如自然语言处理、计算机视觉已经搞了很多年。ChatGPT这一波,让各个互联网大厂纷纷加强AI方面的投入(当然,很多产品并不是只能用一种人工智能,往往是采用多种技术)。

目前,各个大厂和AI相关的产品职位,主要以下几种:

  1. 大模型
  2. 基于大模型进一步开发的一些中台产品,例如客服、虚拟数字人
  3. 将AI与某个场景结合

接下来,我们详细盘点AI产品的工作流程:

一、了解 AI 技术

  • 技术现状:目前公司已有的技术以及还没有但市面上已经有的技术;
  • 技术边界:各技术可以达到的效果;
  • 可应用的业务场景:对哪些业务有帮助。

二、需求分析

1)需求场景是否合理

2)是否一定要用 AI来解决,解决什么程度

有时不需要AI准确率等指标达到一个非常高的标准,要根据业务场景实际需求,来明确AI需要达到的效果(效果要求越高,往往成本越大,大部分时候够用即可)。

3)AI实现的大致方法

  • 明确问题和算法类型:识别检测、语音识别、图像生成,大模型生成等;
  • 部署,是用离线还是云服务的方式。

4)评估AI可以实现效果的上下限

可根据经验预估,具体需要回去找算法工程师沟通确认。

5)评估成本收益

  • 成本:AI的训练成本、维护成本等;
  • 收益:可以促进哪些业务指标提升。

三、预研阶段

1. 定义标准

与业务产品以及算法工程师,共同制定一个可衡量的标准,而不是凭感觉、算法实现。

  • 策略类:明确特征规则;
  • 模型类:标注数据,训练模型。

2. 产出demo

如果demo没有达到要求,则重复以上步骤,需要产品与算法工程师多次沟通,循环迭代,直到满足预期的上线效果和性能。

  • 效果,如:准确率、召回率等指标;
  • 性能,如:模型大小,耗时,并发量等。

四、接入业务流程

  • 云服务,还是离线?
  • 部署到CPU还是GPU上?
  • 语音类:流式,还是段式?
  • 生成类:是否需要敏感词过滤?
  • 注意边界和异常情况,可能需要做业务兜底,如:算法服务未返回的固定话术。

五、线上效果评估与迭代

1. 效果

  • 评估AI算法的效果;
  • 评估业务指标的效果;
  • 用户的反馈。

2. 迭代

  • 筛选 badcase,针对性解决;
  • 收集线上数据,进行标注训练。

专栏作家

Mandy权,微信公众号:小Q聊产品,人人都是产品经理专栏作家。《从需求到产品:0岁产品经理进阶之道》作者,善于C端产品体验,B端产品模式设计。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!