字体:  增大     减小     

13-2 创业指导(2)

13-2-1 人工智能创业的”避坑”技巧 

第一个坑:做大公司重点会做的事情

创业公司都是在大公司的阴影下生存。

很遗憾的是,很多时候大公司并不是纸老虎,一方面大公司有大量的人工智能人才,有良好的人才储备,另一方面是大公司有大量的数据,此外大公司还有众多的渠道和流量。

初创公司和大公司正面对抗,结局是可以想象的。巨头公司以近乎“碾压”的方式将很多初创公司赶出了局。比如Google发布了神经机器翻译系统(GNMT),并且将其投入到了难度系数颇高的汉语-英语翻译应用中,准确率得到了相当程度的提升,这使得一些国内机器翻译的创业团队被无情碾压。

作为一个佐证,硅谷某大公司收购一个人工智能初创企业后,发现各种指标跑下来,性能还不如内部的产品,于是被收购的团队全部派去做产品了,而不是研发。

所以一定要思考好大公司的产品路线图,不要螳臂当车。

那么,哪些是大公司一定会做的事呢?

基本有两大规律:

第一是,越是底层的东西,巨头越会去做

人工智能产业链中,基础层是构建生态的基础,价值最高,大公司会长期进行战略布局。在基础计算能力、数据,通用算法、框架和技术方面布局,聚集大量开发者和用户,这基本是兵家必争之地。

比如谷歌、亚马逊、微软都纷纷推出了自己的人工智能的基础设施、API和开源框架,包括了计算机视觉、语音、语言、知识图谱、搜索等几大类。

第二是,越是通用型的产品,越是大公司会做的。

对于通用型的产品,大公司会贯彻人工智能优先的策略,来提升效率、改善用户体验,对于通用技术层,这是构建大公司护城河的基础,大公司也一定会布局。

比如谷歌贯彻AI First的策略,改进智能助手(语音和NLP)、谷歌翻译(机器翻译)、YouTube(推荐算法)、图片搜索(计算机视觉)等等。

这也导向了一个新的结论,也是顺为资本副总裁及入驻企业家孟醒总结的,越是纯互联网的产品,越是大公司会做的。这背后的逻辑是互联网产品具有网络效应,也更通用。所以从这个角度上看,面向大众的纯互联网产品并不是人工智能初创公司创业的好方向。

实际上重投入和一眼就能看得见巨大价值的项目,都不是初创公司的理想的选择。

难道创业公司就没有机会了吗?

互联网大公司都在发力人工智能,依靠强大的实力做平台,做入口,把持流量和服务,连接关键节点,难道创业公司就没有机会么?

庆幸的是巨头也有局限,它很难在每个垂直领域都做的非常深,因为这未必是他们的核心业务。

创业公司可以选择做垂直领域的先行者,积累用户和数据,结合技术和算法优势,成为垂直领域的颠覆者。

不过即使是做垂直领域,也不建议和传统公司硬碰硬,而是迂回包抄,边缘突破。

创业公司也可以专注于细分场景应用,做窄品类的应用,提供解决方案,直戳行业痛点。

总结一下,创业公司应该不断从边缘创新,在巨头看不见或者不屑的地方进行创新,不断扩大创新的边界,从而成长为一个价值中心,走农村包围城市的路线。

第二个坑:只追求技术不重视产品体验或经济效益

声智科技合伙人&副总裁李智勇说过,“2C产品上,消费者不会为算法和技术买单,技术必须转化为产品,用于改善产品体验或者提升效率”。

一个产品落地,内部的链条很长,除了技术和研发,剩下70%的人可能是做产品、销售、生产、渠道。如果是硬件,需要考虑硬件以年计的开发周期。如果是面向企业的解决方案,还需要考虑不同企业和客户的繁琐需求。

人工智能领域很多科学家创业,拥有很好的技术背景,“这个领域的确很适合科学家创业,但技术往往只是必要不充分条件。”

科学家创业也往往面临一个问题,学术能力强的科学家往往发的最好的Paper,而最好的Paper往往都是研究最通用的问题。

正如我们之前讲的,做一个通用的东西,未必能立马应用于工业实践,即使有用,这往往也是大公司要做的(或者极少数明星创业者能融一大笔钱做的)。

不过拥有技术优势这个起点是对的,得把这个滚动起来。技术突破,产品落地,技术再突破,越卷越大,像滚雪球似的一步一步地发展壮大起来。

这个滚雪球的过程是非常必要的,因为纯粹的机器学习算法优势并不会持续多久,最多一年,甚至三个月”

