垂直行业应用AI的几个通用原则建议

这是来自在论坛中，一些同学的交流问题和答案整理。（>>https://t.zsxq.com/VF6qjeQ）

Q问题：初期希望实现人工筛选软装物品，机器在自动布局，以满足给客户快速设计的需求。如果通过规则算法做布局，可能并不是很理想。是否可以搜集大量户型，设计师先设计布局，通过机器学习，实现软装设计自动化。目前对于可行性还比较疑惑，应该怎理解？

A回答：

你好~ 这个问题比较个性化，为了大家都能有收获，我先从通用角度分享几点关键认知，最后再说具体建议。

1、现在还是AI很早期，在第一步MVP阶段，重点还是验证场景/用户/需求/最小闭环解决方案等等，千万不要在AI技术方面过于纠结。

举个例子，很早前美国Magic火的那阵子，无数国内团队想copy，其中就有一家私下请教我们公司高层同事，我们同事告诉他，因为这种模式最终对接的是服务，一开始重要的是用人工（客服）的方式做，等验证成功了，数据量到一定数量级了，才有堆AI技术人才的必要。但他们没听，花了很多钱挖NLP人才，很快钱就烧完了.....

2、用人工（或者其他trick的方式）来做MVP验证，到底好处在哪里呢？

在于，过于理想化的AI技术公司（方案），一开始用纯AI技术去实现，即使实验室或测试效果不错，到实际场景，一定有无数的漏洞，大概也就70分左右。但用人工或trick方式做，一开始就能有80~85分的用户体验效果。

这意味着，如果85分的“理想”效果都满足不了用户需求，从产品或商业角度走不通的话，根本没必要去做AI技术攻坚了。而反过来说，纯技术方案，什么时候能实现85分，不知到猴年马月去了，几乎一定会把团队拖死。

3、再往深说，垂直行业想结合AI，初衷是好的，但是得控制好预期，也就是你的目标到底是什么。我大概分了3类价值：有效、有用、有趣。

1）有效，是说在不改变核心价值定位（比如前天说的智能音箱的品类问题）的前提下，就是为了提高效率。非常明确，每提高1个百分点，就是钱。——这在2B领域比较多。

2）有用，是说想大跨步的创新、一下子颠覆原有行业的原有解决方案（甚至是产业价值网）。这是很多垂直行业大国企领导、大公司老板的一个误区。一定要明白，现在AI行业还是很早期，不可能一下子就那么牛了，特别是一些垂直行业自身问题多多，比如利益分配、行业固化，甚至连数字化的基础都没有，何谈用AI来升级。

举个例子，有家“AI+医疗”公司，想用机器学习做医疗影像识别，提高医生的看片效率、降低误诊率。但在走了弯路后，他们第一步真正产生价值的是，做专门给医院提供影像图片的云存储服务（因为这个领域的图片太大，但每年只看1、2次，存在阿里云上非常贵、不划算）；有了这个基础，第二步，他们给一线城市主任医师提供指导二三线曾是医院医生的机会，增加其业务数据和收入；有了前两步，积累了信任（还有数据），各家医院才慢慢愿意接受其真正想做的医疗影像识别AI服务。

3）有趣，如果一个产品，她的本质是为了有趣，现阶段的AI产品技术是能够增加其价值的。

比如siri，如果是为了有用，成年人并不能建立使用习惯粘性，但是小孩子就是为了好玩，所以小孩对语音助手（包含儿童机器人）的粘性明显比成年人高出很多。

而有趣，是可能产生传导出其他角度的巨大价值的，比如PR和付费转化率。

PR。比如AlphaGo，让谷歌和Deepmind的知名度和品牌价值快速增长。

付费转化率。比如前些天我听说有家教育领域公司，将计算机视觉方面的AI能力应用到课堂教学，严格来说，其真实教育价值不能说没有，但至少不可被严格证明（是有效或必须的）。但是，家长会认为这家公司用了人工智能技术，好牛X啊，嗯，不错，买单！

也就是说，在现阶段，2C领域，AI的绝对价值不明显（不是刚需），但用户的尝鲜需求反而可能是刚需（过段时间可能就麻木了）。

4、再多说一点，如果真想把AI技术跟垂直行业结合，做出“有用（颠覆性）”价值，该怎么做呢？

透露一个check标准：一定一定要定位到足够细分的场景和群体。很多老板不知道怎么把业务跟AI结合，因为一开始就还是面向大众用户去了。

最后，再结合这个问题，给点具体的建议：

1、先用人工或trick方式现80~85分的用户体验效果、做MVP的产品+商业验证。最好是能定位出一个足够细分的场景/用户/需求；

2、如果可行，再花钱挖AI技术人才（这时还有个优势，就是正好有数据可用；不像一开始是完全的冷启动）

3、AI做软装设计自动化可不可行？理论上当然可行，但实际会有无数的坑需要你们去趟。

4、另外，通过AI增强用户体验流程中的有趣度，产生PR价值，或提高付费转化率，其实也是不错的思路。

总之，所有这些，瓶颈不在技术，而在AI产品经理我们自己。