关于人工智能来说，数据是打造人工智能的基石，数据是算法的根底，数据也是人工智能时代里的“原油

现如今，跟着技能的快速发展，人工智能已为用户提供了更加便捷、高效、个性化的服务和体会，但同时，用户体会的范式也已悄悄在产生改动，用户体会工作的展开面临了新的应战。

本文将以 LabelBee AI 标示东西集为例，浅谈如今 AI 时代下，大型东西类产品的一种通用体会规划思路，以供读者参阅。

一、人工智能与数据标示

关于人工智能来说，数据是打造人工智能的基石，数据是算法的根底，数据也是人工智能时代里的“原油”。

只有经过清洗、分类、标示、质检和筛选等结构化过程的数据，才能变成用于 AI 模型训练用的“成品油”，这个过程往往需求大量的人力，尤其是数据标示。

所以坊间也有个段子说：人工智能便是有多少人工就有多少智能（笑）。

【纪录片】河南乡村里的“AI”：咱们是人工智能的教师

常见数据标示类型

数据标示，其实便是在教 AI 去认识人类国际的事物，但近些年跟着架构、算力、数据的提高，NLP 范畴也取得了巨大的提高。

人工智能正快速从“能听、会说、会看”的感知智能，迈向“能思考、能回答问题、能总结、能创造”的认知智能，甚至能到“决策、推理”等层面。

商议（SenseChat）：数据和标示的意义和重要性

现在，以 LLM 为代表的 AI 已成为现在干流的态势，甚至一些标示公司或任务也开始测验运用 LLM 来反哺标示自身来达到效率的提高。

论文：运用 LLM 反哺标示 （arXiv:2306.07899）

二、怎么做好东西类产品体会规划

1. 了解 AI 技能原理（重要）

AI 时代下，规划师可去熟悉常见的 AI 算法和模型，如机器学习、深度学习和强化学习等。

以 AI 标示东西为例，在一些智能标示的场景，规划师若能了解这些相关算法和模型的原理、优劣以及适用场景，能够帮助规划师挑选合适的 AI 技能来完成产品的功能和方针。

LabelBee AI 智能标示示例

另外，引申至现在根据 LLM 的 AI 干流态势，规划师也应了解 AI 技能的局限性和危险。

大模型 AI 在处理杂乱任务和大规模数据方面表现出色，但也存在数据成见、安全隐私问题和不行解释性等应战，规划师需求在产品规划过程中考虑这些要素，并采纳相应的办法来减少潜在危险。

如，若渠道里引入了客户的源数据，那在检查或运用时，或许就要考虑上数据脱敏等相关规划。 此外，AI 技能在不断演进和创新，新的算法和模型不断涌现，规划师若能需求坚持学习和更新的情绪，会有助于应对快速变化的技能环境。

2. 规划洞悉

规划洞悉是产品规划的根底。关于事务侧而言，当规划师深化了解事务的核心方针、价值主张和关键事务流程时，会有助于产品体会与事务需求紧密符合。