即使是在人工智能领域,技术在很多场合也不是最重要的东西,一方面是大家的技术都差不多,没有显著差异,另一方面是有众多其他的因素影响用户体验和购买选择。

第三个坑:摸不清谁会为你的产品买单

人工智能创业者一定要谨慎痛点低的伪需求,满足谁的需求是一定要思考好的问题,在人工智能领域,要么是2B(面向企业),要么2C(面向消费者)的方向,各有利弊。

2C 的优势在于可以打造自主品牌,而且用户购买决策是在相对市场化的竞争环境中,一但成功容易形成规模效应,成长为巨头。2C 的劣势在于可能需要更长时间的积累,需要更庞大的团队,而且竞争更激烈,因为要消费者掏出真金白银。

2C也可以分为两大类,一类是新硬件新产品,第二类是既有产品的改造。

新硬件新产品可能是一片蓝海,也可能是一个伪需求,我们需要关心的是市场能有多大,量有多大,如何教育消费者,如何获取用户,需要关注周期有多长,能否撑到爆发的那天。

既有产品的改造我们要正面和传统产品对抗。需要思考好我们产品效率的提升或者用户体验的改善是否足够让用户放弃已有的成熟产品。我们是注重于存量市场还是增量市场,团队是否能够抗衡传统公司几年甚至数十年积累的市场、品牌和渠道。

2B 的优势在于相对容易变现,因为从企业用户更容易收费,此外团队也更专注在某些问题,这些点上更适合创业团队;2B 的劣势在于规模效应不一定明显,2B的周期也可能很长,此外2B弊端是某些领域采购决策市场化程度可能很低,需要拼企业资源或者政府资源。此外,2B的切入点也非常重要,找不好切入点就非常容易碰壁。

2B还是2C这是一个问题,目前来看大多数垂直领域的应用都是2B。现在的人工智能领域创业者找到一个合适的行业,充分了解这个行业的需求,看准这个行业在某个时间点产生变革,变革是什么,然后提供2B的服务,可能会比突击2C的机会要更快或者更容易。

的确,在2B领域找到一个方向,帮助企业或商家提升效率或者省钱或者创收,都是一个很好的方向,“这是一个经济问题”,用孟醒的话说。

无论做2B还是2C,都要想好壁垒在哪里,优势在哪里。比如如果优势是行业资源,如何找到合适方向切入。如果壁垒在于数据,第一波数据从哪里来,如何把数据优势滚动起来,都是要思考的问题。

第四个坑:人员结构不合理

把握好研发团队和产品工程团队的比例,也是在人工智能初创公司里不断涌现的一个问题。

很多人工智能初创企业由于团队基因等原因,一味地追求算法和技术上的领先,招募大批科研人才,而工程人才欠缺。拥有大量科研人才有利于做公关,也利于吸引VC的投资,但这一方面可能带来过高的成本,牛人扎堆后更难管理,谁也不服谁,可能会因为学术兴趣不同而造成“神仙打架”,导致产品方向的偏差。

毕竟初创公司不是研究院,不以促进学术发展为目的,不以发paper为目的,而是要以产品为核心的商业机构。

做2C的创业,需要创始团队非常有产品思维,而这往往是科学家出生的团队最缺乏的,而做垂直领域的应用,也要求创始团队有行业资源。这些都需要寻找合作伙伴来补齐。

第五个坑:不懂得如何把握节奏

在国内讲风口,在硅谷也讲timing,在大部分投资都有投资回报期要求的情况下,创业公司要控制业务的方向和节奏,找好合适的时机。

在互联网和移动互联网创业的时代,都有窗口期的概念,错过了窗口期会很难做大,进入过早也会死的快。在人工智能领域,时机和节奏感的把握都很重要。

时机的判断非常关键,比如在当前语音的发展已经完全可以商业化的时候应该做些什么,比如对视觉领域的技术发展的判断,又比如对无人车领域前景的判断,找准时机点及其关键,不同阶段要做不同的事情。

而节奏感的控制除了来自对人工智能技术发展程度的判断,还有来自对融资环境的判断,对市场发展速度和变化的判断,对竞争对手的判断。有这几个方向的判断,就大概能知道是否步子应该迈得大一些。

最后,想说的是,人工智能领域的创业除了技术驱动更明显,好像和其他领域创业也没有多大的区别,这些坑希望人工智能领域的创业者要谨慎对待。

13-2-2 创业的基本能力

创业至少需要具有以下能力:

