AI产品成功背后的秘密：设计比技术更重要

如今，借助Coding Agent等工具，构建AI产品的技术门槛和启动成本已大幅降低，将想法快速转化为可交互原型变得前所未有的容易。然而，一个令人困惑的现象也随之浮现：尽管技术不再是瓶颈，大多数AI产品仍面临失败。这究竟是何原因？

Aishwarya Naresh Reganti和Kiriti Badam在OpenAI、Google、Amazon、Databricks等公司成功推出了50多个企业级AI产品。最近，他们在播客节目中与主持人Lenny分享了AI产品开发中的常见陷阱与成功路径。基于该播客内容，InfoQ进行了部分删改。

核心观点概括如下：

构建成本虽低，设计才是关键。真正昂贵的是对痛点的理解和产品设计。执着于问题本身，而非单纯追求速度。

AI是工具而非答案，需要重新审视和亲自参与。

领导者需回归“亲自上手”，重建判断力，接受直觉可能不再完全正确的现实。

“忙碌但无效”的时代正在终结，必须思考端到端的流程，创造更大影响。

在数据预示失败的时代，保留愚蠢的勇气至关重要。

AI产品构建中的挑战

Lenny：目前AI产品构建的情况如何？哪些进展顺利，哪些地方问题依旧明显？

Aishwarya：怀疑态度明显减少，但执行依然混乱。AI产品生命周期与传统软件不同，导致团队协作模式也需改变。

Lenny：构建AI产品与构建非AI产品有何本质不同？

Aishwarya：存在大量相似之处，但也有根本性差异，如“非确定性”。AI产品面对输入、输出和中间过程的不确定性，需在有限理解基础上进行设计。

代理性与控制权之间的权衡也是关键。应逐步增加自治性，减少人工干预。

Kiriti：构建AI产品如同登山，需先基础训练再接近目标。

从小规模、低自治开始，逐步增加自治水平。

Lenny：能否用具体例子说明这种路径？

Kiriti：客户支持场景为例。初期让AI提供建议，由人类判断；之后直接展示答案；再逐步增加复杂能力。

成功构建AI产品的模式

Aishwarya：成功的公司通常具备三个维度：优秀的领导者、健康的文化、持续推进的技术能力。

领导者需重建判断力，接受直觉可能不再完全正确的现实。

文化上需建立“赋能型文化”，强调AI是增强工具而非威胁。

技术能力上需选择合适工具，理解非确定性API，快速建立反馈飞轮。

CC/CD框架

Aishwarya：CC/CD框架强调“持续校准、持续开发”，在迭代初期采用“低自治、高控制”的方式，逐步建立对系统行为的认知飞轮。

AI的未来

Kiriti：多Agent系统被高估了，Coding Agent被低估了。未来一年，“后台型”或“主动型”Agent将有重要发展。

Aishwarya：期待2026年的多模态体验。多模态理解能力成熟后，将解锁大量此前无法触及的数据资源。

闪电问答

Aishwarya：推荐《当呼吸化为空气》，提醒我们真正去生活。

Kiriti：偏爱科幻作品《三体》，对理解技术与文明的关系有启发。