第 6 课｜毕业实战：完成一页 AI 产品方案

0

你已经走完一条完整链路

问题用户、场景、任务、障碍与后果。

体验能力说明、用户控制与失败恢复。

评估样本、规则、指标和风险门槛。

上线试点、监控、兜底、暂停和回滚。

1

一页 AI 产品方案的八个区块

区块	要回答的问题	常见误区
1. 用户任务	谁在何时要完成什么？	写成泛泛“提升效率”
2. 现实损失	现在慢、贵、错在哪里？	只有主观抱怨，没有证据
3. AI 角色	提取、生成、判断还是行动？	一开始就全自动
4. 人机流程	谁输入、核验、编辑、提交？	只有一个聊天框
5. 能力边界	明确不支持什么？	对外承诺“万能”
6. 评估门槛	怎样证明质量和价值？	只看一个综合分
7. 风险控制	错误如何发现、恢复、止损？	上线后再说
8. 最小试点	向谁、放多少、学什么？	没有退出条件

2

最后一次优先级判断

资源约束

你只有两周、1 名工程师和 10 名试点用户。团队提出：多模型路由、自动执行、可编辑草稿、来源引用、管理仪表盘。第一优先级是什么？

☆

等待选择选择能最快证明用户价值并控制风险的最小闭环。

3

像产品经理一样评审方案

评审时不要逐页解释文档，而要主动暴露最不确定的假设：我们是否真的找对任务？模型最可能在哪些样本失败？用户为什么愿意核验？什么数据会让我们停止？让团队围绕证据和门槛讨论，而不是围绕个人偏好投票。

5 分钟评审结构

1 分钟讲用户与损失；1 分钟演示人机任务；1 分钟说明能力边界；1 分钟展示评估与风险门槛；最后 1 分钟请求一个明确决策：允许试点、补充证据，还是停止。

好的方案不是预测一切：它把未知变成可验证假设，把风险变成控制点，把下一步变成一个有边界的小实验。

4

结课测验

1. AI 产品方案最先应该出现什么？

正确。先证明问题，技术选择才有上下文。

方案的起点是用户要取得的结果。

2. 资源有限时，MVP 应优先包含？

正确。MVP 是最小学习闭环，不是缩水版功能清单。

想想两周后你最需要回答哪个关键问题。

3. 什么情况最应该暂停试点？

正确。暂停条件应在上线前写清，避免事后合理化。

严重风险不能被其他正向指标抵消。

5

毕业作业：完成你的一页方案

复制下面 8 个标题，在右侧写出初稿

① 用户任务 ② 现实损失 ③ AI 角色 ④ 人机流程 ⑤ 能力边界 ⑥ 评估门槛 ⑦ 风险控制 ⑧ 两周试点。

每个区块至少包含一个可观察事实或明确决策；不要使用“智能化、赋能、提升体验”却不说明对象和指标；必须写出一个暂停条件。

✦

下一步怎么练

选一个你真实接触得到用户与样本的场景，在两周内完成：5 次访谈、30 条评估样本、1 个可点击原型、1 次小范围走查。你不需要先成为算法专家；先建立“以任务为起点、以评估为语言、以风险为边界”的工作习惯。

People + AI Guidebook

Google PAIR · 课程后工作手册

继续使用其中的工作表，把人本 AI 方法带进真实项目。

HAX Toolkit

Microsoft Research · 课程后检查表

用指南、设计库、Workbook 与 Playbook 组织跨职能讨论。

NIST AI RMF

NIST · 风险与治理

需要进入企业与高风险场景时，用框架系统化管理可信与风险。