技术方面:

Low level:360度无死角的技术基本功

High level:宏观又准确的产品设计想法,建立 scalable 的技术管理体系

人际方面:

公司内部:处理公司从小变大过程中员工间的利益冲突、平衡老员工与新员工之间的关系、协调有不同想法的员工,调动大家的工作积极性

公司外部:处理好与“友商”的关系、处理好与投资人的关系、在某些时候需要处理好与政府的关系

资金方面:

公司内部:给每个员工合理地分配工资、考虑给谁升职加薪

公司外部:去投资人那里融资,一轮又一轮

宣传方面:

公司内部:让员工相信努力会有成果,公司会越来越好

公司外部:可能需要各种做 PR ,提高公司在大众/投资人心中的口碑

商业方面:

洞悉各种商业模式,拥有优秀的经济头脑。

品质方面

百折不挠、乐观开朗。

社会家庭背景方面

社会背景:需要恰好进入一个朝阳产业,需要政府支持这个行业,需要投资人看好这个行业。同时,社会没有大的动荡,没有经济危机,没有战争。

家庭背景:父母家人身体健康,无须花大量时间照顾。人生伴侣及小孩无限地理解支持。

人工智能是三尺白绫,挂的好那是西式婚礼,挂的不好那是你门前的葬礼。

作为人工智能领域的创业者,正瑟瑟发抖地捧着白绫不知道怎么挂。不说高大上的概念,不说电影媒体上的畅想,咱们说说真实世界中人工智能创业公司是怎么死的。

1.别把故事不当故事

创业者是相信故事的,尤其容易迷失在反复对投资人畅想着故事的生活中。当有一天他自己坚信自己能做出像梦想中一样美丽的产品时,他就离死不远了。人工智能是个被极速夸张化的名词,原因很简单,和一般人说算法说ML说pipeline太麻烦,所以干脆都用人工智能统一了。然而,内行都知道,机器学习和各类人工智能算法基本都在研发和测试阶段,还远不能达到应用级别。尤其是人工智能志在解决的问题还是那些人类的最高智力活动。所以,别看了Her就要做chatbot,那是扯淡,自己先在手机上玩玩siri,你做的不会比siri好。

2.别把用户不当用户

一言以蔽之,没有人工智能的这些年,大家过的不也好好的么?所以在很多领域,人工智能还是个可有可无的存在。你的东西要想有人用,它先得达到应用级别。然后就是确实能切实帮到某一类用户。这里说的帮到是一定要让他在有了你的AI后事情做得更好了。而不是你天真的以为他一定会和你一起做人工智能的春秋大梦。

人+AI>人

这个原则大家创业创着创着就忘了。

3.别把泡沫不当泡沫

各位VC爸爸们,我听一个朋友说(其实我并不相信):很多人工智能公司确实是被资本届捧杀的。你估值几个亿,不代表做的出好产品;你在投资人面前吹得了牛,不代表你能得到用户的赞赏。

大多数人,含笑死在虚妄的自以为是中。

慢慢的,当人工智能的概念过了气,资本一定可以找到下一个概念。而挂在人工智能树梢的创业者,不一定有人来为咱们松绑。

所以,谦虚地做梦,踏实的做事。

只有用户满意,才是产品的成功,只有产品成功,公司才能赖以为生。其他的都是浮云。

著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

在AI创投界,面临着一个很让人头疼的问题:AI创业最容易变现的商业模式,依旧没有被探索出来。

倒闭、被收购、独立发展、创业路上从不会一帆风顺,在守得云开见月明之前,都是在充满彷徨、奋斗、挫折的灰暗并激进的日子中慢慢熬着,守着初心和希望,一路曲折,一路爬起来又继续走。

13-2-3 创业者成功者的经验谈

01未雨绸缪  从心并购

资本市场上有个规律:提前把粮草准备好

在你试营率足够高的时候,先把钱准备好。当然并不是说忽悠钱,是真正的提前把粮草准备好,为下一步的发展储备好粮草,踏踏实实地做产业。应该说每轮的融资规模应随着资本市场融资规模而不断扩大,这样才能很好地支撑产业的发展。

只并购自己要做的

讯飞的并购有一条基础性原则,就是我要并购的企业正是我要做的事情。比如那个产品我还没有,我衡量一下是我自己去做还是通过并购来完成。最后结果是通过并购可以为我争取到两年的时间,那这个事情我可能就会去做。

