人工智能时代的产品设计和管理

人工智能时代的产品设计和管理

来源：VentureBeat

编译：远望智库技术预警中心  温琳

有个可让未来的人工智能（AI）企业家在深夜沉思的问题：当软件开始自行编写时，该如何管理一项产品？

我们还未完全实现那些，但随着我们构建更智能更复杂的软件，且这些软件中的某些元素由AI驱动，我们开发的软件也越来越不可预测。我们都知道AI会给软件带来更多的功能，但由于其有时会以非计划的方式表现出来，也会使软件更难设计和管理。这只是伴随着复杂系统的一个现象，也是我们的软件发展的方向。这就是复杂性理论和软件交会的地方。

对于软件行业的大多数企业家、高管、工程师和产品经理来说，我们已经安全设计和管理了数十年的软件，且一直处于合理的投入-产出水平。也就是说，只要我们输入数据，就会很容易得到正确的输出。这主要由于我们一直在使用简单系统。如果输入A和B，就会得到C。如果没得到C，你就知道其中一定有错误需要修改。使用简单的系统，你就可以重复使用同一套测试用例，并重复得到相同的输出。

智能产品和其他动态的基于AI的系统将这一概念置于思维之中，因为自主学习软件会根据与其他系统和人员的不断互动的输入来调整其输出。有些系统目前已变得相当复杂（尤其是在企业），但引入更多基于AI的算法将加速复杂性，且这种复杂性是空前的。

例如，神经网络基于输入提供输出，但在输入和输出之间是计算的黑盒子。我们不知道为何这些输出产生于这些特定输入。另外，新的训练（算法如何更新其学习）意味着输出可以在给定相同的输入时改变。这些输出中的一些将被传送到系统的其他部分，从而产生额外的复杂层。我们正趋向于更复杂的系统设计。

我们每天都在和不可预知的人们共同工作。没有人知道其他人做某件事的原因。但我们已经找到与人们协作的方法并把事情完成。当我们构建更复杂的系统时，我们需要考虑这些问题。基于经验，我发现了一些基本技巧，在构建AI驱动的产品和基于AI的智能代理时，可帮助解决上述问题。

1、专注于某一领域

专注于某一领域可帮助降低复杂性。因此，简化和集中一些你所控制的事情是明智之举，比如软件专业领域。首先，将你的产品限制在一个狭窄的领域（例如，专注于为顾客提供一套合适的工作，以及围绕专业知识的逻辑集合）并在扩展到其他领域之前进行学习。

2、注重学习反馈

每一次互动都是学习的机会。你们的系统应从与人类和其他系统的所有互动中学到东西。你的软件需要反馈回路来自我纠正和学习，为你提供有关如何调整未来产品和计划的信息。在你的领域内，要在高层次上进行优化，但不要过早优化。虽然AI产品在你浏览产品反馈回路时可能会变得模糊，但你首先需要选择一个更一般的功能，然后寻找你将为用户解决的问题。用户使用该产品时，你的产品优化可根据客户的实际使用情况而定。

3、使用人机交互

有时需要人脑来增强系统。“人机交互”是这样一种状态——你可以让人类完成一些任务来改善用户体验，或者为系统设计一些困难的东西。将其作为系统的一部分进行设计，对于系统无法做好的部分工作或验证将是十分有用的。而且，人类采取的行动可以反馈到系统中，以便系统将来更好地完成任务。许多创造人工智能产品的公司都使用人性化的环路来进入并做某些工作，作为他们后端的一部分。

4、利用好大数据

数据增加智力。我们正在收集空前多的背景数据，这种背景信息将在更广泛的行业中用于更好的AI驱动系统。对于很多与人类互动的系统而言，背景是最关键的。基于应用程序可以获得多少背景数据（位置，相关数据，个性化信息等），智能代理的能力将被扩展或限制。要取得进展，必须从用户和任何其他可访问的应用程序直接收集背景信息。

5、检测错误

应急系统需要实时性能评估。我们开发动态运行的系统时，还需要重新考虑问答系统。我们主要需要考虑如何增加当前的问答过程。还有更多的工作要做，但我们需要更多的模型进行实时错误检测，如此一来，我们就可以正常地失败或让系统跳入另一个行动路径。方法之一将会类似于人类如何做——通过获得独立观察者的反馈。我指的是一个应用程序，能够不断观察生产系统，并寻找异常或不准确的行为。一旦发现，它会反馈给系统。以便它改善和调整其行动。类似于实时性能评估，只是它将具有全部数字化和实时性特点。这个应用程序可能看起来类似于病毒或垃圾邮件检测软件，其中应用程序可查找“正常”与“异常”行为的模糊确定。

