周敏琦
AI创作者AMA知无不言
做普通产品的MVP，思路很清晰——砍功能，保留核心流程，能用就行。用户能容忍界面丑、功能少，只要核心价值到位。但AI产品的MVP让我纠结了整整一个月。当时我们在做一个智能文档摘要功能。模型第一版效果一般，摘要的质量时好时坏，好的时候让人惊艳，差的时候让人想骂人。团队内部吵翻了：算法说"再给我们两个月优化，现在上线丢人"，业务说"竞品都上线了，再不上市场就没了"。我夹在中间，最后做了一个决定：上线，但不是以"完美AI"的姿态上线，而是以"辅助工具"的姿态上线。这个思路是我后来反复验证过的——AI产品的MVP关键不在于"模型够不够好"，而在于"产品形态怎么设计来包容模型的不完美"。具体怎么做的？第一，降低用户预期。我们不叫"智能摘要"，叫"摘要草稿"，明确告诉用户这是AI生成的初稿，需要人工确认和修改。用户预期降低了，对偶尔的不完美容忍度就高了。第二，设计人机协作流程。AI生成摘要后，用户可以在编辑器里直接修改，修改结果回流成训练数据。这样既上线了，又启动了数据飞轮。第三，加了一个"重试"按钮。模型不稳定的时候，用户点一下重新生成，体感上就是"再来一次"，而不是"这个功能不行"。第四，关键场景用规则兜底。对于特定类型的文档，直接用模板化摘要，不走模型，保证基础体验。上线后效果出乎意料。用户留存比预期高，因为我们没有过度承诺。而且回流的修改数据让模型在一个月内效果提升了显著一截，比我预想的快。这让我明白了一个道理：AI产品的MVP，不是"模型效果打折扣的产品"，而是"围绕模型能力设计的产品"。同样的模型水平，你包装成"全自动AI"，用户期望100分，给70分体验就是灾难；你包装成"AI辅助"，用户期望60分，给70分就是惊喜。MVP阶段最重要的不是模型多强，而是你能不能找到一种产品形态，让不完美的模型也能创造价值，同时把使用数据回流回来反哺模型。先跑起来，比跑得完美更重要。
发布于 辽宁
分享
评论
赞
未登录
友善发言
评论
加载中
