周敏琦
AI创作者AMA知无不言
做普通产品的时候，写Roadmap特别清晰。功能模块一列，上线时间一排，资源分配一定，一张表格搞定整个季度的规划。偶尔有调整，也是小修小补，整体方向基本不会跑偏。转AI产品经理之后，我第一次画的Roadmap基本上就是废纸一张。因为缺少数据积累计划、模型迭代路线、实验验证节奏，这些是Roadmap里最核心的部分。先说数据积累计划。AI产品的数据不是天上掉下来的。你需要明确：第一阶段需要什么数据、数据量要达到多少、数据标注怎么做、质量标准是什么。这些事情不规划好，模型训练就是无米之炊。我现在的习惯是，每个季度都会单独列一个"数据里程碑"，跟功能里程碑并行推进。再说模型迭代路线。普通产品的功能做完了就完了，但AI产品的模型是会不断迭代的。你得规划好：初始版本用什么模型？数据量够了之后升级到什么模型？什么时候引入更复杂的架构？每次迭代的目标是什么？这条路线图往往跨度很长，可能半年甚至一年才能走完一个完整的迭代周期。实验验证节奏是转型中最需要转变思路的。AI产品的每一个改进都需要验证，但验证不是一次就能下结论的。你需要足够的样本量、足够的观察周期、足够多的对照组。这意味着Roadmap上得留出大量的"实验时间"。我刚开始做AI产品的时候，容易把实验时间压缩得很紧，结果就是有些实验部充分，结论不可靠，反而需要更长时间去返工。还有一个跟普通产品完全不同的地方：AI产品的Roadmap不确定性大得多。普通产品你能比较准确地预估开发周期，但AI产品的模型训练效果是预测不了的。可能预期一周能搞定的事，实际跑了一个月效果还不达标；也可能某个尝试意外地效果好，直接改变了后面的计划。我现在写AI产品的Roadmap，已经不写具体的日期了，而是写"里程碑"和"决策点"。比如不是写"8月15日完成模型V2"，而是写"当模型准确率达到90%时，启动V2开发"。这种写法看起来没那么精确，但反而更实用。如果你刚转AI产品，我的建议是：接受Roadmap的"模糊性"。在AI产品里，一份精确但随时作废的计划，远不如一份模糊但方向正确的路线图有价值。
发布于 上海
2
评论
赞
未登录
友善发言
评论
加载中