6、创建智能故障应对

时刻准备着突发意外。人类是不可预知的，将不可预知的人类与不可预知的机器结合起来就加剧了这个问题。规划智能故障转移体验，可以要求清楚或明确地将混淆信息传达给用户。提前计划，这样用户就不会因系统的动态性而感到困惑。

7、注重数据收集

使用交互式系统以交互式方式收集好数据。通过任何接口设计系统的输入时，想想如何检查你正在收集的数据的质量和可培训性。如果你正在设计智能代理，可以让用户实时地澄清问题。如果没有，你仍然可以创建技术来确保输入时的数据质量。也有可能是旧的数据集，可用来开发新的客户。质量也是一个重要因素。旧数据集可能维护不良，也可能需要清理。

8、让人工智能不断增值

用户数据会让系统更有价值，也有助于获取更多客户和数据，反过来会让系统更加有价值。使用AI驱动产品，可从系统（和其他系统）上所有的用户那里收集信息，让系统更加智能，反过来可让系统更有价值并吸引更多用户。当你吸引到更多用户时，就可从中收集数据，这些数据可进入软件等等。这就创造了一个数据收集的飞轮和一个日益智能化的系统。这是一种创造独特价值的方法，并让对手难以追赶。

9、尽快为用户创造价值

收集数据的同时创造价值。平衡用户的数据收集以及对用户有用的东西。最理想的情况就是在你学习的同时创造价值。另外，如果可以，找到可以通过与其他系统集成而加载到系统中的旧数据的价值。对将来收集的数据可以做的所有大事进行规划是非常好的，但你必须有一些即时价值，让人们坚持下去。

10、建立人工智能同客户间的长久信任

如果你要创建智能代理，入门永不会结束。当涉及到智能代理时，用户所拥有的初始主动体验与代理结合正在进行的交互将驱动用户如何以及将长期使用代理。智能入门（介绍代理）和用户正在进行的教育是关键。随着时间的推移，人们通过重复的互动，发展我们对其他人的熟悉度。这也是人类与智能代理进行交互的方式。如果用户和代理暂时没有交流，那么人们甚至可能完全忘记它。此外，重要的是要考虑用户如何发现代理能做什么。代理可能需要发送它已获得的新技能提醒，甚至简单地提供一个可视化菜单，以显示它能做什么。重要的是考虑如何将所有功能呈现给用户，以便用户了解它可以做什么，并且让用户记住智能代理。这些交流的主动性将驱动用户在此列表中执行其他操作所需的预期。

11、创建人工智能与用户的多媒体互动

从长远来看，人工智能与人的交流比人与人之间的交流更好。这是因为人工智能比人类有更多的通信方式和输入选项。基于聊天或其他视觉用户体验的最佳途径通常不是创建完全文本驱动的体验。同时包含文本元素和视觉元素（按纽等）的接口，我们称之为混合接口，会在正确的背景下使用广泛的输入和输出选项，以更有效地进行交流。需要与用户进行良好的沟通，以确保收集好的信息，使软件更加智能化。

12、创建性能指标

管理一个系统需要管理指标。衡量指标对企业来说至关重要，特别是当你从较大数量的产品用户那里获得重要数据时。AI驱动产品的成功指标将略有不同，但将分为几类。1）收集到的数据质量可用来培训，2）建模的质量可产生正确的输出，3）AI增值测量，4）客户成功指标（针对特定业务，包括对用户的输出质量）。随着系统变得更加复杂，需要正确的指标来确保你能很好地管理复杂的系统。

管理AI驱动产品的终极建议

最后，这些思想的背后是一个共同的理念。我们必须开始考虑管理复杂的计算机系统，这些计算机系统是由能够出现紧急行为的最新AI驱动功能驱动的。这是以一种为系统提供稳定性的方式管理参数，规则，检查和平衡。考虑下管理经济的方式，你不会通过明确说明所有商品和服务的价格来管理经济。你在更高一层的系统来管理。你提出了一套对该系统有意义的规则（法律），并管理一些系统级变量（如联邦基金利率）。独立代理（在这种情况下，通常指人）将通过自我优化决策，根据自己的独立需求和需求间相互作用来设定价格。

复杂软件系统的管理是相似的，将意味着良好的信息采集设计，设置合适的参数，为您的软件选择正确的成功指标，并在系统级转动合适的旋钮，以保持系统处于你能够管控的最佳状态。因此，AI驱动的产品管理的一部分是真正复杂的系统设计，从复杂系统的角度来看，需要更多的思考。