行业知识 · v2.3.0 · 资料核对 2026-10-03
AI 产品从 0 到 1：总流程
每阶段共用一条证据链：需求/风险 ID → 数据与方案 → 测试 → 结果/区间 → 决策与残余风险 → 运行反馈。影响评估在方案冻结前开始，扩大用途、地区、用户与自主性时复核。需要行业交付时使用 阶段门与证据包。
总纲
0→1 不是从 PRD 到发布，而是从未知问题到可重复价值：
0 战略边界
→ 1 问题发现
→ 2 场景与价值验证
→ 3 AI/数据可行性
→ 4 方案与原型
→ 5 基线与构建
→ 6 离线/人工/安全评测
→ 7 试点与灰度
→ 8 放量、运营、迭代或退役每一步都有“继续、调整、停止”三个合法答案。停止一个证据不成立的方向，是产品成功，不是失败。
全生命周期作战表
| 阶段 | 核心活动 | 必须产出 | 退出条件 |
|---|---|---|---|
| 0 战略边界 | 目标、能力、约束、风险偏好 | 战略简报、不可做清单 | Sponsor 授权探索 |
| 1 问题发现 | 访谈、观察、数据、旅程 | JTBD、痛点证据、现状基线 | 问题真实且可衡量 |
| 2 场景验证 | 价值、频率、可逆性、采用 | 机会评分、假设、Wizard-of-Oz | 有行为证据，不只口头兴趣 |
| 3 可行性 | 数据审计、PoC、模型基线 | 数据卡、黄金集、技术风险 | 最低质量/成本可达 |
| 4 定义方案 | AI UX、PRD、架构、权限 | 原型、AI PRD、ADR、威胁模型 | 范围、验收、责任清楚 |
| 5 构建 | 双轨实验、工程、日志 | 可测试增量、版本指纹 | 核心流端到端可运行 |
| 6 评测 | 离线、人评、红队、UAT | 评测报告、缺陷与残余风险 | 达到试点门槛 |
| 7 试点 | 培训、灰度、反馈、回滚 | 试点报告、Go/No-Go 包 | 真实任务价值成立 |
| 8 运营 | 监控、成本、增长、复盘 | 看板、Runbook、路线图 | 持续达标或触发退役 |
三个同步闭环
价值闭环
用户问题 → 产品假设 → 行为变化 → 业务结果 → 下一假设。
质量闭环
真实样本 → 评测 → 错误分类 → 定向修复 → 回归 → 线上抽检。
风险闭环
风险情景 → 控制 → 验证 → 残余风险接受 → 监控 → 事件复盘。
缺任一闭环都无法称为生产级 AI 产品。
先定义四条底线
- 价值底线：若达不到什么业务/用户效果就停止？
- 质量底线：哪些场景最低分不能破？
- 风险底线：哪些事故零容忍，哪些可接受？
- 经济底线：单任务成本、月预算、毛利最低是多少？
这些底线应在模型实验前写下，防止看到漂亮 Demo 后移动目标线。
双钻石 + 实验漏斗
发现问题：发散再收敛
收集用户任务、痛点、数据和竞争替代，再用价值、频率、可行性、风险和战略一致性排序。
发现方案：发散再收敛
同时考虑流程改造、规则、搜索、传统 ML、LLM、RAG、Agent 和人工服务；用最小实验逐层淘汰。
实验漏斗：
- 纸面反证与数据查询。
- 人工代做/Wizard-of-Oz。
- Prompt Demo。
- 小样本离线基线。
- 代表性评测和安全测试。
- 影子流量。
- 有限用户试点。
- 随机/准实验与放量。
越往后成本和风险越高，前一步证据不足时不要跳级。
五类里程碑，不用“完成 80%”
- 问题证据：用户行为与现状成本已量化。
- 能力证据：在代表集上达到最低阈值。
- 体验证据：用户能理解、纠错并完成任务。
- 运营证据：成本、延迟、可靠性和支持可控。
- 业务证据：在真实流量产生可归因增量价值。
0→1 常见致命错误
- 没有现状基线，无法证明 AI 增量。
- 先签大额模型合同，再找场景。
- 用内部员工兴奋度代替目标用户行为。
- 用 20 条精挑样例代替真实分布。
- 没有高风险失败集和拒答策略。
- PRD 写功能，不写数据、评测、权限和运营。
- 上线后供应商改模型，团队却无法复现旧行为。
- 把“用户可复核”当作无限责任转移。