本文探讨了 AI Native 产品的定义、特点、成功案例以及设计方法，还讨论了如何实现人类、AI 和工具的最佳协同。要点包括：AI Native 产品的定义是以提高智慧程度为目标、以可持续迭代算法为核心、以转化可训练数据为手段的产品；成功案例有 ChatGPT、DALL-E 2 和 Tome 等；做 AI Native 产品的原因是充分利用 AI 优势、打造颠覆性产品、保持竞争优势、增强用户体验、提升用户满意度；产品演变方式包括用户驱动、产品驱动、技术驱动和 AI 驱动；AI Native 产品设计更关注数据驱动、用户共创和迭代优化。什么是AI Native？
市面上AI产品可以被分为以下3种：
- AI-by side：即 AI 技术在产品中是一个可选项，产品核心价值不受 AI 技术影响，比如 PowerPoint 中的 AI copilot 功能并不影响其核心使用流程
- AI-Inside：即 AI 技术在产品中是一个核心组件，离开这个组件，产品的核心价值将受到显著影响，比如 Gamma 的 AI 生成能力上线后迅速带来营收增长并成为核心能力
- AI-Based：即 AI 技术是产品成立的基础，如果没有相关 AI 技术，就不会有这个产品，比如，Tome 就是完全以 LLM 技术为基础建立的产品
AI Native 定义
以提升智慧程度为目标，以可持续迭代算法为核心，以转化可训练数据为手段，并在信息商品经济的一个或多个环节中能够产生优化的某种方法。
ChatGPT： 一款基于 AI 的对话生成模型，可以进行自然语言对话，并生成各种类型的文本内容。DALL-E 2：一款基于 AI 的图像生成模型，可以根据文字描述生成高质量的图像。Tome：一款 AI 驱动的演示文稿工具，为用户提供一种全新的内容创作和展示方式。AI Native产品的特征
AI Native，即以AI技术为主能够解决某个/某些问题；可以理解为是 AI-Inside/Based 2种形态。
- 核心功能依赖AI：如果AI工作流辅助的核心功能是基于AI模型实现的，例如自动化的任务分配、智能化的流程优化、基于AI的预测分析等，那么它就可以被视为AI native产品。
- 用户体验以AI为中心： 如果用户体验是以AI功能为中心的，例如用户可以通过自然语言与AI进行交互，AI可以根据用户的输入自动完成任务，那么它也可以被视为AI native产品。
- AI技术深度集成：如果AI技术深度集成到产品的设计和开发中，例如AI模型是产品的一部分，而不是一个独立的工具，那么它也更符合AI native产品的定义。
为什么要做AI Native产品？
充分利用 AI 优势，打造颠覆性产品，保持竞争优势
- AI 作为核心：AI Native 产品将 AI 技术融入产品核心，而非简单地添加 AI 功能。这意味着产品的设计、开发、功能都围绕 AI 展开，充分发挥 AI 的潜力。
- 创造新体验：AI Native 产品可以带来传统产品无法实现的全新体验，例如更智能的个性化推荐、更精准的预测分析、更自然的人机交互等。
- 颠覆行业格局：AI Native 产品可以颠覆现有行业格局，创造新的市场机会，例如 AI 驱动的医疗诊断、AI 辅助的金融投资等。
- 竞争优势：AI 技术正在快速发展，未来将更加普及，AI Native 产品将成为主流趋势。做 AI Native 产品可以抢占先机，获得竞争优势，例如 AI 驱动的智能家居、AI 辅助的教育等。
增强用户体验，提升用户满意度
- 个性化服务：AI Native 产品可以根据用户行为和偏好提供个性化的服务，例如定制化的产品推荐、个性化的内容推送等。
- 更便捷的操作：AI Native 产品可以简化用户操作，例如语音控制、自然语言交互等，提升用户体验。
- 更精准的解决方案：AI Native 产品可以提供更精准的解决方案，例如智能诊断、智能预测等，提高用户满意度。
聊聊四种驱动的产品演变方式
用户驱动是产品开发的根本，产品驱动是优化的方向，技术驱动是实现的手段。三种驱动方式在产品生命周期的不同阶段有不同的侧重点。
用户驱动
用户驱动是以用户需求为中心的产品开发方式。需要深入了解用户需求，并以此为基础设计产品功能和体验。这种方式注重长期发展，投入和风险较大，但有利于建立市场领导地位。例如微信的张小龙就是因为在foxmail上做出了优秀的用户体验而被马化腾赏识。产品驱动
产品驱动是在满足用户需求的基础上，进一步优化产品功能和体验。这个阶段用户需求已经比较明确，市场上也出现了很多竞争产品。需要关注产品本身的简单易用、功能丰富、界面友好等因素。这个阶段涌现了很多现象级的产品，产品经理也成为了热门岗位。技术驱动
