
AI集成产品:利弊探讨与实践分析
随意将AI集成到产品中,可能弊大于利。专家们探讨了AI功能膨胀的常见错误,以及如何推动成功的试点项目。
尽管生成式AI在推进软件工程方面展现出了令人期待的成果,但将其融入终端用户应用则是另一回事。标有AI的功能在各种用户界面中层出不穷,但它们并非总是有帮助或实用。这些功能往往源于炒作,不仅会分散用户的注意力,甚至可能降低工作效率。Stack Overflow首席产品与技术官Jody Bailey表示:“许多人陷入了为追逐热度而添加AI功能的陷阱,而非为了解决实际的用户问题。其结果是功能脆弱,容易引入漏洞、造成安全隐患或扰乱工作流程。”
因此,终端用户对“无处不在的AI”开始产生反感。根据ZDNET - Aberdeen的研究,只有8%的美国人愿意为AI额外付费。随着对AI功能滥用的担忧日益增加,以及消费者的抵制情绪不断上升,《华尔街日报》报道称,企业在产品中推广AI时变得更加谨慎。数字产品工程公司R Systems的数据与AI副总裁Neeraj Abhyankar指出:“最严重的错误模式是在缺乏上下文的情况下到处使用AI。团队将聊天机器人或自动生成的内容生硬地添加到现有产品和工作流程中,结果非但没有提升用户体验,反而破坏了用户的操作流程。”像视频生成应用Sora的突然关闭,就凸显了市场上AI产品的脆弱性。此外,用户对AI生成内容的热情也在下降:SurveyMonkey的《2025年营销现状》报告显示,46%的用户不喜欢使用AI生成内容的公司,43%的用户购买这些公司产品的可能性更低。
那么,在软件产品或服务中添加AI是否真的值得呢?如果值得,又该如何正确操作?接下来,我们将与专家们一起探讨匆忙将AI集成到现有产品中的弊端,以及具有可衡量效益的成功案例,以区分有用的AI和只会添乱的AI。
将AI集成到现有产品中的错误模式
许多AI附加功能只是在助长炒作之风。统一云交付平台Infracodebase的创始人兼CEO Justin O’Connor表示:“最常见的错误模式是因炒作而非实际用户问题添加AI,这会导致开发出用户既不需要也不信任的功能。”当强制用户使用AI功能且没有备用方案时,尤其是这些功能无法带来明显益处时,用户会感到被困住。红帽公司的首席产品经理Brian Smith称:“最大的错误模式是在功能无法为用户明确提供价值时,强制用户使用AI功能。”例如,与主应用脱节的聊天体验特别容易分散用户的注意力。会议安排助手Clockwise(最近被Salesforce收购)的前CEO兼联合创始人Matt Martin表示:“当我正在Google Docs里打字时,谁会在意里面的聊天机器人呢?如果它不能优化核心工作流程,或提高核心投资回报率的效率、频率或影响力,那它有什么用呢?”
Stack Overflow的Bailey补充道:“在不明确用户意图的情况下构建产品,会导致工具看似令人印象深刻,但无法满足用户的实际需求。反过来,这些所谓的解决方案会削弱用户的信任,拖慢团队的进度,引发用户的不满,使平台的状况比引入AI之前更糟。”此外,团队很容易只关注炫酷技术的性能,而忽略了实际的用户行为。O’Connor指出:“团队过度关注模型质量指标,而忽视了产品的实际效果,导致功能在技术上很巧妙,但却没有实际用途。”在这种情况下,AI甚至可能并不适合当前的任务:Gartner报告指出,生成式AI项目失败的一个关键原因是业务价值不明确。网络安全公司AppOmni的AI总监Melissa Ruzzi解释说:“使用AI解决同一个问题可能比采用统计和数据科学方法花费更多的时间和金钱。”
云网络服务提供商Extreme Networks的AI工程主管兼欧洲、中东和非洲地区首席技术官Markus Nispel表示,AI项目的失败也常常与数据可访问性问题有关。他说:“由于特定领域的专业知识没有得到妥善整合,导致系统无法获取或理解所需的数据。”最后,团队往往低估了未来变更管理的需求。Infracodebase的O’Connor表示:“他们在推出AI时,没有重新考虑用户引导、文档或支持等方面,这会让用户感到困惑和恼火。”当随意添加AI时,负面后果可能会不断累积。往好里说,用户会对不必要的AI功能膨胀感到厌烦;往坏里说,过度的AI会导致用户失去信任、放弃使用相关功能,并增加支持工单的数量。
产品集成AI的最佳实践
在现有产品中添加AI功能时,有几种方法可以避免惹恼或疏远现有用户群体。首先,也是最重要的一点,要从用户的角度出发。可观测性平台Honeycomb的首席技术官Charity Majors表示:“要从‘我们的用户想要和需要什么’的角度出发进行构建,而不是‘我们能用AI做什么酷炫的事情’。”采用以用户为中心的方法意味着,即使没有AI,产品也应该能够正常使用,并且提供方便的退出选项,不强行要求用户提供反馈或评分。她补充道:“如果你主要是想在功能、产品或营销活动中贴上‘AI驱动’的标签,那就不要这么做了。仅仅因为有AI,并不意味着产品就会变得更好。”