很多上市公司为炒概念而去并购一些完全不相关的领域,纯粹是凑报表的那种并购一定会有报应。短期内报表很好看,但从长期来说,消化这些并购都会付出代价。

02预见风口,理智创业

如果作为一个创业者的话,要会选择在风到来之前就准备好。

最近融资的一个共同方向就是人工智能。AlphaGo的事情,实际上就是一个非常强烈的信号。目前中国和美国在人工智能这一新兴领域里有全球挑战性的创业型公司占据了全球的2/3,这是什么概念?人工智能是中美两国的博弈。

人工智能是一个大的形势,所以大家不用妄自菲薄,中国有机会,那么我们在座的每一个创业者都有机会。

人工智能哪些领域拿到的融资最多?

按照中国国内的融资数据来看,主要是3个方向的融资,第一个是机器计算机视觉与图像。这一类数据在中国的创业项目里边占到了一大半。第二个是智能机器人,第三个就是语音语义相关的。

创业的规律是一致的

创业是你需要完成一个商业模式的验证,放大到规模化的一个过程。在每个阶段,你所需要的创业的资源都不一样,那么你开始创业的时候,选择什么样的平台非常关键。

03 希望所有创业者都坐在驾驶舱里

作为创业者,既要有理想,又要脚踏实地。

在科学的领域里面其实没有先知者,无论你有多高的才干,我们都在一辆列车里面,前面的分叉越来越多,速度越快。

而社会上绝大部分的人是坐在车厢里边朝后边看,所以我们希望从资本的角度能够和创业者一起坐在驾驶舱里面,探寻科技的进步,一开始可能很漫长,当它达到某种状态以后,它可能就会越走越快。

04一要专注,二要打磨

实际上还是一个简单道理,不管是什么样的技术,包装上任何黑科技的字样也好,实际上最终还是要从用户出发,去看他的刚需。

另一个很重要的就是要有持续的应用技术迭代,也就是说我们创造了一个鲢鱼效应,和我们的客户一起去把这个产品打磨好,那么未来我们就有能力开上高速,开向更复杂的城区场景。

05能力变现,利用资源

在基础层还有技术层,我们这种初创公司应该把更多的时间和精力用在把控客户的需求,在讯飞AIUI先进的技术之上,我们要学会把能力变现,这是我们现在主要做的。

AI创业是一场永无止境的战斗。

《创业美国》第5季中,有这样一位这样的创始人,作为一个在人工智能领域的创业者,我觉得他的故事其实挺适合这个问题。

他来自欧洲,名叫Dennis。我最近见到他时,他正在忙于人生的第五次创业。在此之前,这个创投老司机已经有过3次成功的退出,足以让大把的创业者羡慕。Dennis这第五个“孩子”叫,x.ai,创建于2014年,去年完成B轮融资,总融资额超过3400万美元,包括软银,Two Sigma Ventures都在他的投资人行列。Dennis告诉我,创建X.ai的灵感来自自己的一次亲身经历,2013年的一天,他无意中算了一下自己上一年一整年的会议日程,他万万没有想到,一年当中,自己竟然为自己安排了1019次会议,平均1天就是3次,更不要其中还有670次会议有过反反复复的调整,这一次的发现让他震惊了,这样算下来,自己有多少时间是浪费在这些恼人且没有效率的事情上啊。Dennis很快发现,这并不只是自己的问题,在美国,有8700万办公室白领,每年都开上超过100亿次的会议,这么庞大的基数之下,只有不到1%的人拥有自己的私人助理,这意味着剩下99%都要在会议安排这件事上浪费大量的时间。于是他决定要让科技改变这一切,于是有了今天的X.ai。

x.ai的产品是两个虚拟助理,一个名为Amy,一个名为Andrew。他们会帮你做一件事,就是代替你处理循环往复的会面安排邮件。Amy和Andrew可以学习用户行为,懂得适用用户的谷歌日历,并根据用户此前的选择和偏好,帮用户安排合适的会面地点。Amy和Andrew的使用步骤也很简单,你只需要在相关邮件中抄送他们,并授权他们访问你的日历,剩下的一起都可以交给她来搞定。而和Dennis的几次采访,都是通过Amy和Andrew帮忙完成的,在和他们的沟通过程中,你会发现他们语言很有礼貌,回应和平时我们邮件的感觉差不多,不仔细想你可能都会忘记,电脑另一边的并不是和我们一样的人类。

