AI应用早期,产品设计和模型能力之间怎么分工?
提问
早期 AI 应用里,产品设计负责把模型能力放进真实使用场景,模型能力负责抬高上限;判断分工的关键是看这件事会不会被下一次模型升级直接解决。
先看模型能到多好,再决定产品补什么
材料里的观点立正给出的顺序是:先用最好的模型和运行环境跑自己的业务任务,知道当前能做到什么水平,同时建立测试集,再拿其他模型比较质量、速度、成本的差距。他的理由是,如果一开始就选便宜模型、围着它打补丁,可能连自己离当前上限有多远都不知道1。这给早期分工一个基线:模型能力先定“天花板”,产品设计再决定在这个天花板下补哪一段。
产品设计补的是模型升级补不上的部分
材料里的观点戴雨森在对话中把应用公司的假设说得很清楚:不要因为模型现在不够好就去替它搭脚手架,而要 leverage 六到十二个月后可能有的模型能力;他举的例子是让模型数草莓有几个 R 这类事没意义,因为迟早会被模型解决2。他同时认为,头部几家 API 的差距在缩短,应用可以在产品设计、用户数据、品牌上把差距补回来,让用户有选择理由2。按这个分工,产品设计该做的是获取更好的用户输入、理解用户意图和记忆这类不单靠模型升级解决的事2。需要说明:这些是戴雨森的判断,不是立正本人对分工的完整表态。
把“谁做什么”落到具体角色上
立正在另一处描述 AI Native 小团队时,把分工按 expertise 拆开:设计师提供审美,数据同学提供观测和对增长的直觉,PM 提供对用户的同理和项目 vision,工程师负责调度 agents、保证一致性、提炼并有效提供 context3。这可以看作产品设计与模型能力分工的组织版本:产品侧管场景、用户理解和判断标准,工程侧管让模型稳定运转。《AI 用得好的人与普通人的5个差距》4也提出类似的任务光谱思路,把任务从“AI 可独立完成”排到“必须人做”,并把人集中在关系、审美、战略方向这类不可替代处4。这是 AI 对材料的综合,不是原文直接给出的分工表。
现有片段没有给出产品设计与模型能力分工的完整框架;《真格基金戴雨森》2中戴雨森的观点是对话中的个人判断,立正本人在该段主要是提问和提出困惑,不能把他的追问当成对分工的结论。
回到4份原文
提供“先用最好模型定上限、再建测试集比较”的顺序,是分工判断的基线。
戴雨森谈应用公司该补什么、不该替模型搭什么脚手架,是产品设计与模型能力关系的直接讨论。
给出 AI Native 小团队中设计、数据、PM、工程师各自提供什么 expertise 的具体分工。
提供任务光谱和比较优势的思路,可用来判断哪些任务交给 AI、哪些留给人。