【AI产品方法论】产品设计范式和落地阶段

观点来源会备注作者，请酌情阅读和理解。

目录

技术和产品范式变化

产品设计维度：面向意图/角色设计

技术维度：面向目标设计

AI产品落地阶段

观点：互联网产品vsAI产品，AI需要从0到10

---

技术和产品范式变化

AI Gump：类似的观点比较多，有技术维度、有产品设计、有宣发角度。

产品设计维度：面向意图/角色设计

角色中心式计算：AI大模型颠覆性的起点与终点 (qq.com)

技术维度：面向目标设计

面向过程设计，转向 面向目标设计；

【AI Agent】综述资料阅读与思考-CSDN博客

AI产品落地阶段

观点：互联网产品vsAI产品，AI需要从0到10
 

来源：从1到10：AI产品和互联网产品的核心差异 (qq.com)

互联网2C应用

1. 成功的互联网产品一定是PMF（Product Market Fit）型产品。
   1. 从0-1，选择一个领域，吃透一个领域，然后把互联网技术加进去，变成一个新的产品，
   2. 从1-100，验证后大范围复制，每个成功互联网产品都是这么走过来的。
2. 对产品进行细分的话，差异在于平台化通过两端开放打开了PMF的适配范围，远超单点的工具。
3. 互联网产品外化的是程序员的智能，可以留一些定制的空间，但这个空间是有限的，最终灵活适配能力的上限也还是程序员设定的；

4. 从0到1就解决这个准不准的问题。后面待解决问题是一样的，纯粹复制。而复制的边际效能基本是算力的边际效能，也就变成指数增长。

企业SaaS应用

1. 行业客户定制的复杂度，超过现有技术架构的吸收能力，不管你是用应用商店，平台，插件还是什么技术，最终你本质都需要一个一个交付，变成解决方案式扩张。
2. 做SaaS本质上是N个从0到1，但一直没有从1到100。
3. 边际效能靠人还是靠算力显然有巨大差异。所以SaaS就集体持续亏损，但也还能活着

AI应用

1. AI的核心改变根本不是AIGC，包括Sora，而是它的概念识别和自行逻辑判断能力。这潜在的意味着计算范式的变化。

2. 人直接和模型进行交互，然后具体的功能范围是不定的。模型、策略和价值观设定这个范围（不再是程序员设定这个范围了：现实世界的需求由程序员折射成计算机世界的语言，然后计算机按照程序员的设定进行执行）

3. 新特质即影响产品形态，也影响相应产品的方法论，基于规则和基于模型的智能程度在这种应用场景下在尺度上拉开巨大差异。确定性匹配规则，灵活性匹配智能。

4. 智能和灵活最终会带来宽适配，也就不需要归类（太多没法归类），所以就需要进行基于自然语言的交互。过去用户总是按照UI（图形用户界面）来完成某个功能。而UI（图形用户界面）本质是一种归类，类目的集合就是产品的边界。即是功能的边界，也是感知的边界。GUI反倒是变成辅助。和现在正相反。

5. 如果是简单的规则就能搞定，并且产生利润的地儿，其实并不是智能原生应用的最佳落点。它们一定程度上机会资源已经被挖掘殆尽。
6. 意味着智能原生应用就必然要解决复杂场景，解决规则所不能到达地方的问题。（一定程度上现在偶尔会火的所谓AI APP在起点上就有问题，没有后劲的，也不可能取得成功）。智能原生应用要解决复杂场景的问题，那在产品化的时候，必须把智能原生的特征发挥到极致，变成类生命体。
7. 按照互联网逻辑开发AI产品，从0-1后，复制时，能导致不适应的这截正是用AI智能才能解决，用规则解决不了的部分。这部分的调优、确认、打磨如果进行概括，那就是从1到10。
8. 搞不好就意味着智能没起作用，而一旦退回去变成不停的重复从0到1，那很可能就会走上数字化或者SaaS的老路

总结：

1. 互联网产品是两段论，而AI产品则是三段论。大模型所带来的能力里面最关键的其实是概念理解和自行判断的能力。基于这个能力才能构建真正的智能原生应用，而智能原生应用不单需要从0到1，还需要从1到10。
2. 智能原生应用和上面不一样，自身就是变形虫，是类生命体。环境需要什么样，它自己就往那个方向变，自己也会进化（程序改变自己 VS版本升级）。智能原生应用虽然也是可大可小，但因为智能的通用度，就不太可能是单纯的工具，所以不会是太小规模的产品。