人工智慧產品和專案—它們與其他產品和專案有何不同？ | 商業人工智慧#49

AI產品管理簡介

人工智慧產品需要不斷開發和客製化，這與傳統技術解決方案不同。

• AI，人工智慧——機器執行模仿人類理性和創造力運作的任務的能力的總稱，例如識別圖像、理解書面和口頭語言或根據可用數據做出決策，
• ML，機器學習－人工智慧的一個子學科，涵蓋機器從資料中學習並體驗如何更好地執行任務的過程。 基於機器學習（ML）的產品的獨特之處在於它們不是預先編程的，而是具有學習和適應能力。 在醫療保健等行業，人工智慧有助於更精確的診斷，而在金融領域，它可以實現更複雜的風險分析，
• GenAI，生成人工智慧——ML 的一個新領域，涉及可以根據用戶的發明或用戶指定的目的以及輸入資料（例如關鍵字、查詢）創建新內容（例如文字、圖像、影片、3D 模型或音樂）的系統，或提示，或草圖或照片。

AI產品規劃－從想法到實施

規劃人工智慧產品需要從一開始就提出一個關鍵問題：該產品會因添加人工智慧功能而受益嗎？

實施人工智慧產品存在風險且成本高昂，因此，最好先定義人工智慧實施要解決的問題，然後嘗試以最佳方式解決它。 也許使用 ChatGPT 或 Google Bard 進行頭腦風暴，可以令人驚訝地就最佳產品開發路徑提供建議 - 不一定基於人工智慧。

然而，如果我們決定將人工智慧添加到該公司的產品中，我們需要考慮人工智慧專案生命週期的具體情況。 畢竟，Gartner 數據顯示，只有 54% 的 AI 專案從試點階段進入生產階段。

這通常是由於使用當今可用的人工智慧工具可以創建非常有前途的原型。 另一方面，要達到利害關係人所要求的「生產品質」以及結果的可重複性和相關性卻非常困難。

然而，人工智慧產品生命週期與其他產品的不同之處不僅在於它超出概念階段的頻率稍低。 傳統產品的生命週期一旦達到銷售高峰，興趣就會逐漸下降，而人工智慧產品則經歷所謂的「飛輪效應」。 這是一種基於機器學習的產品隨著使用和從使用者收集新資料而改進的現象。 產品越好，選擇它的用戶就越多，進而產生更多數據來改進演算法。 這種效應創建了一個反饋循環，可以持續改進和擴展基於人工智慧的解決方案。

資料來源：DALL-E 3，提示：Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

這使它們成為具有更新生命週期的產品。 換句話說，人工智慧中的飛輪效應意味著持續改進會導致產品性能的逐步提高。 例如：

• AI模型的迭代訓練—例如，銷售預測的模型可能需要重複訓練才能達到最佳精確度，但隨著時間的推移它會變得越來越完美，
• 資料積壓管理—對於內容個人化應用程序，收集和分析使用者資料可以是優先事項，這將逐漸產生越來越多的相關結果。

總之，人工智慧專案管理需要靈活性和持續改進的準備。 因此，人工智慧專案經理必須準備好滿足不斷變化的需求並不斷調整策略。

了解數據及其在人工智慧產品開發中的作用

數據在人工智慧產品開發中的作用至關重要。 麥肯錫估計，生成式 AI 車型每年可產生高達 4.4 兆美元的經濟效益。 然而，想要分一杯羹需要高品質的數據管理。

例如，要使電子商務產品推薦系統發揮良好作用，客戶行為數據的品質至關重要。 您不僅需要適量的數據，還需要對其進行適當的細分和更新，最重要的是，從收集的資訊中熟練地得出結論。

在創建數據驅動的人工智慧產品時，保持數據的公正性同樣重要。 例如，在招聘或保險中使用的人工智慧演算法中，數據不得包含基於性別或地點的隱性偏見，否則可能導致歧視。

值得注意的是，正確的資料管理不僅需要技術專業知識，還需要了解其對人工智慧產品效能的影響。

管理基於人工智慧的產品時最常見的問題

管理人工智慧產品涉及需要特定技能和道德意識的挑戰。 其中最重要的問題值得一提：

• AI技能開發－例如，AI產業的產品經理需要了解機器學習的基礎知識才能與技術團隊有效合作，
• 最新的法律要求導向—有關人工智慧產品的法規剛剛出現，因此您需要及時調整公司的政策和法規，以持續使用人工智慧產品，
• 將人工智慧整合到現有系統中——將先進的人工智慧整合到現有的 IT 系統中可能會帶來技術和組織挑戰，
• 擴展人工智慧解決方案—對於科技新創公司來說，將人工智慧原型開發成全面的產品需要資源、時間和專業知識，這也可能是一個問題，因為供應相對較低，而對專家的需求卻很高，
• 保持用戶參與度——對於使用人工智慧個人化內容的應用程式來說，不斷適應用戶不斷變化的偏好是保持用戶參與的關鍵，
• 解決道德困境—例如，在用於健康監測的人工智慧應用程式中，使用者資料的隱私和安全是首要任務。

