大B公司自己做AI，都是九死一生——To B AI 平台的1.0 模式，已几乎宣告失败？...
前言：本文是AI在To B領域落地的最新認知觀點分享——先解讀大B公司內(nèi)部做AI的不易，然后進一步分析To B AI 平臺的困境和機會。
1
大B公司內(nèi)部做AI的不易
一、需求定義
比如，對于任何一家出行服務商，都會面臨“性騷擾”、“疲勞駕駛”等安全問題。
如何定義——什么叫騷擾？
性別屬性：常規(guī)來說，我們默認會認為是“男司機對女乘客（騷擾）”，那有沒有可能，是“女司機對男乘客”？還有“男司機對男乘客”、“女司機對女乘客”……
對話內(nèi)容：如果男司機對女乘客說，“小姐”——僅僅說了這2個字，算不算騷擾？如果司機說了疑似騷擾內(nèi)容，但乘客沒有任何反應（甚至語氣或表情上識別出“開心”），那算不算騷擾？……
提出問題，甚至抱怨，是容易的，但如果真的要解決問題，必須有機會近距離的接觸海量用戶數(shù)據(jù)、用心體會各種復雜交互場景；這里面會有無數(shù)的細節(jié)，需要產(chǎn)品經(jīng)理們?nèi)ザ床?/strong>。正如《智能制造：從工業(yè)中來，到工業(yè)中去 | 甲子光年》中提到的，“思想和靈魂需要在做的過程中逐漸領悟到（know-how）”
二、方案嘗試
即使初步找到了幾個看似正確的問題（需求）定義，接下來，往往需要用機器學習來“識別”出海量數(shù)據(jù)背后的這些“模式”。
回到出行服務商的例子，不論是定義“性騷擾”or“疲勞駕駛”，實際情況中，可能需要嘗試10～20個“假設”、涉及30～40個“緯度”，誰能一開始就知道，哪個“假設”是對的？沒人能先知式的判斷；所以，需要試錯。但是，為了獲取這么多假設/緯度的數(shù)據(jù)，僅僅在產(chǎn)品（app）里完成埋點，就花了半年……
運氣好的話，團隊能夠發(fā)現(xiàn)更好的AI產(chǎn)品落地方法。比如，如何識別司機疲勞？
常規(guī)大樣本的處理方法，實際中效果并不好。
真正work的是“PM+算法”——PM來觀察真實世界中的小樣本case，總結出“連貫動作的特征集合”
也就是說，小樣本AI應用的邏輯，和大樣本不一樣了！
運氣不好的時候，（大概率的）很可能做了半年后，還不知道哪個假設是對的，就別談最后的問題解決效果了……
遇到這種情況，怎么才能保證團隊不被砍掉、可以繼續(xù)做下去呢？
三、組織架構
先說結論：必須讓同一個人來負責“AI產(chǎn)品團隊”和“業(yè)務產(chǎn)品團隊”。
否則，如果是不同利益導向的團隊，很可能會“屁股決定腦袋”，不愿意AI團隊過度的來解決某些業(yè)務問題。
這倒不是說，業(yè)務團隊本身多么主觀錯誤，而是因為，一方面，業(yè)務團隊可能不知道“如何能把AI工具用好”；另一方面，更重要的是，某些問題在被AI解決之前，難道業(yè)務部門不知道嗎？其實，不僅業(yè)務部門知道，甚至大老板們也非常清楚，但是，他們都還沒有必須這樣做的決心——
四、公司決心
對于很多AI落地feature點，AI團隊覺得是很好的嘗試機會（idea），但業(yè)務團隊并不這么認為，因為站在其現(xiàn)有視角和利益背景下，那個問題真的不是必須要改的，不能怪他。
也許，只有到了生死存亡的時刻，公司才有決心“必須要用AI來解決這個業(yè)務問題”，“必須讓一個人來統(tǒng)管業(yè)務和AI團隊”。
比如，安全、監(jiān)管、質(zhì)檢、隱私等等。出行服務商在被輿論和政府責備之前，難道不知道有性騷擾或駕駛疲勞問題嗎？各種聊天機器人在因“涉黃、涉政、涉暴”而被下線之前，難道不知道有風險嗎？各種工業(yè)、制造業(yè)中的效率問題，難道之前不存在嗎？都是存在的，但是，沒有足夠痛的時候，企業(yè)會有各種簡單粗暴的方式去解決，比如堆人工，比如堆知識庫/關鍵詞。有鳥槍還可以用，總覺得不用換炮。
五、效果如何
