大多数情况下,如果你对问题本身着迷,并且非常了解你的工作流程,你就会知道如何随着时间的推移来改进你的代理,而不仅仅是贴上一个代理并假设它从一开始就会起作用。
Aishwarya Naresh Reganti + Kiriti BadamWhy most AI products fail: Lessons from 50+ AI deployments at OpenAI, Google & Amazon
发现 → 问题识别
大多数情况下,如果你对问题本身着迷,并且非常了解你的工作流程,你就会知道如何随着时间的推移来改进你的代理,而不仅仅是贴上一个代理并假设它从一开始就会起作用。
所谓的80%的AI工程师和AIPM实际上花时间非常好地理解他们的工作流程。他们并不是在建立最花哨和最酷的模型或工作流程,而是真正深入了解客户的行为和数据。
我认为我们可能陷入了一个奇怪的临时阶段,有一段时间构建产品是如此困难,你主要需要非常擅长构建产品,可能并不重要是否对特定客户有深入的了解。但现在我认为我们正走向这样一个阶段,如果我只能选择一件事来理解,那就是对某个特定客户面临的问题有非常有意义的理解。
我经常使用这种类比,如果你正在进行家庭装修,你可以有一个非常漂亮的新卧室的效果图,并且我们将在床头安装从墙壁伸出来的台灯。但是如果你没有检查过那面墙里是否有电源,这将会大大改变成本和时间。
我认为我们第一次开始增长时,应该更以用户为中心,并更多地依据假设驱动。我们在很大程度上遵循了很多最佳实践,但这些实践并不真正适用于Dropbox。