Dennis的野心,是将x.ai打造成比siri更简易通用的私人电子秘书,让它成为美国白领人手一个的人工智能系统。算是为一个特定的用户场景之下设计的一款AI产品,而现在市面上出现了很多这类人工智能助手的产品,主要分为两类,一类是综合类,比如微软Cortana、苹果Siri、亚马逊Alexa ,以及百度出的度秘,它们会回答各种问题、设定闹钟、给我们讲一些预先设定好的笑话,并且一直在“进步”。另外一类是垂直应用类虚拟助理,除了X.ai、还有订票机器人GoButler等。

当然X.ai 的产品,在人与人工智能的劳动关系问题带来了很多有趣的争论。我们也针对它在纽约街头做了一些采访,试图去探讨什么样的工作会被人工智能取代。

你会愿意为了节约成本而去使用人工智能系统,还是为了更省时生理,去花更高的代价聘请真人助理呢?

但事实上,Dennis的产品并非是要取代一部分现有劳动力。他要做的,是让更多之前没有能力享受到私人助理服务的人们的工作能够更轻松。他认为现有的机械和人工智能可以大概分类为两种。一类可能去取代某些工种,而另一类则会带来便利,让更多人享受到一些原本奢侈的服务。而他的是X.ai更倾向于后者,她不会取代谁的工作。

所以人工智能领域的创业,如果想要成功,更有效的方式,是让他们要成为更大众化的工具。拿Dennis的产品来说,他针对的是99%没有能力聘请私人助理的美国白领。你可能是很厉害的招聘人员,但你没有助理。你也可能是特别优秀的投资收入经理,但你也没有助理。还可能是一家公司收购了450个新雇员,7名高管共享2个助理,其他的人都只能自尽其责。

尽管如此,在人工智能到底有多智能这个问题,公众还存在很大的争议,2016年4月18日,X.AI登上了Bloomberg报道的文章,但内容竟然是对X.ai核心技术致命性的指控。从X.ai离职的Willie Calvin,声称之前在X.ai担任人工智能邮件助理Amy的训练员一职,他爆料,Amy通常回复邮件,帮助安排预约,高效无误,并且与人沟通彬彬有礼,这些全都是假象!其实背后都是由他这样的人类训练员在“协助”Amy工作。

那么人工智能的技术的背后是什么呢?

在采访中,我也和Dennis探讨了这些问题。而他的观点是,人工智能领域的创业核心,实际上是数据的搜集。在这个过程中,会不可避免的使用到人力。

比如今天谷歌的无人驾驶计划,其实在每辆无人车里都有司机,也就是说这些车其实都不是绝对意义上的无人驾驶。但谷歌其实不是雇人去开车,而是雇人去搜集数据。所以你可以叫他们人工智能训练员,这些人的工作的工作就是负责训练机器。因为现在他们正处在一个没有数据的领域,人们需要搜集大量的数据。

而针对X.ai的技术,他也直言到,现接待没有基于会议安排的数据库,所以它们没办法从网上下载后就开始训练人工智能。所以在前期阶段,只能机械的安排这些会议并标记这些数据。这些数据的标记有三个主要板块。显然,是时间地点和人。而通过人力,把这三个部分标记的越准确,就能越好的训练 Amy。在初期的训练越严格,后面的阶段就越轻松。

说到这里,其实道理已经很清晰。很多人工智能领域内的开发,归根结底是一场关于数据的搜集战。想要在这里领域创业,最先要考虑的,是这个领域是否有足够的数据,以及你是否有能力独立开发搜集不曾有过的数据。

很喜欢这类教训类问题。在创投圈呆久了,一个铁律颠扑不灭:对创业公司而言,尽可能避开坑,也就意味着离胜利又进了一步。

前段时间在Medium上看了篇文章,《How to Fail with Artificial Intelligence —9 creativeways to make your AI startup fail》,正好介绍了九种几乎可以让任何AI创业公司破产的作死方法,非常切题,分享出来,值得所有现在的AI创业公司时常拿出来对照反思。

(一)  削减研发支出以节省资金 

AI企业的一大特点就是,对前沿科技,实验,高级算法和计算基础设施等方面的投资需求巨大,任何希望通过开发实用AI技术来盈利的创业公司早期都不得不花费大量资金用于研发(R&D)。