技术驱动是在一些难度较高的技术上，由技术推动产品发展。这种方式不经过市场调研和产品设计决策，直接面向创新者和早期采用者交付产品。虽然风险最高，但可以快速交付。早期互联网公司的创始人大多靠掌握IT技能在这个新兴行业站稳脚跟。AI 驱动
AI驱动指的是利用人工智能技术来推动产品、服务和业务流程的创新与优化。它涉及将AI技术应用于计算机系统和硬件设备,实现数据传输和处理。AI驱动的产品也是AI native产品起初的演变方式，但随着产品演进的方向和所处阶段的不同，用户驱动同等重要，且在过程中与AI 驱动可以并行。但本质上AI驱动也属于技术驱动，具有以下特征：- 多模态交互:实现语音、视觉、文本等多种模态的交互。
- 深度学习能力:通过深度学习算法不断从数据中学习和优化。
- AIGC生产力:能自动生成内容,提升内容生产效率。
怎么设计一款AI Native的产品？
从好问题到好产品
AI native的产品设计其实也遵循一个典型的产品发展路径，这通常是：- 从一个用户行为链路某个环节或者是从一个行业痛点出发，发现一个可以优化的问题—— 好问题
- 将这个问题的解决办法具象为一个商业可行的工具——PMF（Product Market Fit）
- 从好用到让用户爱用，通过产生情感连接让用户自发传播——好口碑
- 解决方案：开发一款 AI 驱动的演示文稿工具，例如 Tome。
- 产品：Tome 是一款新颖的 AI Native 产品，它利用 AI 技术，帮助用户快速创建出精美、互动、充满创意的演示文稿。
从设计产品到设计模型
产品设计的主体是算法而非软件，设计模型就是设计产品；产品设计的目标是提升模型智慧，模型能力决定产品价值；产品设计的方法是获得新的数据，智慧来自有价值的数据。在Software 1.0时代，产品设计更多地考虑人和工具之间的关系。在AI-Native的Software2.0时代，在传统的人和工具之间的关系的基础上，需要考虑：“AI”这个新物种和传统的工具之间的关系；“AI”这个新物种和人之间的关系，需要解决的问题的复杂度也呈指数级的上升。因此，AI native的设计应该更关注：- 关注数据驱动: 在设计模型时,我们需要充分利用海量的数据资源,通过数据分析和建模,找到隐藏的规律和洞察,提升模型的预测能力和决策支持能力。
- 强调迭代优化: 由于用户需求和技术环境的不断变化,产品和模型的设计也需要保持持续的迭代优化。我们要建立闭环的反馈机制,不断收集用户反馈,持续优化产品和模型。
综上可以理解为：作为一个AI Native的产品核心需要把握的原则：自身的产品本身可以闭环，快速的为用户产生独立的价值，能够通过模型的训练迭代产品框架和设计（在这一个单一的功能点上，是以前的体验的10x，或者是提升效率的10x）从以（人）为本到以（人+AI）为本
在产品设计中，需要考虑人类、AI和工具各自的擅长和定位，以实现最佳协同。与此同时， AI可以帮助人类从不擅长或不是自己定位的方面中解放出时间，更多地发挥人类的擅长和能力。
工具是流程化的、精确性的具体任务处理；人类是需要人性/ 情感和创造力的事情，如写段子调动人的情绪、深度思考等，而且人类的专家可以做更加精确性的和准确性的事情；说到AI，比较适合做准确度要求比较低，生成式的，框架性和概念性的东西，可以作为“第二大脑”，人和工具之间的桥梁，一方面和人类交互了解人类的指令，另一方面去调动精确的工具去完成任务。可以总结为以下：AI的优势：AI擅长处理大量数据、快速分析、提供个性化推荐等。AI的局限性：AI缺乏创造力、同理心和情感理解能力，无法完全替代人类的决策和判断。AI辅助人类：AI作为工具，帮助人类完成特定任务，例如数据分析、方案推荐等。人类引导AI：人类提供目标和方向，AI进行执行和优化，例如智能客服、自动驾驶等。人机协同：人类和AI共同完成任务，发挥各自优势，例如医疗诊断、艺术创作等。明确AI的职责范围：哪些任务由AI负责，哪些任务需要人类参与。定义人类的参与方式：人类如何参与到AI的工作流程中，如何进行监督和反馈。对于企业而言,在瞬息万变的科技浪潮中保持竞争力,无疑是当前最紧迫的课题。而AI Native产品设计需要将AI技术深度融合到产品设计的各个环节，我们也希望这样的产品能够越来越多，从一个个的好问题变成一个个的好产品甚至是好商业。然而,这条路并非一帆风顺。AI Native产品设计需要我们不断探索、勇于创新,这无疑是一项系统工程,需要跨界协作和持续优化。本文也是希望提出一些新的思考和大家一起共勉～
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
