没有。

至少对于大部分互联网公司的相当一部分业务来说，还没准备好。

我尝试基于我多年的互联网大厂项目、事例和经验，来聊一聊这个话题。

为什么？

因为他们还在遵循古典产品思维的生产模式。

古典产品思维，一般都有这些特质：

1. 重视通过改善用户体验来提高用户数量，特别是喜欢用一些小而美的功能来四两拨千斤。
2. 关注功能的确定性，需求的交付产物总是一个确定的功能，一个确定的产品，背后有着一个确定的逻辑。
3. 关注数据，从数据推导出短板，从而开始下一轮迭代，不断改善产品。
4. 重视用户反馈，通过优化业务逻辑，更新功能点来解决用户的吐槽，以此优化用户体验，是他们的拿手好戏。

对于AI产品来说，往往又具有以下特质：

1. 不确定性。

比如蔬菜识别，同样拍一只西红柿，大部分角度可以识别为西红柿，但就可能某些刁钻的角度识别成苹果。

2. 产品交付后，还需要长期优化迭代。

相对于古典产品业务中的一步一个脚印，每个功能都可以写出明确的changelog；AI产品更接近与连续的无限的优化，今天好一点点，明天好一点点，但就是很难写出确切的changelog，但就是要不断投人力去优化。

3. 长期迭代又需要有耐心和远见。

其实，大家总是高估了自己和公司的耐心，最后总有各种不可抗力，来把项目往短平快方向带。对于AI产品来说，一旦要短平快基本就凉了。

困境

这就有点像经典物理进化为量子物理，所有的经典力学定律都失效了，上帝真的在掷骰子，到处都是概率和不确定性。
但没办法，AI太火了，为了跟友商竞争，为了业务更吸引人，为了老板的汇报有个新故事讲，总有一个原因让你的业务攀上AI。
于是，大家对于AI一方面叶公好龙，怕自己赶不上AI这一趟车，另一方面又怕他充满了不确定性地乱来。短期对AI期望过高，仿佛AI什么业务都能解决；长期又缺乏信心，自己做出了的AI产品，往往自己都不知道怎么用起来。最后把AI业务和AI产品做成了一个纠结体。

如何从古典产品思路中往AI思路进化？

有一些概括性的思路可以先简单梳理如下：

1. 预判好业界的方向。

对于一个快速迭代的行业，长期较难定量预测；但短期内，一个行业有经验的技术人员，还是会具备较为准确的判断力的。比如对于LLM问答的好评率或者采纳率，短期内是多少，prompt优化后能提升多少，加上RAG优化后又能提升多少，半年内LLM模型本身优化一版后，又能带来多少优化，这些都是可以判断且量化的。

2. 制定合理的需求目标。

最好状态就是产品懂技术，即便不是技术出身，也应该对一些热门的技术原理有了解。这样制定出来的目标，才是合理的，接地气的，才不会天马行空。

3. 项目过程中关注不确定性，提前暴露风险。

AI项目不确定性带来的风险远远高于其它项目，因此这里的本质的问题是，当项目风险暴露的时候，项目组/公司怎么处理，这是对业务或者一家公司的项目流程本身的考验。

4. 有耐心，有远见。

单单具备其中一个特质而缺失另外的一个，都会把项目带进坑里。有耐心没远见，就是头铁钻牛角尖，有远见没耐心，就等着眼睁睁看着友商新业务成功而自己只能感慨一声“想当年”了。

5. 科学制定数据指标，关注数据指标。

怎么知道自己的坚持是正确的，靠的就是指标来不断指正项目的方向了。对于大部分古典产品人员来说，这可能是最简单的事情了。

结语

当然，本文只是一个概述性的整理，实际上还是有很多细节要讨论，要考虑，要面对的。希望后面有精力可以持续更新这个系列，跟大家一起讨论古典产品思维下的AI。