对AI创业公司的经验分享和建议
打破常规的经验分享——确定一个具体的想法
人工智能在众多领域的高效应用催生了大量创业机遇。在这篇文章中，我想分享一条或许出人意料的最佳实践，这是我在管理AI基金时所领悟的。AI基金是一个与杰出创业者合作，成功孵化了数十家初创公司的创新工作室。在开发人工智能应用时，我们更倾向于专注于一个具体的创意，即一个已经详细构想、能够为特定目标用户群体打造的产品。
有些设计理念不倾向于一开始就确定一个具体的产品。它们推荐先识别一个问题，然后深入研究市场，再制定出具体的解决方案。这种观点的理由在于：产品规格越具体，偏离市场需求的风险就越大。但我发现，有一个明确的执行目标可以让你更快地前进，并且在过程中更迅速地识别和解决问题。如果创意存在缺陷，快速的执行能力将帮助你尽早发现问题，而这种洞察和经验将指导你转向另一个切实可行的想法。
衡量一个想法是否足够具体，可以通过它是否详细到让产品或工程团队能够开发出一个初步原型来进行测试。比如，“人工智能在畜牧业的应用”这个概念太过笼统，如果让工程师去实现它，他们可能会感到无从下手。同样，“在农业中使用人工智能进行牲畜追踪”也不够明确，因为可能的实现方法太多，大多数工程师都会感到困惑，不知道应该开发什么。但是，“利用面部识别技术识别奶牛个体并监控它们在农场中的移动”就具体得多，一个技术娴熟的工程师可以迅速从可用选项中做出选择（比如，首先尝试哪种算法，使用什么级别的摄像头分辨率等），从而让我们能够相对高效地进行以下评估：
- 技术可行性：例如，为人类面部设计的面部识别算法是否也适用于奶牛？（结果发现它们确实适用！）
- 商业可行性：这个想法是否提供了足够的价值，值得去开发？（与农民交谈可能会很快揭示出，像RFID这样的解决方案可能更简单、成本更低。）
明确一个具体的想法（这比一个模糊的想法更有可能是错误的）需要更多的勇气。想法越具体，它在细节上就越有可能有些偏差。人工智能在畜牧业的应用领域看起来很有潜力，肯定会有合适的方式将人工智能应用于牲畜。与此相反，提出一个具体的想法，它更容易被证明是错误的，这确实让人感到有些不安。
一个具体产品愿景越清晰越能让团队行动更加迅速。快速执行是创业公司成功的关键因素之一。因此，具有清晰愿景的创始人往往更受欢迎；清晰的愿景有助于引导团队朝着特定方向发展。但如果一个创业公司长时间没有形成清晰、具体愿景，它就不太可能成功。
朝着具体目标努力（如果你能以一种负责任且不伤害他人的方式做到）可以让你更有效地获得关键反馈，并在必要时更快地调整方向。低成本的试错和不断迭代是支持这一方法的关键因素，这在人工智能的许多应用领域已经变得越来越普遍，但对于深度技术AI项目来说可能不那么明显。
我意识到，这个建议与设计思维中的常见做法相悖，后者警告不要过早跳到解决方案，而是提倡花时间理解最终用户，深入理解他们的问题，并集思广益地提出一系列解决方案。如果你没有任何想法开始，那么这样一个扩展过程可能是发展好想法的好方法。此外，保持想法的开放性对于好奇心驱动的研究是有益的，因为在只有模糊方向的情况下投资追求深度技术，长期来看可能会带来巨大的回报。
如果你正打算开启一个人工智能新项目，试着构思一个清晰的执行目标。即使最初的构想有偏差，快速迭代将帮助你及时调整，并从中学得的教训将引导你转向新的具体想法。
AI基金在与许多大型企业合作的过程中，已经形成了一套识别与业务紧密相关的具体想法的最佳实践。我将在未来分享更多这方面的见解。
最佳实践分享
由我领导的AI基金与众多企业合作伙伴一道，致力于发掘创意，这些创意通常涉及将AI应用于公司的业务领域。因为AI在零售、能源、物流和金融等众多领域都有应用，我发现与这些领域内的专家紧密合作，在识别哪些AI应用值得开发方面大有裨益。
