人工智能 (AI) 是当今 IT 行业最热门的话题，受到大型科技公司、大型企业和投资者的青睐。如果有人不参与 AI，他们就出局了。虽然“AI 泡沫”一词尚未公开使用，但街上的每个人都可能听说过 AI 将取代我们的工作（可能不会，但基于 AI 的工具已经让这变得更容易）。尽管这些预测在某种程度上是正确的，而且我们可能正在见证一场革命，但我们仍然在这里，需要回答这个问题：我们如何才能控制 AI 的力量？商业世界厌恶真空，作为企业主或有抱负的创始人，我们应该考虑 AI 如何融入我们的难题并影响我们的工作。
关键点
专注于将 AI 作为一项功能集成到数字服务中，而不是将其作为独立产品。确定 AI 的宝贵用例，尤其是生成式 AI。
确定 AI 是核心产品、功能还是解决特定业务问题。避免商品类别和噱头。
评估您的AI能力、工具知识、预算和现有业务收入，以衡量AI开发的可行性。
研究主要云供应商和公司的现有 AI 解决方案。选择抽象级别较高的工具。
一开始，聘请具有 AI 经验的通才和熟练的软件开发人员。数据工程师只是在后期才变得必不可少。
确保可靠的数据采集、处理和存储。高质量的数据对于 AI 性能至关重要。
优先解决实际业务问题并提供用户价值。保持灵活性并不断学习和改进。
人工智能软件开发的现实
很快，人工智能和机器学习解决方案将不再以独立产品的形式出现在人们的眼前。相反，它们将被视为数字服务中的基本和明显的功能。
如果您正在寻找一家AI 软件开发公司，请随时和我们联系
目前，市场上充斥着各种类型的人工智能产品，但我们缺乏用例，尤其是生成式人工智能。这就是我们应该关注它们的原因。不要只着眼于创建人工智能软件；而要着眼于为其找到一个很好的用例。
我们在制造人工智能的背景下可以想到的许多用例正在逐渐成为商品，例如：
- 从图片中识别文字
- 文字转语音
- 语言翻译、语言学习（告别 Duolingo）
- 商业智能（简单来说）
- 文字修正
- 研究与内容综合
- 智能自动完成
作为创始人，您可能有在业务中使用 AI 的愿景。但是，您的主要目标应该始终是创建一款解决实际问题的产品，而不仅仅是吸引投资者。考虑到这一点，我将向您展示如何创建基于 AI 的产品。请记住，创建初创企业的所有常规规则仍然适用。
如何构建人工智能软件？
首先，明确产品中人工智能的使用案例
请诚实回答有关在您的应用中实现 AI 的以下三个问题：
- 它是否旨在成为产品本身（想想 OpenAI 或 Anthropic 这样的案例）？
如果答案是“是”，请进行彻底的竞争对手分析。很有可能，您的想法已经属于“商品”类别，不会作为独立解决方案出售。或者开发成本会很高（仅2023 年，微软就向 OpenAI 投入了 100 亿美元）。
除非您能获得巨额资金和特定于您业务领域的独特、有价值的数据，否则您应该将构建以 AI 本身为产品的解决方案留给大公司。目前（截至 2024 年 5 月）的NVIDIA 股价并非巧合，我们只能这么说。
- 它是不是一个有趣的噱头，就像电子邮件客户端中的智能自动完成功能，或者电子书店中的“下一步阅读什么”推荐？
我鼓励你批判性地审视你的想法，以辨别它是否属于“噱头”类别。你的主要目标应该始终是打造一款出色的产品。如果核心理念存在缺陷，花哨的人工智能功能不会带来巨大的改变。毕竟，一个糟糕的电子邮件客户端无法打败 Gmail，即使有神奇的人工智能的帮助，不是吗？
- 它是否解决了特定的业务问题（例如，根据各种因素计算农业所需的肥料量）？
您有问题，也有假定的解决方案。或者您有？如果您只想收集数据并且“到达那里后就会发现”——请当心，这是一个陷阱。了解您的场景；您想要解决的问题是否与您的目标用户群所面临的问题相同？如果不是，那么重新开始可能会为您节省大量资金。我们的AI 市场研究工具是一种免费开始市场研究的好方法，可帮助您在深入研究解决方案之前找出真正的问题。
其次，评估你构建人工智能系统的能力
评估您在人工智能领域的能力：
- 您自己是数据科学家或数据工程师吗？
人工智能专业知识可以带来巨大帮助，但也可能给人一种虚假的优势感。即使您熟悉人工智能开发流程，也请考虑一下您可能还不知道的有关构建软件解决方案本身的知识。
- 您是否了解并熟悉用于开发 AI 解决方案的工具？
同样，如果你不了解这些工具，你就需要一个熟悉它们的人。另一方面，你熟悉的工具集可能并不完美，不适合特定的用例。例如，在开发计算机视觉解决方案时，成为 LLM 专家不会有太大帮助。
- 你的预算是多少？
就可能实现的目标而言，这可能是一个非常限制性的因素。另一方面，它可以帮助优化您的 AI 软件开发项目，以优先考虑最重要的事情（顺便说一句，您应该聘请一位可靠的产品经理）。
- 您的企业已经产生收入了吗？
在人工智能研发中，预算低估是很有可能发生的，尤其是当你没有按照逻辑顺序进行时——先数据，后模型。在开发过程中拥有稳定的收入将使一切变得更加顺畅。
