AI产品的落地一直是一个挑战。尽管有许多公司在从概念到产品的开发过程中取得了一定的进展，但仍然存在一些问题。如果要问AI落地过程中最大的问题是什么，我认为产品是关键。AI产品需要更高的复杂性，比互联网时代的APP更加复杂，对技术的依赖程度也更深，但在实际运营过程中，产品的权重却是最低的，这就导致了一系列问题。从技术人员和产品人员的薪资差异可以看出这种权重的不平衡，许多企业可能愿意花费数百万的薪资来招聘算法研发人员，但很少愿意花同样的薪资来招聘产品人员。这种不匹配是一个问题，因为从商业成功的角度来看，产品比单点的技术更重要。一种典型的错误模式是在打磨AI产品时，过于追求技术而忽视产品本身。一些产品经理或相关人员更加专注于深入研究和加强对AI技术的理解，他们可以流利地解释出一段看起来很酷的话，比如以下这段：GPT是一种基于变压器的深度学习模型，它能够通过自回归的方式生成任意长度的文本序列。

GPT的技术原理是利用大规模的无标注文本数据进行预训练，然后在不同的下游任务上进行微调，从而实现多种自然语言处理的应用，如文本摘要、机器翻译、问答等。GPT的核心是使用一个多层的变压器编码器，它能够通过自注意力机制和位置编码捕捉文本序列中的长距离依赖关系和顺序信息。GPT的训练目标是最大化给定前文的条件下，预测下一个词的概率，从而学习到一个通用的语言模型。GPT的创新之处在于它能够在不需要人工标注和特定领域知识的情况下，自动地从大量的文本数据中学习到语言的规律和知识，从而实现跨领域和跨任务的泛化能力。尽管这段话可能听起来很厉害，但实际上这种风格在打造AI产品时是非常常见的。但是，这种只注重技术而忽视产品本身的做法是一种错误。一个成功的AI产品不仅仅是技术的堆砌，更需要注重用户体验、解决实际问题和创造商业价值。AI技术只是一种工具，产品才是最终的目标。

因此，我们需要改变这种错误模式，更加注重产品的研发和打磨。另一个影响AI产品落地的问题是缺乏行业市场的了解和对用户需求的把握。AI技术的应用范围非常广泛，但不同行业的需求和市场特点千差万别。如果在产品开发过程中没有对特定行业进行深入调研和了解，很可能会导致产品与市场需求不匹配，无法满足用户的实际需求。因此，为了提高AI产品的成功率，我们需要加强与不同行业的合作和沟通，深入了解他们的需求，从而打造出更符合市场需求的产品。此外，缺乏对商业模式和商业可行性的考虑也是导致AI产品落地困难的一个原因。AI技术的研发和应用需要巨大的资源投入，如果没有清晰的商业模式和商业可行性分析，很难获得持续的投资和支持。因此，在打造AI产品之前，我们需要充分考虑商业模式，明确产品的商业目标和盈利模式，从而为产品的落地奠定基础。综上所述，AI产品落地面临着诸多挑战，其中产品本身的问题是最重要的。

我们需要改变只追求技术而忽视产品的做法，注重产品的研发和打磨，同时加强与行业的合作和沟通，提高对用户需求的把握。此外，考虑商业模式和商业可行性也是非常重要的。只有在技术和产品兼顾的基础上，才能打造出成功的AI产品。那么，面对这些挑战，你认为如何才能更好地推动AI产品的落地呢？作为产品经理，我们需要了解技术，但并不需要成为技术专家。追求细节知识并一味深入技术，会让我们陷入“专家幻觉”，而这种幻觉会对产品本身产生负面影响。产品是介于技术和场景之间的，因此我们需要从场景这一侧去理解技术。了解技术的应用边界，而不是每个技术组成的含义，这样才能更好地理解产品的特点和优势。产品经理不能做场景预测，在定义产品时应基于技术现在能干什么，而不是基于潜在能干什么。因为产品是要马上给人用的，本身就是最大的预测了，如果再把技术的不确定性加入其中，那风险就会更大。

这一点在过去十年中得到了充分的证明，无论是产品人还是顶级专家，都不能准确地预测未来。很多时候，产品经理会因为组织结构的特点而陷入技术的怪圈。在典型的AI公司中，技术人员创建公司是一个关键因素，这意味着技术的发言权会比较大。在这种情况下，产品经理需要在技术的基础上去定义产品，而不是让技术来决定产品。如果技术的发言权太大，会导致一系列问题。比如说，老板是AI方向的PhD，而产品经理只是一名本科生，这种情况下，产品经理很容易陷入自我怀疑，担心自己的话不专业，会被怼。为了证明自己的能力，产品经理会一味追求技术的细节知识，这样会让自己变得看着很专业，但对产品本身并没有太大的帮助。因此，作为一名产品经理，我们需要从场景和用户出发去了解产品，而不是过度追求技术的细节知识。只有这样，才能让产品更加符合用户需求，更加有竞争力。经过分析和整理，本文探讨了产品经理的内涵和AI产品开发的价值创造过程。

首先，本文指出了现有的组织结构和互联网时代的主角程序员的差别，以及程序员的综合视角对于成功的重要性。接着，本文从价值创造过程的完整性、受到的刚性约束和潜在价值实现通路的角度探讨了AI产品应该考虑哪些维度。最后，本文提出了AI产品创新的两类构想力量，并强调AI产品对于整个产品的权重可能只有不到10，所以不能完全颠覆过去的产品格局。在未来的发展中，需要在维持AI产品创新的同时，充分利用过往的经验和核心竞争力。新产品的场景应用：从技术到实际创造价值在技术的不断发展中，新产品的出现给我们带来了无限的想象空间。然而，除了技术本身的创新外，我们还需要关注产品在实际场景中的应用和创造价值的能力。本文将从场景角度探讨新产品的应用前景，并对其与传统产品的区别进行分析。首先，我们需要意识到，虽然从技术角度看，这些新产品是创新的，但从场景角度来看，它们可能只是新的"Word"。

