你要么正在将AI融入你的产品，要么很快就要开始。你可能已经被这方面的各种建议淹没了。但市面上的大多数建议充满了宏大构想，却缺乏源于实际经验、你今天就能落地的实战策略。因此，我与长期合作者凯尔·波亚尔(Kyle Poyar)联手，采访了20多位成功的产品构建者和创始人——他们都是在构建AI产品的过程中摸爬滚打过来的——请他们分享最令人意外和反直觉的经验教训。其中许多洞见让我耳目一新，也让我重新思考了很多问题。希望它们也能给你带来同样的启发。
让我猜猜看：你的产品路线图上现在正有一个高优先级项目，要为产品添加（更多）AI功能。
你不是一个人。Emergence Capital最近的一项调查发现，60%的公司已将生成式AI（Generative AI）整合到产品中，另有24%的公司已将其列入路线图。AI正在迅速吞噬世界。
不幸的是，这些努力中有许多将以失败告终。大多数早期AI应用都存在"游客"问题：它们能快速获得大量关注，但留存率和参与度却低得惊人。根据Emergence Capital的调查，尽管公司为构建和支持AI产品投入了数百万（甚至数十亿）美元，五分之二的生成式AI产品至今未赚到一分钱。本文的目标是帮助你和你的团队避免把宝贵的时间和资源浪费在错误的方向上。
我向20多位最敏锐的AI产品构建者征集了他们在将AI融入产品过程中学到的最反直觉、最令人意外的发现。这些领导者打造了当今许多最受喜爱和最成功的AI产品，包括Adobe、GitHub、Intercom、Perplexity、Canva、Runway、HeyGen和Superhuman的产品。以下是我的收获：
1. 你首先需要学会以不同的方式思考
"培养AI原生（AI-native）思维需要时间。第一版产品通常只是附加功能或简单的聊天体验。高价值体验需要更深入的重新思考——一旦你真正玩转了这项技术，更深入地理解了它真正能提供什么，然后将其融入产品体验的关键部分。"
—埃拉德·吉尔(Elad Gil)，科技企业家和投资人
"对于初创公司来说，处理那些用当今基础模型（Foundation Model）几乎无法解决的难题，实际上更容易、也更安全。 我们更期待乘着模型能力不断提升的曲线成长，而不是与这种进步对抗。"
—萨拉·郭(Sarah Guo)，初创公司投资人，Conviction创始人
"过去10年里，对大多数公司（除了一些硬核基础设施项目）来说，人们默认你想构建的东西可以相对容易地实现。你先深入理解客户的问题和机会，设计出你认为出色的解决方案，然后把它做出来。AI则完全不同。*"
在AI领域，某件事是否可能被构建出来是完全不确定的。而当它被构建出来后，它到底好不好用也是完全不确定的，即使表面上看起来不错。通常项目的最佳切入点不是别的，而是问'技术上能实现什么？'然后做原型验证。 这对过去十年里遵循标准最佳实践构建软件的人来说，是一个巨大的思维转变。"
—保罗·亚当斯(Paul Adams)，Intercom首席产品官（CPO）
2. 不过，归根结底还是看谁能最好地解决人们的真实问题
"演示价值不等于用户价值。 构建一个炫酷的AI演示并不意味着我们就有了客户喜爱且真正有用的产品。"
—约书亚·许(Joshua Xu)，HeyGen联合创始人兼CEO
"我花了很多时间思考用户采纳曲线细分——识别谁会快速采纳新产品，谁不会，以及区分这两类人群的特征。过去，我会专注于理解新产品为具有不同功能需求的人群提供了什么价值。AI改变了这一动态，因为最有意义的细分往往取决于对技术本身的态度：AI拥抱者（AI Embracer）与AI怀疑者（AI Skeptic）。*"
很多人讨论过AI的'虚假产品市场契合（Phantom PMF）'现象，即新奇感驱动的获客导致陡峭的用户流失悬崖。但反过来同样成立。我经常与那些拒绝满足其需求的AI产品的客户交流，仅仅因为他们不信任或不愿拥抱AI。通过正确的信息传递和用户引导（Onboarding），这些怀疑者可以成为超级用户！但他们的行为模式与AI拥抱者截然不同。我在下面的图表中勾勒了这一点。
因此，我不得不从头重新思考我们的用户测试方法。在测试AI产品时，我关注以下几点：
