垂直行業應用AI的幾個通用原則建議
這是來自在論壇中，一些同學的交流問題和答案整理。（ofollow,noindex">>>https://t.zsxq.com/VF6qjeQ ）
Q問題： 初期希望實現人工篩選軟裝物品，機器在自動佈局，以滿足給客戶快速設計的需求。如果通過規則演算法做佈局，可能並不是很理想。是否可以蒐集大量戶型，設計師先設計佈局，通過機器學習，實現軟裝設計自動化。目前對於可行性還比較疑惑，應該怎理解？
A回答：
你好~ 這個問題比較個性化，為了大家都能有收穫，我先從通用角度分享幾點關鍵認知，最後再說具體建議。
1、現在還是AI很早期，在第一步MVP階段，重點還是驗證場景/使用者/需求/最小閉環解決方案等等，千萬不要在AI技術方面過於糾結。
舉個例子，很早前美國Magic火的那陣子，無數國內團隊想copy，其中就有一傢俬下請教我們公司高層同事，我們同事告訴他，因為這種模式最終對接的是服務，一開始重要的是用人工（客服）的方式做，等驗證成功了，資料量到一定數量級了，才有堆AI技術人才的必要。但他們沒聽，花了很多錢挖NLP人才，很快錢就燒完了.....
2、用人工（或者其他trick的方式）來做MVP驗證，到底好處在哪裡呢？
在於，過於理想化的AI技術公司（方案），一開始用純AI技術去實現，即使實驗室或測試效果不錯，到實際場景，一定有無數的漏洞，大概也就70分左右。但用人工或trick方式做，一開始就能有80~85分的使用者體驗效果。
這意味著，如果85分的“理想”效果都滿足不了使用者需求，從產品或商業角度走不通的話，根本沒必要去做AI技術攻堅了。而反過來說，純技術方案，什麼時候能實現85分，不知到猴年馬月去了，幾乎一定會把團隊拖死。
3、再往深說，垂直行業想結合AI，初衷是好的，但是得控制好預期，也就是你的目標到底是什麼。我大概分了3類價值：有效、有用、有趣。
1）有效， 是說在不改變核心價值定位（比如前天說的智慧音箱的品類問題）的前提下，就是為了提高效率。非常明確，每提高1個百分點，就是錢。——這在2B領域比較多。
2）有用， 是說想大跨步的創新、一下子顛覆原有行業的原有解決方案（甚至是產業價值網）。這是很多垂直行業大國企領導、大公司老闆的一個誤區。一定要明白，現在AI行業還是很早期，不可能一下子就那麼牛了，特別是一些垂直行業自身問題多多，比如利益分配、行業固化，甚至連數字化的基礎都沒有，何談用AI來升級。
舉個例子，有家“AI+醫療”公司，想用機器學習做醫療影像識別，提高醫生的看片效率、降低誤診率。但在走了彎路後，他們第一步真正產生價值的是，做專門給醫院提供影像圖片的雲端儲存服務（因為這個領域的圖片太大，但每年只看1、2次，存在阿里雲上非常貴、不划算）；有了這個基礎，第二步，他們給一線城市主任醫師提供指導二三線曾是醫院醫生的機會，增加其業務資料和收入；有了前兩步，積累了信任（還有資料），各家醫院才慢慢願意接受其真正想做的醫療影像識別AI服務。
3）有趣， 如果一個產品，她的本質是為了有趣，現階段的AI產品技術是能夠增加其價值的。
比如siri，如果是為了有用，成年人並不能建立使用習慣粘性，但是小孩子就是為了好玩，所以小孩對語音助手（包含兒童機器人）的粘性明顯比成年人高出很多。
而有趣，是可能產生傳匯出其他角度的巨大價值的，比如PR和付費轉化率。
PR。比如AlphaGo，讓谷歌和Deepmind的知名度和品牌價值快速增長。
付費轉化率。比如前些天我聽說有家教育領域公司，將計算機視覺方面的AI能力應用到課堂教學，嚴格來說，其真實教育價值不能說沒有，但至少不可被嚴格證明（是有效或必須的）。但是，家長會認為這家公司用了人工智慧技術，好牛X啊，嗯，不錯，買單！
也就是說，在現階段，2C領域，AI的絕對價值不明顯（不是剛需），但使用者的嚐鮮需求反而可能是剛需（過段時間可能就麻木了）。
4、再多說一點，如果真想把AI技術跟垂直行業結合，做出“有用（顛覆性）”價值，該怎麼做呢？
透露一個check標準：一定一定要定位到足夠細分的場景和群體。很多老闆不知道怎麼把業務跟AI結合，因為一開始就還是面向大眾使用者去了。
最後，再結合這個問題，給點具體的建議：
1、先用人工或trick方式現80~85分的使用者體驗效果、做MVP的產品+商業驗證。最好是能定位出一個足夠細分的場景/使用者/需求；
2、如果可行，再花錢挖AI技術人才（這時還有個優勢，就是正好有資料可用；不像一開始是完全的冷啟動）
3、AI做軟裝設計自動化可不可行？理論上當然可行，但實際會有無數的坑需要你們去趟。
4、另外，通過AI增強使用者體驗流程中的有趣度，產生PR價值，或提高付費轉化率，其實也是不錯的思路。
總之，所有這些，瓶頸不在技術，而在AI產品經理我們自己。