换句话说，它们可能并没有真正的应用机会。这是因为在实际场景中，我们需要的是整体解决方案，而不仅仅是局部的技术创新。如果一个新产品只能解决部分问题，而无法提供全面解决方案，那么它就只是一个负担，而不是价值创造的工具。以客服、外呼等工作为例，我们需要考虑的是这些新产品是否能够完整地完成这些工作。如果能够，那么它们的价值创造模型就非常简单，即根据就业市场的价值来定价。这意味着我们需要考虑的核心问题是，这些新产品能否在实际场景中解决全部问题，而不仅仅是一部分。在比较新产品与传统产品的区别时，最关键的是价值创造的完整性。传统产品必须在实际场景下解决全部问题，否则就无法发挥其价值。以招聘为例，我们不能只提供一个职位描述，就指望能够吸引到合适的人才。我们需要全面地解决招聘过程中的各种问题，才能提高招聘效率。为了更加直观地描述上述产品的分布情况，我们可以绘制一张图来展示它们之间的关系。

这张图将帮助我们更清楚地理解技术应用边界和场景游戏规则。在技术应用边界的探讨中，我们需要考虑的是技术在落地过程中可能遇到的短期难题。这些难题可能导致我们将它们视为前置条件。一个明显的例子是幻觉问题，它非常难以解决。另一个例子是复杂场景的覆盖问题，这会导致结果的不确定性增加。换句话说，相同的输入可能产生不同的输出。然而，并不是所有场景都存在这种不确定性。当内置属性与冲突越严重时，产品的挂牌概率就越高，并且可能会陷入艰难的竞争中。以用大模型做税务为例，这个问题正是从技术视角和产品视角看待技术的差异。我们再举一个更具体的例子，以编程能力和内容创作能力为比较对象。从技术应用边界和场景匹配度的角度来看，编程能力在大模型中的应用最为优秀，得分达到了85分，可以说非常契合。而内容创作能力得分则在70多分。为什么会这样呢？假设你是一个程序员，大模型能帮助你编写程序吗？

对于初中级程序员而言，答案是肯定的。然而，很不幸的是，这两类岗位未来很可能会被淘汰。所以，我们给编程能力打了85分。再假设你是一个自媒体从业者，大模型能帮你创作内容吗？答案是否定的，尽管它可能会有一些帮助。下图总结了这两类岗位的特征。最后，我们需要考虑的是价值实现通路上的约束。理论上，只要资源充足，任何创造价值的产品都可以成立。然而，现实情况是我们并没有无限的资源。因此，在商业实现通路中，我们需要考虑产品起点上的限制。综上所述，新产品的场景应用需要从技术到实际创造价值的角度进行考量。我们需要关注产品的完整性和与实际场景的匹配度。同时，我们也需要考虑技术应用边界和场景游戏规则的限制，以及价值实现通路上的约束。只有在充分考虑这些因素的基础上，新产品才能真正发挥其价值。在未来的发展中，我们需要更加注重产品的整体解决方案，而不仅仅是技术创新。

只有这样，我们才能在日益竞争激烈的市场中保持竞争优势。那么，您认为如何在新产品的场景应用中实现更大的创造价值呢？请留下您的评论，分享您的想法和建议。AI产品设计的思考：少谈技术，多想产品AI技术飞速发展，越来越多的公司开始投入到AI产品的设计和开发中来。然而，AI产品的设计和开发并不是一件简单的事情，其中需要考虑的问题还有很多。本文从产品设计的角度出发，对AI产品的一些特点和设计思路进行了总结和思考。一、AI产品的不确定性AI产品的不确定性是其最大的特点之一。随着技术的飞速发展，AI产品的设计也在不断的变化。因此，在设计过程中需要有足够的灵活性和适应性，随时调整产品方向。二、AI产品的数据驱动AI产品的核心是数据，设计过程中需要充分考虑数据的质量和可用性。同时，数据的获取和处理也是重要的环节，需要投入大量的精力和资源。

三、AI产品的模型选择在AI产品的设计中，选择合适的模型是非常重要的。不同的模型有不同的适用场景和特点，需要根据产品需求选择合适的模型。四、AI产品的算法优化AI算法的优化也是产品设计过程中不可避免的环节。算法的优化可以提高产品性能和效率，但同时也需要投入更多的资源和精力。五、AI产品的人机交互人机交互是AI产品设计过程中一个重要的环节。AI产品需要考虑用户的需求和体验，设计出更加贴近用户的产品。六、AI产品的应用场景AI产品的应用场景非常广泛，需要根据不同的场景设计不同的产品。同时，需要考虑产品的可扩展性和升级性。七、AI产品的成熟度AI产品的成熟度是产品成功的关键之一。不同类型的产品需要经历不同的时间和关卡才能够成熟。八、工具的工具在AI产品中，还有一类小众产品，如英伟达为代表的工具的工具。这类产品需要投入更多的资源和精力，但收益却很不确定。

AI产品设计的思考总结：少谈技术，多想产品。对于小公司来说，产品不单是产品，也是战略的具象化。因此，在产品设计过程中需要充分考虑用户需求和体验，同时需要有足够的灵活性和适应性，随时调整产品方向。