如果以上4點都ok了，真的會有非常明顯的效果。用戶、政府、公司都很滿意。（比如前述出行服務商，其“性騷擾”相關的投訴，可能降低了50%）
但是，還有個現(xiàn)實案例是，通過不斷的試錯、迭代，等這套真的有效的AI系統(tǒng)正式上線時，不僅時間已經(jīng)過去了2年多……連合作業(yè)務方的團隊都換了3撥人了……
不過，即使效果不錯，但這個模式，可能還有其他的弊端……
六、鳥盡弓藏？
這種降本增效類問題，被花大精力解決后，還會有另一個問題，就是團隊可能得去找下一個釘子了……這也許就是2B AI業(yè)務的宿命。2C AI可能會不一樣，但也會更難。
從以上信息可以看出，即使大B企業(yè)內(nèi)部就有懂AI且懂業(yè)務的負責人，并由他來lead AI降本增效類項目，都是九死一生、費力耗時（可能得2年），其他To B類AI創(chuàng)業(yè)公司，作為行業(yè)/企業(yè)外部的人，要想真的做出效果，難度實在是太大。
那么，To B AI 平臺方向公司該認知并應對呢？——
2
To B AI 平臺的困境和機會
一、To B AI 平臺 1.0 模式，已幾乎宣告失敗？
1、To?B AI 平臺 1.0 模式的概述：奢望一個通用的AI平臺，來給不同行業(yè)提供AI服務（主要是深度學習），隨著行業(yè)、客戶數(shù)的提升、數(shù)據(jù)越來越多、工具效率越來越高、成本越來越低，整體平臺收益就越來越好……
2、這個模式目前還沒成功落地的原因，不僅因為某同行朋友所說“客戶側(cè)-產(chǎn)品難以標準化；供給側(cè)，算力算法等變量太多，也很難穩(wěn)定標準化”，還有一個關鍵原因在于，就是前文說的——即使客戶自己有懂AI且懂業(yè)務的負責人，都是九死一生，你作為行業(yè)/企業(yè)外部的人，要想真的做出效果，幾乎是不可能完成的任務。
3、資本桎梏給企業(yè)以心魔：本來，如果只重點做1、2個（細分）行業(yè)，企業(yè)也許還能活得輕松一點，但很多AI企業(yè)早期接受了對賭協(xié)議，必須在幾年之內(nèi)上市；結果把自己搞得真心難受。
4、即使某幾家這個模式的AI上市公司，業(yè)內(nèi)其實都知道，其當前業(yè)務質(zhì)量和利潤還不夠好。
簡單來說，如果只是開放AI技術接口，很難真正做大做強。
有觀點認為，如果某些公司遲遲不能上市，對于國家形象和從業(yè)者信心來說，是不可接受的……
二、從B公司規(guī)模角度，闡述To?B AI 平臺業(yè)務的難處
1、大B公司
1）背景：只有在頭部（大）客戶，才能看到最為復雜的環(huán)境下、最大規(guī)模的生產(chǎn)中需面對的所有困難。
2年前，某領域第一企業(yè)核心數(shù)據(jù)項X的日數(shù)據(jù)量，比其他所有公司加起來還多，這種數(shù)量級的差別，不論是需求認知還是找解決方案，優(yōu)勢都是不言而喻的。
而且，AI領域應用落地還有一個特點：即使真的有用，但是在體驗側(cè)的效果，別人（C用戶或競爭對手）也很難快速發(fā)現(xiàn)。因為它可能是某個系統(tǒng)維度的提升。
2）難度：還是如前文提到，即使客戶自己有懂AI且懂業(yè)務的負責人，都是九死一生，作為行業(yè)/企業(yè)外部的人，要想真的做出效果，幾乎是不可能完成的任務。
3）可行性：
退一步說，即使To B AI平臺公司有做這個事情的能力和決心，一旦真的是非常核心、有價值的事情，大企業(yè)是不愿意給你做的。特別現(xiàn)在數(shù)據(jù)、隱私問題這么敏感，一旦有事，那就可能直接game over了。——做這些AI項目，內(nèi)部研發(fā)的成本不一定比外部低，還沒有數(shù)據(jù)安全風險，為什么不自己搭團隊來做？
而且，即使一開始采購外部的AI服務/工具，2年后還是可以換自己的團隊。