此外,AI功能应该是可选的,而不是自动启用的。R Systems的Abhyankar说:“首先让用户选择加入,而不是选择退出。”这既尊重了用户的选择,也有助于开发者逐步测试AI功能推出的效果和性能。你还应该尽早收集用户的意见。Stack Overflow的Bailey表示:“尽早并频繁地与用户互动有助于避免失误。”这可以通过反馈循环、开放社区提示或A/B测试来实现。Bailey补充道:“逐步推出并给出清晰的解释,也能让用户在不感到突然进入一个陌生平台的情况下适应新功能。”
如果可能的话,在广泛推出之前,先确定具有早期采用者心态的用户。Clockwise的Martin表示:“先在小部分用户中进行测试推出效果很好,理想情况下,目标是那些对AI充满热情的早期采用者。如果过早让还没有准备好接受新技术的用户参与进来,你可能会疏远他们。”糟糕的用户体验是用户放弃应用和网站的主要原因。因此,要避免引入会造成摩擦或迫使用户采用新工作方式的AI功能。为了保持一致性,最好增强熟悉的控件,而不是直接替换它们。正如Abhyankar所说:“让AI起到辅助作用,而不是干扰作用,这是关键。”其他人也认为,逐步推出的功能应该与现有的工作流程紧密结合。O’Connor表示:“好的模式是让AI辅助功能处于后台,只在有用时出现,并且可以被忽略而不会产生不良影响。”他还补充说,应该为用户明确标识AI,在用户界面中设置清晰的边界和提示,以表明何时正在使用AI。
以用户为中心的AI功能推出案例
成功的AI功能添加通常是为了解决明确的问题,并且不会对用户的工作流程进行重大改变。那么,在现有应用中成功推出AI的案例有哪些呢?Stack Overflow的AI Assist就是将AI添加到现有平台的一个例子。它于2025年推出,通过由大语言模型(LLM)驱动、支持聊天的界面,帮助用户访问Stack Overflow的庞大知识库。用户评价称赞其以社区为中心的方法和透明度。Stack Overflow的Bailey表示:“我学到的最重要的一点是,AI功能必须根据用户的实际反馈进行改进。我们的社区一直都很积极参与,他们对AI集成的反馈非常重要。”
在企业用户方面,Clockwise的Martin以Superhuman为例,指出其自动分类和自动草稿等功能很实用。他说:“低摩擦,不是差异化的产品版本,只是为产品直接增加了价值。”生成式AI在低代码和无代码平台上也显示出了潜力,改善了公民开发和应用集成。通过将AI代理集成到CRM等系统中,IT领导者报告称,在金融、销售等工作流程中取得了显著的成效。在软件工程领域,集成到现有平台的代理与开发者的工作流程配合得很好,促使一些SaaS工具提供商从传统用户界面转向以AI为核心的设计。O’Connor解释说:“我们从一个传统的SaaS产品开始,然后在上面添加了AI。让我们惊讶的是,用户的行为改变得如此之快。他们更喜欢使用代理来解决问题,一旦习惯这种方式,就不再使用大部分传统的SaaS用户界面了。”
另一个体现可选性的例子是红帽企业Linux中由LLM驱动的命令行助手。它完全是可选的,工程师可以选择不安装。红帽的Smith补充说,团队还可以决定其部署方式,包括联网、离线或本地部署。
何时添加AI
2024年,华盛顿州立大学的研究人员发现,消费者不太愿意购买产品描述中使用“人工智能”一词的产品,原因是他们对产品的情感信任度降低。软件工程领域也存在类似的怀疑态度。例如,根据2025年Stack Overflow Pulse调查,虽然一半的开发者现在每天都使用AI工具,但79%的人表示他们不打算在部署中使用AI。考虑到用户采用情况的不确定性,产品经理应该如何判断添加AI功能是否值得呢?专家们表示,这取决于以产品为中心的原则。Martin说:“仅仅在产品上贴上AI的标签,期望这个新事物能吸引优质用户,这种做法是行不通的。你必须回归到现有的产品基础上。”
积极投资回报率的明确信号包括持续使用、用户的积极反馈、随着时间推移不断增加的采用率以及高质量的输出。选择AI驱动功能而非其他工作流程的用户比例也是一个关键指标。更具体的指标包括节省的任务时间、更高的任务完成率、更少的工作步骤以及根据用户评价提高的输出质量。相反,高退出率、支持工单增加、用户投诉增多以及通过用户反馈或AI交互捕捉到的负面情绪都是警告信号。也许最强烈的信号是用户甚至没有注意到AI的存在。Honeycomb的Majors补充道:“糟糕的情况是,客户讨厌它,工程师也对此嗤之以鼻;好的情况是,客户忘记或没有意识到这是AI。你知道谷歌的垃圾邮件过滤器都是由AI驱动的吗?”
用AI解决实际问题
用户会迅速忽略那些他们永远不会使用的AI功能弹窗,但会欣然接受那些真正能节省时间的功能。这些功能超越了炒作,有一个共同点:它们能解决实际问题。Extreme Networks的Nispel表示:“能够实现有意义投资回报率的组织,是那些不把AI视为模糊的愿景,而是将其作为一系列有针对性、快速部署、专注于解决实际用户问题的AI驱动工作流程的组织。如果不遵循这个模式,就会导致AI试点项目停滞不前,无法实现投资回报率。”
723



被折叠的 条评论
为什么被折叠?