- 纵向验证：我们的测试周期是否足够长，以理解新奇感消退后用户参与度的变化？
- 高接触测试：我们是否足够贴近用户，以理解他们的态度（驱动参与模式的关键因素）每天如何变化？我们正在尝试用用户Slack群组替代传统的问卷调查和一对一深度访谈。
- 态度细分：我们的早期测试群体中是否同时包含了AI拥抱者和AI怀疑者？关键的是，我们是否仔细地将他们分开分析，以避免将他们的参与度数据平均化，从而制造出'温吞茶'——一个让所有人都不满意的产品？"
—希拉里·格里德利(Hilary Gridley)，WHOOP核心应用产品负责人
"AI并没有让构建出色的产品体验变得更容易。模型的科幻级能力虽然令人振奋，但那并不是让AI产品变得出色的原因。真正起作用的是经典的产品工程方法论。这意味着聚焦在真实的用户痛点、与客户密切迭代、并对令人愉悦的用户体验保持高标准。"
—凯特琳·科尔格罗夫(Caitlin Colgrove)，Hex联合创始人兼首席技术官（CTO）
"大多数人从模型质量的角度来思考AI辅助服务，但模型质量只是整个产品的一小部分。事实证明，后处理过滤器、合同保障、数据隐私、反馈循环、可观测的人类影响等，所有这些都远比模型质量本身重要得多。换句话说，构建AI产品看起来非常像构建产品本身。"
—瑞安·J·萨尔瓦(Ryan J. Salva)，GitHub产品副总裁
3. 配合正确的产品设计和用户体验（UX），教会人们如何使用它
"AI（尤其是大语言模型，LLM）的承诺是用几句话为你创造任何东西。但正如我们在Canva过去十年中所看到的，当你赋予人们创造一切的能力时，这可能会让人望而生畏，他们不知道从何开始。因此——就像我们设计工具的第一个版本一样——给人们提供正确的起点和信心来利用AI，是交付出色AI产品的关键一环。
我们的Magic Media功能的演进就是一个很好的例子。当你知道自己想要什么图像并且知道如何描述它时，文生图（Text-to-Image）是一项神奇的技术。但大多数人没有恰当的词汇来准确描述他们想要的东西；更糟的是，他们根本不知道自己在找什么！
我们对Magic Media的迭代减少了那个令人畏惧的空提示框，引入了更多视觉选项来引导你生成出色的图像，同时也帮助人们用正确的方式进行提示（Prompt）。我们还在关注生成之后的事情——如何调整和微调AI给出的结果，使其完全符合你的期望。
这一切向我们强调了一点：AI工具需要直觉化的产品设计和更广泛、持续的教育来支持这些行为转变。 AI不能靠'一键切换'——整个社会正处于文化层面的变革之中，但精心构建的产品可以支持这一转变。"
—卡梅隆·亚当斯(Cameron Adams)，Canva联合创始人兼首席产品官
"为AI功能找到合适的UI/UX进行实验，对转化指标的影响可以与AI模型本身的研究更新相媲美。正确的UX不仅能让新的模型能力更容易被发现——它实际上还提高了使用该能力的用户的转化率，即使他们之前已经在原始UI中使用过该功能。"
—乔尔·夸特勒(Joel Kwartler)，Runway产品负责人
4. 你能够访问（并拥有使用许可）的（专有）数据正变得越来越重要
"数据和界面可能比模型本身更重要，因为模型正日益商品化，可通过开源获取，并被推向边缘（几年内我们将在本地设备上运行许多模型）。我最看好的AI产品，是那些利用专有或独特结构的数据集——并且拥有这些数据的使用许可而非仅仅抓取——并结合卓越的界面来改造陈旧工作流程的产品。
这意味着什么？拥有或真正理解深度垂直领域数据的公司将拥有优势。 而设计师将比以往任何时候都更加重要，他们将利用AI的超能力，构想出全新的方式来改造我们日常工作和生活的界面。"
—斯科特·贝尔斯基(Scott Belsky)，Adobe首席战略官兼设计与新兴产品执行副总裁（EVP）；Behance创始人
5. 有意识地选择你的初始切入点工作流
"从一个感觉像苦差事的核心工作流开始，如果你做对了，承诺与回报的比例会很高。 你需要选择一个地方，让用户前期的投入（比如尝试使用或定制）能带来巨大的回报（比如显著节省时间），并吸引他们重复使用。"