到最后，大公司還愿意給To B AI平臺公司做的，往往都是自己不愿意、價值不大的那些部分了。
2、中B公司
國情不同，中國的中等企業(yè)數(shù)量不夠多；支撐不起現(xiàn)在這些AI明星公司的規(guī)模。
3、小B公司
數(shù)量多，但付費能力低。補貼還來不及呢……可能唯一好點的方向，是電商領域的小B。
三、To B AI 平臺的未來機會？
幾點個人想法，供大家參考——
1、等待創(chuàng)新性的To?B AI 平臺 2.0 模式出現(xiàn)。
2、如果還想去做中小企業(yè)的生意（AI賦能），產(chǎn)品形態(tài)可能是，平臺自身只提供80～90%的部分，然后由客戶企業(yè)自身的AI落地團隊來完成最后一公里（詳見《AI產(chǎn)品方法論之“由用戶來完成AI產(chǎn)品設計的最后一公里”》）。——而這，其實是需要從業(yè)者甚至整體國民的“AI通識”水平足夠高才行的。
3、如果是相對舊的傳統(tǒng)領域，創(chuàng)業(yè)公司機會可能不大（除非接受大B企業(yè)的戰(zhàn)略投資）。這是因為，如前文所說，只有在頭部（大）客戶，才能看到最為復雜的環(huán)境下、最大規(guī)模的生產(chǎn)中需面對的所有困難。前面這篇文《智能制造：從工業(yè)中來，到工業(yè)中去 | 甲子光年》，就是典型。
4、新領域，可能有增量機會。比如我之前在社群里提到的幾個方向：“車”相關、機器人（2C/2B）、AR/VR/元宇宙/虛擬人、5G等等。
5、也許，也許，未來AI產(chǎn)業(yè)就沒有我們所以為的、超大規(guī)模的橫向To B模式。
總結來說，To B AI領域，創(chuàng)業(yè)公司如果想做平臺，1.0模式可能已希望不大；后續(xù)，要么有創(chuàng)新性的2.0模式出來，或者應用更加好的AI產(chǎn)品方法論，要么在傳統(tǒng)領域找到合適的大B企業(yè)戰(zhàn)投，或者在新領域?qū)ふ以隽繖C會。
注：本文2022年2月首發(fā)于“AI產(chǎn)品經(jīng)理大本營”（https://t.zsxq.com/nYzfiEa ），有增改。
----One more thing----
我最近建了一個BI/可視化相關的微信群（僅限2年以上經(jīng)驗的產(chǎn)品經(jīng)理、設計師，小范圍交流），涉及公司可能包括但不限于：阿里云-DataV、螞蟻-AntV、帆軟、百度sugar、騰訊RayData、騰訊云圖、京東云、網(wǎng)易有數(shù)、字節(jié)、快手、平安人壽、海爾、新華智云、百分點、鏑數(shù)、數(shù)字冰雹、袋鼠云等。
如感興趣，可查看進群說明并填寫申請問卷：https://www.wjx.top/vj/tMjNyVf.aspx （可點擊最后的“閱讀原文”）
--?hanniman往期精選?--
一、AI產(chǎn)品分析
【重點】AI產(chǎn)品方法論之“由用戶來完成AI產(chǎn)品設計的最后一公里”
【重點】如何從“品類”角度做AI產(chǎn)品（2C）的需求定位
【重點】產(chǎn)品視角看智能客服
【重點】一文了解四足機器人
【重點】智能音箱上的語音技能市場，能否對標手機上的應用市場？
【重點】AI產(chǎn)品經(jīng)理視角下的AI翻譯機?in?旅游場景
【重點】進擊的人工智能：產(chǎn)品視角解析“對話機器人”
【重點】如何從零開始搭建智能外呼系統(tǒng)
一文了解“教育+AI”方向通識（場景、產(chǎn)品、公司、商業(yè)模式、短期風險及機會）
二、AI產(chǎn)品經(jīng)理
【重點】重磅發(fā)布：《AI產(chǎn)品經(jīng)理的實操手冊（2021版）——AI產(chǎn)品經(jīng)理大本營的4年1000篇干貨合輯》（PDF）
【重點】正式介紹“AI產(chǎn)品經(jīng)理大本營”?
