AI產品落地全流程

0 評論 6477 瀏覽 79 收藏 5 分鐘

生成式AI的出現,給產品領域的設計帶來了一些新機會,許多AI產品也隨之出現。那么如果你想讓手頭負責的AI產品實現落地,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、計算機視覺已經搞了很多年。ChatGPT這一波,讓各個互聯網大廠紛紛加強AI方面的投入(當然,很多產品并不是只能用一種人工智能,往往是采用多種技術)。

目前,各個大廠和AI相關的產品職位,主要以下幾種:

  1. 大模型
  2. 基于大模型進一步開發的一些中臺產品,例如客服、虛擬數字人
  3. 將AI與某個場景結合

接下來,我們詳細盤點AI產品的工作流程:

一、了解 AI 技術

  • 技術現狀:目前公司已有的技術以及還沒有但市面上已經有的技術;
  • 技術邊界:各技術可以達到的效果;
  • 可應用的業務場景:對哪些業務有幫助。

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準確率等指標達到一個非常高的標準,要根據業務場景實際需求,來明確AI需要達到的效果(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的方式。

4)評估AI可以實現效果的上下限

可根據經驗預估,具體需要回去找算法工程師溝通確認。

5)評估成本收益

  • 成本:AI的訓練成本、維護成本等;
  • 收益:可以促進哪些業務指標提升。

三、預研階段

1. 定義標準

與業務產品以及算法工程師,共同制定一個可衡量的標準,而不是憑感覺、算法實現。

  • 策略類:明確特征規則;
  • 模型類:標注數據,訓練模型。

2. 產出demo

如果demo沒有達到要求,則重復以上步驟,需要產品與算法工程師多次溝通,循環迭代,直到滿足預期的上線效果和性能。

  • 效果,如:準確率、召回率等指標;
  • 性能,如:模型大小,耗時,并發量等。

四、接入業務流程

  • 云服務,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,可能需要做業務兜底,如:算法服務未返回的固定話術。

五、線上效果評估與迭代

1. 效果

  • 評估AI算法的效果;
  • 評估業務指標的效果;
  • 用戶的反饋。

2. 迭代

  • 篩選 badcase,針對性解決;
  • 收集線上數據,進行標注訓練。

專欄作家

Mandy權,微信公眾號:小Q聊產品,人人都是產品經理專欄作家?!稄男枨蟮疆a品:0歲產品經理進階之道》作者,善于C端產品體驗,B端產品模式設計。

本文原創發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!