—佩奇·科斯特洛(Paige Costello)，Asana AI负责人
6. 仅仅将你的产品称为"AI"就可能带来增长
"在软件领域，我们经常说用户不关心产品是如何构建的，他们只关心软件能为他们完成什么工作。但我们发现，将AI驱动的产品标榜为'AI驱动'（尽管这听起来可能有些尴尬），不仅能提高初始参与度——还能帮助用户理解该功能的能力边界以及应该如何与它交互。 我们销售一款聊天机器人（Chatbot）产品，通常鼓励客户以某种方式将其聊天机器人标榜为AI驱动。当他们这样做时，更多用户会使用它，而且用得更好。"
—詹姆斯·埃文斯(James Evans)，CommandBar联合创始人兼CEO
"大型公司内部的'AI指令'为初创公司创造了比AI时代之前更快获取客户的窗口期，仅仅因为大型公司的董事会和CEO正在推动组织内部做一些与AI相关的事情。"
—埃拉德·吉尔(Elad Gil)，科技企业家和投资人
7. 即使微小的AI驱动改进也能带来很大的影响
"最小（且几乎不可见）的功能通常是最受用户欢迎的。 像预填名字、微小的UI魔法、简单的数据转换，往往比那些'重磅AI功能™'（如聊天机器人或复杂智能体，Agent）有更大的影响和更高的客户采用率。你不需要一个大创意就能将有用的AI功能交付到你的应用中。"
—克莱尔·沃(Claire Vo)，LaunchDarkly首席产品官兼ChatPRD创始人
"少去想'AI能做哪些炫酷的新事情'，多去想'用户每天做100次的事情中，有哪些AI可以让它变得更好'。 对我们来说，一个例子是为事故撰写摘要。事实证明，用户极其偏好自动生成的摘要，而不是自己动手写；现在75%的事故摘要都是AI生成的。"
—斯蒂芬·惠特沃斯(Stephen Whitworth)，Incident.io联合创始人兼CEO
8. 预期AI不会完美，所以要给用户提供选项，并持续优化提示词
"人们需要并且希望有大量的自定义选项，让AI产品适配他们的使用场景。他们愿意投入大量精力来精心调整提示词、尝试不同模型、构建一年前甚至无法想象的API应用。"
—约翰尼·何(Johnny Ho)，Perplexity联合创始人兼首席战略官
"这似乎显而易见，但传统软件是确定性的——它要么做某件事，要么不做。而基于大语言模型构建的服务是概率性的。它们有时可能产生有用的回复，有时则不然。诀窍在于实现模型响应的一致性，让用户通常可以预期一个良好的结果。*"
GitHub Copilot的接受率为35%。也就是说，开发者将Copilot 35%的代码建议提交到了他们的代码编辑器中。一个'足够好'的接受率会根据使用场景和客户群体的不同而有所差异。找出适合你的最佳标准的最好方法是直接问客户：'这有没有让你的工作变得更容易？'"
—瑞安·J·萨尔瓦(Ryan J. Salva)，GitHub产品副总裁
"大量的AI创新在于提示词（Prompt）。我一次又一次地看到团队达到那个恍然大悟的时刻——意识到他们不一定需要构建新功能，而是需要花时间把提示词做得更好——改善提示词以提高质量、改善结果，或用提示词以独特的方式解决客户的问题。一个有意义的提示词可以为客户解决有意义的问题。"
—谢里夫·曼苏尔(Sherif Mansour)，Atlassian杰出产品经理
9. 同时预期基础模型会不断改进
"如果你给它正确的上下文并要求模型在回复中包含来源链接，检索增强生成（RAG, Retrieval-Augmented Generation）的效果出奇地好。如果构建得当，当底层模型改进时，AI注入的产品会自动变得更好。例如，当我们从GPT-4迁移到GPT-5时，Limitless会在一夜之间变得更好。因此，在构建产品时要利用底层基础模型的优势，而不是与这些优势竞争。假设模型会持续变强。"
—丹·西罗克(Dan Siroker)，Limitless联合创始人兼CEO
10. 警惕可扩展性瓶颈
"最初，AI模型可能在有限的任务或数据上表现良好。然而，如果不提前规划AI系统及其基础设施的可扩展性，随着用户需求的增长，可能会出现性能瓶颈。这种疏忽可能导致响应时间变慢、准确性下降，以及无法高效整合新数据或新功能。从一开始就进行可扩展性规划，对于支持增长和不断变化的需求至关重要。"