所以第一点,如果你舍不得花钱在研发上,对于一家AI企业来说将是致命的。

(二)  沉迷在技术泡沫中 

AI企业一定要意识到,技术与创造其的社会环境间有非常强的约束力,技术不是一个能够自我维持的东西。

从历史上来看,人工智能在整个计算机科学史上已经崛起又消沉了很多次,消沉的原因绝不仅仅是由于技术问题,当时整个社会对AI的需求和兴趣也远远未能达到现在的程度。现在可以从中吸取的教训是,人工智能技术不能与急需它的社会环境脱离开来。比如现在正在风口的疾病研究,金融等等领域,在上几次浪潮中几乎都不可预见。

一项新技术只有在其支持者对此产生兴趣,并从同一个成为其最终用户或客户的人身上获取资源/价值时才算取得成功。在技术本身工程化之前,有远见的企业家首先应该做的是尽力改变人们的思维,说服他们抛开质疑,尽情拥抱颠覆性思想将带来的新颖和实用。总而言之,只沉迷在技术泡沫中,忽视社会当下的需求无疑将导致失败。

(三)坚持“技术优先于商业” 

技术本身不足以实现成功,无论这项技术有多么强大或变革性。一个成功的科技创业公司是一项生意,需要坚实的业务战略才能取得成功。

任何缺乏明确的目标市场,销售业绩预期,不能达到资源整合和有效分配,一切只优先考虑自己技术资产战略的创业公司注定要失败(并且往往很快)。

(四)没有明确的愿景和目标

只有界定清楚的问题人工智能会比人解决的好。任何取得成功的科技公司,快速建立一个清晰的愿景至关重要。这对AI公司更是尤为关键,从金融到医疗保健,AI已应用于行业方方面面的今天,愿景应该早日传达给员工,以确保每个人做的事都在与公司使命和路线保持同样的节奏。除了这个长期愿景,明确的短期目标和任务也至关重要。

分裂和异质的目标几乎总是失败的前兆。

(五)不针对业务需求的开发 

AI公司也是软件公司。仅为满足自身需求,而不是满足任何业务需要而编写的软件,都卖不动。“无用”的软件,无论客观上开发它如何廉价和简单,几乎都需要维护,所以如果它没有为潜在客户提供任何价值,那么浪费时间和资源来开发对公司并无半点价值。 单纯为了AI发展而开发一个AI软件的话,将会带你走向失败。

(六)不断强化“我们是最好的” 

虽然自信对维持高水准研发至关重要,但如果不加以限制,可能会导致很多问题。具有过度自信的组织极易陷入产品设计的最大陷阱之一:傲慢。初创企业这种态度太常见了。假设自己的产品是最好的,什么都内部开发不肯外包,但实际上这不仅浪费了宝贵的时间和资源,也耽搁了核心业务。

干什么事都以过于自信的态度向前推进,将带来快速失败。

(七)陷入永无止境的开发循环中 

这条特别针对软件公司(AI公司更是在内)。在软件设计中,快速开发和迭代十分重要,即使现在的产品在你看来还不够完美。为什么?因为闭门造车出来的东西,需要在现实世界中暴露,才能从真正的用户反馈中看到真正问题在哪。通过早日发布,可以收集有用的数据,了解什么是有效的,什么根本行不通,通过不断的反馈逐步生成最佳版本的产品,快速走向市场利大于弊。

而陷入一个永无止尽的设计-开发-设计的死循环,将导致错失市场提供的机会和信息,这样下去注定失败。

(八)把用户当做开发人员来看 

对用户来说,软件是一种用户体验,也可以视为一种工具。产品设计应该更注重你的用户,而不是和你一样开发它的人。将开发人员的体验直接等同于用户反馈是一种典型的创业公司文化,也是科技公司的毒瘤。开发人员倾向于关注产品的技术方面,将功能优先于形式,但却经常忽视设计和用户体验。但事实上,任何AI产品的成功和广泛采用,它必须既功能发达又设计合理,便于使用。开发仅满足开发者愿景和需求的AI产品,往往难以达到实际市场的需求,也就是说,很容易导致失败。

(九)以为AI光靠炒作也可以成功 

现在不是AI第一次大量炒作了。第一次AI浪潮是在八十年代,当时教授声称电脑很快将取代人类(显然没有发生)。现在,AI又占据了投资头条和创业热点,但这一次也许有点不一样。持续五年的火热、没有任何减速迹象,这就意味着也许不只是炒作了,而是一个稳定的趋势。

然而,只有炒作远远不足以使技术成功。 AI公司必须去做那些说到就可以做到的东西,而不是夸夸其谈就好,一深究发现其实离市场还差很远的事。围绕其核心业务不断炒作会是这类公司迈向失败的第一步。

上一章          下一章

相关内容     首 页