- 您在开发数字产品方面有哪些经验？
您可能已经猜到了，这是一把双刃剑。显然，这似乎是让您领先于他人的另一项措施，但例如，采用一家大公司的流程而不了解您与他们之间的差异可能会对整个项目造成巨大损害。
如果您和您的想法都通过了这次评估，我们可以考虑下一步该怎么做。
构建 AI 软件需要什么？
这里我们有两个可能的方向：要么从头开始开发 AI 软件，要么使用现有的 AI 平台和产品。开发自己的模型很诱人，尤其是因为专有技术受到投资者的高度重视。另一方面，回到我们之前所说的，你想要解决一个特定的业务问题。要选择最佳方向，值得考虑你可能面临的难以满足的要求：
- 人工智能软件市场瞬息万变，目前投入大量资金用于开发人工智能技术。你花了一年时间研究的东西可能一夜之间就被一个大公司的一个公告所取代。你需要考虑到，从头开始开发自己的人工智能比传统的基于人工智能的软件开发需要更多的时间，这是可以理解的，因为它是研发，而不仅仅是开发。
- 参照上述内容，时间就是金钱。而且需要钱来支付专门从事人工智能项目的人员的工资，而这些人目前并没有抱怨就业机会（至少可以这么说），而且被竞争对手出价超过的风险很大。特别是如果你还处于早期阶段，并且没有已经被证明可以在市场上行之有效的产品。在这个阶段，一名员工离开你的公司将使你的成本翻倍。
- 人员和能力：数据科学专业人员在工作理论方面非常出色，他们往往专注于特定领域的狭窄工具。但是，他们可能缺乏开发模型所需的工具和基础设施方面的知识和经验。这意味着您需要增加更多具有高要求技能的人。数据科学工作需要安静和时间，而在创业环境中，人们需要采用一种特殊的思维方式（速度！），这不一定能很好地结合在一起。
- 最重要的是数据。如果在开始开发之前没有训练模型的数据源，就很容易错过成本估算。从我对三种不同产品的个人经验来看，这样的流程设置是一个巨大的资金真空。就我个人而言，我认为这种方式不可能成功。
- 假设您有一个数据源，甚至一个数据湖，您下一步会做什么？如果您在这里停顿而没有立即回答，这又表明现在可能不是开发自己的 AI 模型的合适时机。
如果你没有办法解决上述问题，你一定要研究一下现有的解决方案。这意味着你不应该在业务的早期阶段建立自己的人工智能模型。一开始，你的首要任务应该是解决问题。内部构建自己的解决方案很可能只是一种效率较低的解决方法。
如何开始你的人工智能开发？
对现有的人工智能解决方案进行彻底研究
首先，你应该自己研究一下市场上现有的 AI 解决方案。我建议从最大的云供应商开始：AWS、Microsoft Azure和Google Cloud。它们都提供针对像你这样的人的服务。接下来，你应该研究其他公司提供的产品；OpenAI 和 Anthropic 就是其中的代表。你还可以研究开源模型，这些模型将使你更好地控制你的基础设施。
选择合适的工具和合适的人才
说到工具，抽象级别越高越好。如果你还不是某个特定工具的专家，那么在发展业务时你不会想成为专家。作为创始人，你会走上万事通的道路。
与此相关，你需要与人合作。如前所述，专注于特定技术的人可能目前不适合你。我建议寻找通才——了解市场需求并能够高效设置和运行端到端解决方案的人。一旦你知道自己的确切需求，就需要聘请专家。在这种情况下，我会寻找数据工程师，甚至是具有 AI 实施经验的熟练软件开发人员，而不是数据科学家。在我看来，即使是普通的 Web 开发人员也应该能够利用主要云供应商提供的服务。
专注于数据采集和管理
接下来是数据：数据采集工作至关重要，开发数据管道也是如此——这实际上是一项数据工程任务。您需要一个强大而可靠的数据基础设施，以确保高质量数据持续流入您的系统。这不仅涉及收集数据，还涉及清理、处理和存储数据，以便于训练和改进您的 AI 模型。如果没有数据，拥有一个出色的 AI 模型就像拥有一辆没有驾照的超级跑车。这有什么意义呢？数据的质量和相关性直接影响 AI 的性能，因此这是开发过程中的关键部分。
设计可扩展的 AI 系统架构
制定好数据采集策略后，下一步就是设计 AI 系统的架构。这包括概述数据如何在系统中流动、如何训练和部署模型以及用户如何与 AI 应用交互。请记住，简单是关键。您需要构建一个可扩展且可维护的系统，优先考虑功能而不是复杂性。
持续监控和优化你的人工智能系统
最后，持续监控和完善您的 AI 系统。创建 AI 算法不是一次性的努力，而是一个持续学习和改进的过程。利用用户的反馈进行调整，并随时了解 AI 市场的最新进展，以保持您的产品相关性和竞争力。
结论
总而言之，在 2024 年构建 AI 软件需要创新与现实的战略融合。AI 领域正在迅速发展，成功的关键在于明确的用例、强大的数据管理和切实可行的实施。无论您是使用现有的 AI 工具还是开发自己的工具，都要专注于为用户提供真正的价值。保持灵活性，不断学习，不断改进您的方法。如果您正在寻找一家AI 软件开发公司，请随时和我们联系