我们的创意生成过程首先建议合作伙伴公司中的众多关键成员（至少10人，有时超过100人）对AI及其能力有一个非技术性的、业务层面的理解。参加DeepLearning.AI的“Generative AI for Everyone”课程是一个常见的选择。之后，公司就有能力指派一个小团队来协调创意生成过程，接着是一个优先级排序练习，以确定应该着手哪些工作。创意生成过程可以由基于任务的工作分析支持，我们将员工的工作分解为任务，以识别哪些任务可以使用AI来自动化或增强。
以下是进行这些活动的一些最佳实践：
信赖领域专家的直觉
信赖领域专家的直觉至关重要。深耕某一行业多年的专家凭借其敏锐的直觉，能够迅速做出决策，而这种能力是那些非专家人士需要花费大量时间研究才能达到的。
例如，我们与一位金融服务专家合作，提出了一个初步想法——"创建一个金融咨询的聊天机器人"。要将这个想法具体化，我们需要回答一些关键问题，如我们应该专注于金融的哪个细分市场（预算规划、投资还是保险）以及我们应该服务哪一类用户（是新毕业生、按揭申请者、新父母还是退休人员）。即便是一位长期提供金融建议的专家也可能不确定最佳选择，但他们的直觉选择能够迅速形成一个合理的具体想法。当然，如果能够迅速获得市场研究数据来支持这一决策，我们应该充分利用这些数据。但为了不拖延进度，我们发现专家的直觉反应非常有效，是快速做出决策的捷径。
因此，当我面对一个不够具体的想法时，我通常会请领域专家仅依赖他们的直觉来快速做出必要的决策，以实现想法的具体化。这个初步形成的想法只是一个起点，它将随着时间的推移而不断调整和优化。如果在讨论中，专家虽然选择了一个选项，但对另一个选项也显得犹豫不决，那么我们也可以将第二个选项作为备选，以便在初始选择不再具有吸引力时迅速转换方向。
头脑风暴：创意多样性的重要性
创意的多样性至关重要。我通常推荐至少构思出10个想法；如果能想出超过100个，那就更理想了。在头脑风暴中，我们鼓励追求数量而非单一的质量。当需要确定优先级时，拥有众多想法尤其重要。如果只有一个想法被深入考虑——这可能是因为高层领导特别喜欢某个想法，并将其作为主要工作方向——那么即使发现市场需求不强或技术实现成本高昂，团队也可能因为不想空手而归而持续努力。
相反，如果公司有多个想法可供选择，那么当一个想法开始显得不那么有吸引力时，很容易就能转向另一个。在众多想法中进行比较，可以更容易地挑选出最优秀的。《Ideaflow》一书指出，那些能够产生更多想法供评估和优先排序的团队，最终能够得到更好的解决方案。
基于此，我发现开展一个广泛的头脑风暴过程，让公司内众多员工参与进来，是非常有益的。大型公司中有许多员工，他们对业务有着丰富的知识和见解。由一个小团队来协调从众多人员中收集想法，可以充分利用这个集体的智慧。我多次见证，涉及大约100名对专业领域有深入了解且对人工智能有基本认识的员工的广泛努力，比只由少数高层领导参与的狭窄讨论，能够产生更出色的创意。
明确评估标准
明确评估标准对于团队在评价和排序想法时至关重要，这有助于确保评价的一致性。商业价值和技术可行性是评估中不可或缺的要素。同时，很多公司也会优先考虑那些能够迅速带来成效的项目，或者那些支持公司战略目标，如特定业务领域增长的项目。在想法生成阶段就明确这些标准，对于后续的评估和优先级排序至关重要。
总结
在大型公司，可能需要数周时间来搜集和筛选想法，但这一过程的回报是丰厚的，因为它有助于发现那些真正有价值、可操作的想法。人工智能的效用在于我们能否找到合适的应用场景，我希望这些最佳实践能够帮助你激发出优秀的人工智能应用创意，并着手将其变为现实。