【重點】人工智能產(chǎn)品經(jīng)理的新起點（200頁PPT）（注：后臺回復“200”，可獲取PPT下載鏈接）
【重點】AI產(chǎn)品經(jīng)理的定義和分類
【重點】AI產(chǎn)品經(jīng)理的價值和未來?|?學習俞軍老師分享有感
【重點】最新AI產(chǎn)品經(jīng)理求職動態(tài)：卡年齡、卡學歷，這么卷，怎么辦？_2022年3月
AI產(chǎn)品經(jīng)理能力模型的重點素質(zhì)：人文素養(yǎng)和靈魂境界
最新“AI產(chǎn)品經(jīng)理”求職動態(tài)及建議
深度報告?|?AI新職位“人工智能訓練師”
三、AI技術
【重點】AI產(chǎn)品經(jīng)理需要了解的語音交互評價指標
【重點】語音合成TTS?|?AI產(chǎn)品經(jīng)理需要了解的AI技術概念
【重點】一文看懂“語音識別ASR”?|?AI產(chǎn)品經(jīng)理需要了解的AI技術概念
【重點】值得收藏?|?關于機器學習，這可能是目前最全面最無痛的入門路徑和資源！
【重點】用最通俗語言來聊聊“什么是機器學習”
【重點】DIY面試題?for?AI產(chǎn)品經(jīng)理?|?“智能音箱半夜詭異笑聲”的原因分析及建議方案
【重點】“AI芯片”通識_AI產(chǎn)品經(jīng)理看這一篇就夠了
【重點】人臉識別產(chǎn)品設計，AI產(chǎn)品經(jīng)理需要了解的實戰(zhàn)干貨都在這里了_團員分享_@陽春柏樰
【重點】一文看懂“聲紋識別VPR”?|?AI產(chǎn)品經(jīng)理需要了解的AI技術概念_團員分享_@cony
NLP基本功-文本相似度?|?AI產(chǎn)品經(jīng)理需要了解的AI技術通識
看AI產(chǎn)品經(jīng)理如何介紹“計算機視覺”（基于實戰(zhàn)經(jīng)驗和案例）
人臉識別?|?AI產(chǎn)品經(jīng)理需要了解的CV通識（二）
多目標跟蹤?|?AI產(chǎn)品經(jīng)理需要了解的CV通識（三）
填槽與多輪對話?|?AI產(chǎn)品經(jīng)理需要了解的AI技術概念
AI產(chǎn)品經(jīng)理需要了解的數(shù)據(jù)標注工作入門
語音識別類產(chǎn)品的分類及應用場景
四、AI行業(yè)及個人成長
【重點】現(xiàn)在的BAT，就是曾經(jīng)的外企
【重點】【深度】工作5年以上，到底要不要進AI創(chuàng)業(yè)公司？
【重點】深度?|?人工智能讓我們失業(yè)？不，這取決于我們自己
【重點】我們還沒準備好和AI共生——柯潔和AlphaGo大戰(zhàn)之觀后感
【重點】AI產(chǎn)品經(jīng)理視角下的V2X、車聯(lián)網(wǎng)和自動駕駛
如何成長為高頂級產(chǎn)品經(jīng)理的3個關鍵點
新技術帶來產(chǎn)業(yè)格局周期波動的3個階段（以智能汽車領域為例分析）
“人工智能與法律”對AI產(chǎn)品經(jīng)理有何實際借鑒意義
稻盛和夫的這些話，是雞湯還是干貨？
跨過這十個誤區(qū)，提前2年告別職場小白
【重點】如何分辨明師并遇到他?|?周日換頻道（7）
---------------------
黃釗hanniman，前圖靈機器人-人才戰(zhàn)略官/AI產(chǎn)品經(jīng)理，前騰訊產(chǎn)品經(jīng)理，近10年AI背景，13年互聯(lián)網(wǎng)經(jīng)驗；垂直于“AI產(chǎn)品經(jīng)理”的第一社群（知識星球“AI產(chǎn)品經(jīng)理大本營”，已運營近5年）和第一自媒體（微信公眾號/知乎ID“hanniman”，已運營8年）；作品有《AI產(chǎn)品經(jīng)理的實操手冊》（AI產(chǎn)品經(jīng)理大本營的4年1000篇干貨合輯）、200頁PPT《人工智能產(chǎn)品經(jīng)理的新起點》。
總結
以上是生活随笔為你收集整理的大B公司自己做AI，都是九死一生——To B AI 平台的1.0 模式，已几乎宣告失败？...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算机常用数制转换说课稿,进制与进制转换
- 下一篇： javascript乘法和加法_js 大