AI-Native产品范式变革浅思（2024.2.29更新）

“以人为本”

以前的软件开发时，产品经理造的是工具，现在利用AI的新的技术，造的更多的是一个”人“，所以产品经理要更多的从人的角度（把AI当作一个"人"/伙伴），而不是单纯的工具角度，思考新的产品形态问题，同时，要考虑工具和人之间极大的不同：
1） 工具本身是精确的，但是人是注定会犯错的（AI的幻觉hallucination的问题）
2）工具本身是不会自主自发迭代和优化的，但人是可以不断通过收集信息，通过自我反思，自我迭代和优化的

在Software 1.0时代，产品设计更多的考虑人和工具之间的关系

在AI-Native的Software2.0时代，在传统的人和工具之间的关系的基础上，需要考虑 1）“AI”这个新物种和传统的工具之间的关系；2）也要考虑考虑：“AI”这个新物种和人之间的关系，产品经理需要解决的问题的复杂度也呈指数级的上升

在产品设计中，需要考虑人类、AI和工具各自的擅长和定位，以实现最佳协同。与此同时， AI可以帮助人类从不擅长或不是自己定位的方面中解放出时间，更多地发挥人类的擅长和能力。
1. 工具：流程化的、精确性的具体任务处理
2. 人类：
    - 需要人性/ 情感和创造力的事情，如写段子调动人的情绪、深度思考等
    - 人类的专家可以做更加精确性的和准确性的事情
3. AI：
    - 准确度要求比较低，生成式的，框架性和概念性的东西
    - 作为“第二大脑”，人和工具之间的桥梁，一方面和人类交互了解人类的指令，另一方面去调动精确的工具去完成任务

但是未来人类和AI之间的界限是否会打破，即AGI通用人工智能的实现，AI是否会有“情感、创造力和深度思考”（作者按：未来重点关注AI CoT思维链相关的慢思考能力），可能会会造成三者关系的再一次重塑

指数级产品体验

在《俞军产品方法论》一书中，针对产品的用户价值做过这样一个定义：
用户价值=新体验-旧体验-替换成本

如果做AI-Native应用，由于AI叠加后实现的生产力释放，是指数级的，所以对于一个产品和特定的用户需求来说，产品体验要好至少一个数量级（做到原来10倍好，让用户觉得爽，有一个巨大的突破和改变）是关键。而单纯针对原有产品20%-30%数量级的渐进式提升，不是AI-Native的产品的原生特性，所以个人观点，一个大公司很难抛弃掉原有的框架，去做一个AI Native的产品

但是对于一个小公司产品专注于AI Native的产品开发，对于一个End User来说，一开始可能只有几个小的功能是好用的，但是用户不太可能因为这几个好用的小功能去换掉习惯使用的大公司的软件。因此小的公司但要想在市场上生存，需要做到用户习惯的颠覆，实现10倍的好用。

但是一开始，很难就做一个完全体验感好10x的产品，所以从落地和实操的路径，一方面需要有一个比较大的产品愿景Pitcure，另一方面要在起步时针对用户特定的一个需求，把一个小的功能点做的绝对好，具体的产品形态可以是以一个端到端的小产品的形式，甚至可能只是依托一个大的产品/系统的插件的形式。可以基于大公司的平台上做一到两个功能，未来被大公司收购，或者脱离大公司固有产品框架，最终发展成为大公司。

作为一个AI Native的产品核心需要把握的原则：自身的产品本身可以闭环，快速的为用户产生独立的价值（在这一个单一的功能点上，是以前的体验的10x，或者是提升效率的10x）

AI Native的产品的打造对于小公司是这样；对于大公司也有可能实现，只不过大公司需要打破既有产品的框架和组织的复杂流程，真正把组织内的原有资源打散并重组转型，这一过程也要从小做起，其难度也可想而知

人类现有知识库和AI模型之间的平衡

大脑中的知识是用两种形式积累：1）人类的思维模型；2）人类的记忆

对应到AI领域的技术展现形式就是：1）模型（通过大量历史的知识和数据训练得到的一种范式）；2）知识库（相当于人类对于知识的结构化存储）

在产品设计中，需要权衡通过模型进行生成内容和直接使用知识库之间的关系；同时在利用AI时权衡模型能力和外挂知识库（RAG：检索增强技术）两种能力

1. 要权衡使用AI技术和人类直接使用知识库之间的成本和收益:

比如现在直接用AI生成一段音乐和在音乐素材库中，用AI生成一张图片和使用Midjourney生成图片，其中使用AI的成本和传统方法的成本测算：

• 现调用AI模型接口的成本 VS 购买音乐或者素材库的版权的成本
• 相关的专家去撰写Prompt VS 调整Prompt的时间和直接通过标签和传统的检索技术的成本

2. 利用AI时权衡模型能力和外挂知识库：

• 结构化知识和个性化需求：当模型需要提供高精度的结构化知识或个性化服务（如用户私人数据记忆）时，可以采用知识库的外挂方式
• 发散性思考：当用户需要进行发散性思考时，可以不使用知识库，让AI自主生成想法和概念
• 知识库和大模型的结合（笔者按：目前还没有思考成熟，未来再补充）：对于需要结合知识库和大模型在模型领域的知识的情况，可以考虑让用户指定几个知识库，允许模型做特定的参考，并给予模型一定的自由度进行其他方向上的探索。但是具体如何结合，这是最难的问题，需要进一步思考和实践

需要重点强调的2点：1）用户应当对用AI模型生成的模式还是说以外挂知识库的模式具有选择权；2）用户需要选择需要获得的信息输出的模式，而不是直接选择背后具体的技术路线

持续进化和演进

AI产品的重要特性是自我迭代和优化的，因此在第一个小闭环产品设计出来后，考虑让产品持续进化和演进：

• 一方面需要通过产品经理自身的创造力和工程能力，给产品赋予更多的Feature或者精细化地定义产品，让其持续迭代变好的过程；
• 另一方面，精细化的设计AI获取数据的方式，引导和促进AI实现自主的迭代和更新

第一方面是人类的智慧（HI），第二方面是机器的智慧（AI），AI时代的产品设计，需要考虑HI+AI的协作和融合