生成AI的产品设计 — HiClass框架

在2 + 2可以是0到100之间的任何情况下，如何定义产品

随着生成式人工智能经历多个炒作和失望的微周期，全球各地和各类型企业的产品经理们 — 包括主街企业和科技初创公司 — 都被要求以最高效的方式构建出优秀的基于LLM的产品。作为一个在这个领域上有一些经验的人，我发现传统的产品设计框架虽然有帮助，但并不能完全适用于新的背景。

识别设计因素

HiClass框架描述了这七个设计因素，其中一些是新的，这些因素对于开发具有LLM的产品以及其他产品设计中使用的各种因素都非常重要。对于您的情境，每个因素可能都意味着不同的内容。

幻觉 - LLMs 会编造事物。你有什么策略来最小化幻觉或减少它们可能造成的伤害？
不准确性 — 没有任何人工智能系统是完美的。您如何处理不准确的答案？您如何确定答案是否准确？
成本 — 您的产品每笔交易的成本是多少：您的产品可行吗？至少是否有实现可行性的途径？同样重要的是，将产品投入运营需要的成本（和时间）是多少？
延迟 — 尤其是如果你正在使用一系列提示或更高级的提示方案，LLMs可能需要几秒钟才能生成输出。与此同时，你的用户在做什么呢？
可归属性-如果需要，您能否解释LLM用于采取行动的来源和/或推理？您能否提供证据向用户保证您的产品没有错觉？
安全性 - 您和您的用户数据可能泄露的潜在风险点是什么？有哪些不同的风险情景？
样式 - 对于生成应用程序，您是如何确保生成的内容与您的品牌形象保持同步，并且总体上对您的品牌持有积极态度（信不信由您，如果被单独放任，LLMs可能最终为您的竞争对手做宣传）？

注意1：区分幻觉和准确性非常重要。如果一个系统产生幻觉，即捏造不真实的事情，那么它肯定是不准确的，然而对于LLM系统来说，可能还有许多其他不准确的来源。作为一个产品经理，实际上你确实希望系统有一定程度的幻觉，因为它的控制与创造力是相同的，而创造力又赋予了你的机器人个性。

注意2：此列表不包括作为设计因素的人才获取，这可能是2024年2月最重要的因素，但希望这只是一个暂时的情况。

优先考虑

不是所有因素都对你的用户故事非常重要。例如，如果你正在开发一个用于生成自动化营销电子邮件的应用程序，那么延迟、可归因性和安全性可能并不像样式那样优先考虑。如果这个产品需要人类来编辑AI的输出，那么准确性和幻想也不是核心问题。这里是一个示意表格，来帮助你开始思考这个问题。 | 因素 | 优先级 | |----------------|------------| | 延迟 | 低 | | 可归因性 | 低 | | 安全性 | 低 | | 样式 | 高 | | 准确性 | 中 | | 幻想 | 中 |

越多的因素在这个阶段幸存，你作为产品经理在产品发布之前需要做的工作就越艰巨。最好将每个幸存因素进行排名，确定理想目标，并划定产品不能接受的底线。

创新和贸易

现在是优秀的产品经理开始展现才华的时刻。我之前写过，一般来说创造力被高估并且被误用，但有几个例外。这个情景正是例外中的重要一环。我总是问自己两个问题：

一 — 我能不能在产品上进行创新，完全消除其中一个约束条件。例如，如果由于一连串的提示而导致延迟成为一个大问题，我们可以设计系统不再像机器人一样，用户期望即时通讯，而是设计成一个多页问卷。现在，你仍然可以在结果之前有动态问题，但每个转换都给用户留下了呼吸空间。也许你可以添加一个进度条和一个GIF，显示系统在后台努力工作的情况。或者你可以继续按照预期工作流程进行，并根据异步信号进行纠正。无论如何，延迟不再是一个巨大的问题，你可以在它上面进行一些妥协以降低成本。

两个问题：HiClass的各个维度之间有什么权衡，以及在哪里找到一个良好的平衡点。这将是一个迭代的过程。鉴于复杂性，提前进行大量研究非常重要，因为迭代可能会很昂贵。下面是一张图表，以帮助您记住HiClass的不同因素如何影响其他因素（如果改善某一行，则单元格显示列会发生什么变化）。