操盘手年鉴The Operators’ Almanac
AI · PB · 169

拟真 AI 原型验证法

MVP Fake AI With Prototype · mvp-fake-ai-with-prototype--marily-nika
AI 与新工作方式 操作手册 过渡期 2023-02 Marily Nika ✓ 已核验出处
所属簇 原型驱动开发

解决什么问题

早期创业者/团队想验证一个"未来会用到 AI"的产品想法时,该不该现在就投入训练真实模型;避免把宝贵的数据科学家时间浪费在还没验证市场需求的方向上。

核心内容

她给早期创业者的明确建议是:做 MVP 阶段完全不要用真实 AI/训练模型("Don't do it for your MVP. It makes zero sense.")。如果目标只是验证一个想法或功能(哪怕它未来会依赖 AI)是否有市场、能不能拿到内部/外部的 buy-in,正确做法是:做一个 Figma 原型,伪造(fake)AI 会输出的结果,拿去给真实用户看,观察反馈。真正需要投入数据科学家、动用需要跑数周的强力机器去训练模型的时机,是在已经验证了需求、且确认"自己已经有相关数据,或者能从相邻产品线借用数据"之后。

她反复强调这条建议的现实背景:她被很多早期创业者问"要不要训练一个模型来证明市场存在",她的答案始终是不要——用 AI 的前提是你已经有能支撑训练的数据积累(自己产品的数据,或相邻产品线可迁移的数据),而不是为了造一个 demo 去现训模型。

适用边界

这条建议针对的是"验证阶段"(MVP、市场验证),一旦已经验证了需求、且有数据基础,就应该进入真实的模型训练和产品化阶段;不适用于那些"AI 能力本身就是核心卖点、必须让用户体验到真实模型效果"的场景(此时伪造演示可能无法有效验证真实需求)。

关键引述 · 原话

"Do not waste time of data scientists that can train models with using powerful machines that are going take weeks to train... take it, create a little figma prototype and just show it some users, just fake what the AI is going to be doing." — Marily Nika

关联卡片

与 ai-adoption-working-backwards-from-problem--inbal-shani 同属"先验证问题、再投入 AI 工程资源"的方法论,这张卡是 MVP 阶段的具体执行手法。

被这些卡引用

出处Marily Nika (前 Meta/Google 产品负责人, AI PM 课程讲师) · 03-podcasts/marily-nika.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2