生成式AI的出現(xiàn)，給產(chǎn)品領(lǐng)域的設(shè)計(jì)帶來了一些新機(jī)會(huì)，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(shí)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(yǔ)言處理、計(jì)算機(jī)視覺已經(jīng)搞了很多年。ChatGPT這一波，讓各個(gè)互聯(lián)網(wǎng)大廠紛紛加強(qiáng)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(gè)大廠和AI相關(guān)的產(chǎn)品職位，主要以下幾種：

1. 大模型
2. 基于大模型進(jìn)一步開發(fā)的一些中臺(tái)產(chǎn)品，例如客服、虛擬數(shù)字人
3. 將AI與某個(gè)場(chǎng)景結(jié)合

接下來，我們?cè)敿?xì)盤點(diǎn)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(chǎng)景：對(duì)哪些業(yè)務(wù)有幫助。

二、需求分析

1）需求場(chǎng)景是否合理

2）是否一定要用 AI來解決，解決什么程度

有時(shí)不需要AI準(zhǔn)確率等指標(biāo)達(dá)到一個(gè)非常高的標(biāo)準(zhǔn)，要根據(jù)業(yè)務(wù)場(chǎng)景實(shí)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(shí)候夠用即可）。

3）AI實(shí)現(xiàn)的大致方法

• 明確問題和算法類型：識(shí)別檢測(cè)、語(yǔ)音識(shí)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(píng)估AI可以實(shí)現(xiàn)效果的上下限

可根據(jù)經(jīng)驗(yàn)預(yù)估，具體需要回去找算法工程師溝通確認(rèn)。

5）評(píng)估成本收益

• 成本：AI的訓(xùn)練成本、維護(hù)成本等；
• 收益：可以促進(jìn)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(gè)可衡量的標(biāo)準(zhǔn)，而不是憑感覺、算法實(shí)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(shí)，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(yǔ)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(píng)估與迭代

1. 效果

• 評(píng)估AI算法的效果；
• 評(píng)估業(yè)務(wù)指標(biāo)的效果；
• 用戶的反饋。

2. 迭代

• 篩選 badcase，針對(duì)性解決；
• 收集線上數(shù)據(jù)，進(jìn)行標(biāo)注訓(xùn)練。