—克里斯·卢(Chris Lu)，Copy.ai联合创始人
"在追求优化质量的过程中，很容易在基础模型之上构建过多的'脚手架（Scaffolding）'逻辑。对我们来说，直接对模型进行微调（Fine-tuning）和少样本示例（Few-shot）训练在提高质量方面远远更有效。除此之外，产品需要设计为尽可能直接使用原始模型输出来最大化质量，更不用说支持广泛的输入组合并可靠地工作。"
—亨利·利里亚尼(Henri Liriani)，Tome联合创始人兼首席产品官
11. 留意应用内使用时长下降
"上一代AI/ML（机器学习，Machine Learning）的突破——如推荐系统或排序系统——在那些消耗人们时间的产品（社交媒体等）中找到了最佳的产品市场契合（PMF, Product-Market Fit）。而这一波新的生成式AI浪潮似乎在那些提高生产力、把时间还给人们的产品中找到了最佳PMF。所以，如果最好的AI功能降低了应用内使用时长这类指标，不要感到惊讶。"
—高拉夫·米斯拉(Gaurav Misra)，Captions联合创始人兼CEO
12. 通常，速度本身就是制胜法宝
"我们学到的经验：速度制胜。 以即时回复（Instant Reply）或自动摘要（Auto Summarize）为例。Gmail和Outlook有类似的功能，但你必须按需生成回复和摘要——然后等待它们生成完毕。在Superhuman中，我们预先计算好这些内容，让它们始终即时可用。这个简单的差异就是用户体验上的巨大杠杆。"
—拉胡尔·沃赫拉(Rahul Vohra)，Superhuman创始人兼CEO
结语
拥抱AI机遇需要一种全新的产品构建方法。那些成功的公司将采用不同的思维模式和框架，以实现10倍于常规的成果。
虽然技术吸引了最多的关注，但最终的赢家仍然是那些最好地解决人们真实问题、并提供最佳设计和UX来教会人们如何使用它的产品。有意识地选择你的初始切入点，寻找回报大且能带来重复使用的工作流。
构建AI产品的"最后一公里"可能决定一切。人们需要等待多长时间才能让AI完成生成？输出的帮助性有多一致？用户能否为他们的使用场景自定义提示词？
还要记住，我们仍处于AI的早期阶段。模型将实现跨越式的改进。人们将越来越熟悉这项技术。跟上不断变化的期望，才能打造持久的、能赢得市场的AI产品。你的第一版产品可能会失手，但要坚持下去，不要回避难题。
—
衷心感谢凯特琳·科尔格罗夫(Caitlin Colgrove)、卡梅隆·亚当斯(Cameron Adams)、克里斯·卢(Chris Lu)、克莱尔·沃(Claire Vo)、丹·西罗克(Dan Siroker)、埃拉德·吉尔(Elad Gil)、高拉夫·米斯拉(Gaurav Misra)、亨利·利里亚尼(Henri Liriani)、希拉里·格里德利(Hilary Gridley)、詹姆斯·埃文斯(James Evans)、乔尔·夸特勒(Joel Kwartler)、约翰尼·何(Johnny Ho)、约书亚·许(Joshua Xu)、佩奇·科斯特洛(Paige Costello)、保罗·亚当斯(Paul Adams)、拉胡尔·沃赫拉(Rahul Vohra)、瑞安·J·萨尔瓦(Ryan J. Salva)、萨拉·郭(Sarah Guo)、斯科特·贝尔斯基(Scott Belsky)、谢里夫·曼苏尔(Sherif Mansour)和斯蒂芬·惠特沃斯(Stephen Whitworth)贡献了他们的洞见。
祝你度过充实而高效的一周 🙏
👀 正在招聘？或正在寻找新工作？
我正在试点一项高端产品岗位招聘服务，每次仅与少数精选公司合作。如果你正在招聘高级产品岗位，请在下方申请。
如果你正在寻找新机会，请使用上方同一按钮注册。如果我们认为匹配，我们会发送来自精选公司的个性化机会。未经你允许，任何人都不会获得你的信息，你可以随时退出。
如果你觉得这份通讯有价值，请分享给你的朋友。如果你还没有订阅，也请考虑订阅。我们提供团体折扣、礼品选项和推荐奖励。
真诚地，
莱尼(Lenny) 👋