人工智慧產品－總結

總之，管理人工智慧專案和產品需要了解該技術帶來的獨特挑戰和機會。 了解數據的作用、能夠管理團隊和專案以及了解人工智慧的道德方面是至關重要的。 人工智慧產品正在為企業開闢新的視野，但它們需要正確的方法和技能。

對於新創公司來說，重要的是要專注於明確人工智慧產品要解決的問題，並建立一支具有適當人工智慧知識和經驗的團隊。 也值得專注於建立符合用戶期望和法規的道德和透明的人工智慧系統。

如果您喜歡我們的內容，請在 Facebook、Twitter、LinkedIn、Instagram、YouTube、Pinterest、TikTok 上加入我們的忙碌蜜蜂社群。

作者：羅伯特‧惠特尼

JavaScript 專家和 IT 部門的講師。 他的主要目標是透過教導其他人如何在編碼時有效合作來提高團隊生產力。

查看所有帖子

商業人工智慧：

1. 人工智慧在商業中的威脅與機會（第 1 部分）
2. 人工智慧在商業中的威脅與機會（第 2 部分）
3. 人工智慧在商業中的應用 - 概述
4. 人工智慧輔助文字聊天機器人
5. 商業 NLP 的今天和明天
6. 人工智慧在商業決策中的作用
7. 安排社交媒體貼文。 人工智慧有何幫助？
8. 自動社交媒體貼文
9. 利用人工智慧運作的新服務和產品
10. 我的經營理念有哪些弱點？ ChatGPT 的腦力激盪會議
11. 在商業中使用 ChatGPT
12. 合成演員。 排名前 3 的 AI 影片產生器
13. 3 個有用的 AI 圖形設計工具。 商業中的生成式人工智慧
14. 今天你必須嘗試的 3 位出色的人工智慧作家
15. 探索人工智慧在音樂創作中的力量
16. 使用 ChatGPT-4 探索新的商機
17. 經理的人工智慧工具
18. 6 個很棒的 ChatGTP 插件，讓您的生活更輕鬆
19. 3 繪圖人工智慧。 商業情報總局
20. 麥肯錫全球研究院認為人工智慧的未來是什麼？
21. 商業人工智慧 - 簡介
22. 什麼是 NLP，即商業中的自然語言處理
23. 自動文件處理
24. 谷歌翻譯 vs DeepL。 機器翻譯的 5 個商業應用
25. 語音機器人的營運與商業應用
26. 虛擬助理技術，或者說如何與AI對話？
27. 什麼是商業智慧？
28. 人工智慧會取代商業分析師嗎？
29. 人工智慧如何幫助 BPM？
30. 人工智慧和社群媒體——它們對我們有何評價？
31. 內容管理中的人工智慧
32. 今天和明天的創意人工智慧
33. 多模態人工智慧及其在商業上的應用
34. 新的互動。 人工智慧如何改變我們操作設備的方式？
35. 數位公司中的 RPA 和 API
36. 未來的就業市場和即將到來的職業
37. 教育科技中的人工智慧。 利用人工智慧潛力的 3 個公司範例
38. 人工智慧與環境。 3 個人工智慧解決方案可協助您建立永續發展的業務
39. AI 內容偵測器。 他們值得嗎？
40. ChatGPT vs Bard vs Bing。 哪個人工智慧聊天機器人在這場競賽中處於領先地位？
41. 聊天機器人人工智慧是谷歌搜尋的競爭對手嗎？
42. 有效的 ChatGPT 人力資源和招募提示
43. 及時工程。 即時工程師做什麼的？
44. AI 模型產生器。 四大工具
45. 人工智慧還有什麼？ 2024 年商業頂級技術趨勢
46. 人工智慧和商業道德。 為什麼您應該投資道德解決方案
47. 元人工智慧。 關於 Facebook 和 Instagram 的人工智慧支援功能，您應該了解哪些？
48. 人工智慧監管。 身為企業家你需要了解什麼？
49. 人工智慧在商業中的 5 個新用途
50. 人工智慧產品和專案—它們與其他產品和專案有何不同？