做AI产品,先读失败案例 — 从已停止的公司中提炼原因句(1)

一谈到用AI做新产品或新服务,大家往往先去找成功案例。但真正能用于设计的信息,更多留在那些先尝试过又放弃的公司身上。本文结合RAND报告列出的AI项目失败五大原因,以及IBM Watson for Oncology、Zillow Offers、Humane AI Pin和韩国AI数字教科书等案例,整理了把失败转化为一句话原因的方法。

AXAI转型失败分析产品规划

先问一问:有没有公司已经尝试过这个想法? 如果有,那家公司为什么放弃,就是我们设计的第一页。

“这个应该还没人做过”

在新业务会议上,一旦有人提出AI点子,气氛很快就会热起来。拍张照片就能自动判定的应用,代替人工接待咨询的聊天机器人,提前预测价格的推荐引擎。演示版一天就能做出来。然后有人会说:“这个应该还没人做过。”

大多数时候,其实已经有人做过,只是悄悄停掉了。成功的服务会以新闻稿和获奖记录的形式留下来,停掉的服务则随着一行公告消失。搜索结果里只有成功案例,原因就在这里。

因此,我们在AI产品规划咨询中建议调换一个顺序:在寻找成功案例之前,先收集那些尝试过又放弃的案例。成功案例告诉你“能做到”,放弃的案例告诉你“会在哪里崩溃”。设计需要的是后者。

失败并不罕见,罕见的是记录

先看看AI项目失败得有多频繁。美国智库RAND在2024年发布的报告引用了AI项目失败率超过80%的估算,并指出这是不涉及AI的IT项目失败率的两倍。研究团队访谈了65名拥有5年以上经验的数据科学家和工程师,归纳出失败的五个根本原因。最常见的原因不在技术,而在理解和传达问题的阶段。

RAND列出的AI项目失败五个根本原因。最常见的是误解或错误传达要解决的问题,其次是缺乏训练数据、更关注最新技术而非用户问题、缺乏管理数据和部署模型的基础设施、把AI用在它难以解决的问题上。
AI项目失败的五个根本原因。来源:RAND, 2024

这五条看起来像是别人公司的事,但把真正停掉的服务逐一拆开来看,几乎每个案例都至少踩中了其中一条。关键在于,我们是在动手之前知道,还是在做完之后才知道。

做完之后才发现的过程,我们在失败的AI项目一文中分五个阶段整理过。本文讨论的是更前面的一步:在还什么都没做的时候应该做什么。

原则1. 把失败变成“原因句”

只是收集案例,不过是多了些读物。只有针对每个案例用一句话写下“为什么停掉”,才能用于设计。来看两个例子。

IBM Watson for Oncology。2018年,美国医疗专业媒体STAT获得的IBM内部文件显示,公司内部专家和客户多次发现这套癌症治疗推荐系统给出了“不安全且不正确的治疗建议”。文件把原因指向训练方式:它不是用真实患者数据,而是用少量虚拟病例训练的,推荐结果依赖的是每种癌症少数专家的判断,而非诊疗指南或证据。概括成原因句就是:“训练素材不是一线真实数据。”

Zillow Offers。美国房地产平台Zillow曾经用算法预测房价并直接买卖房屋,2021年11月终止了这项业务。根据Zillow的第三季度业绩公告,由于以高于预期售价的价格买入房屋,仅该季度就计提了约3亿400万美元的存货减值,并决定裁减约25%的员工。原因句是:“预测误差直接由公司资产承担的结构。”任何模型的预测都会有些偏差,而Zillow把业务设计成了偏差直接变成存货损失的样子。

写下这样的原因句,就能马上向我们的企划书提问:我们模型的训练素材是一线真实数据吗?在我们的业务里,预测出错时成本由谁承担?

把已停止的案例概括为一句话原因,再把这句话变成向我们企划书提出的问题的流程。Watson for Oncology概括为训练素材不是一线真实数据,Zillow Offers概括为预测误差由公司资产承担的结构。
从案例到原因句,从原因句到企划书的问题。来源:STAT, 2018、Zillow Group, 2021

原则2. 不在技术里,而在“使用场景”里找崩溃点

很多停掉的产品,并不是技术完全不能用,而是没能融入使用者的日常。

Humane AI Pin。以“用别在衣服上的AI设备取代智能手机”为目标的初创公司Humane,从投资者那里募集了2亿3,000万美元。但据《财富》报道,2025年2月HP以1亿1,600万美元收购了该公司,已售出的设备从2月28日起无法正常使用。一位知名科技评测人以速度、稳定性和续航为由,称它是自己评测过的最差产品之一。它其实是一台把智能手机已经能做的事做得更不方便的设备。

AI数字教科书。韩国从2025学年第一学期起,在部分年级的英语、数学和信息课上引入了AI数字教科书。但据《京乡新闻》报道(韩语),采用率只有约33%,实际访问率不到10%,教师团体也接连批评在没有试用期的情况下仓促推行。最终,2025年8月4日韩国国会全体会议通过了《初中等教育法》修正案,把AI数字教科书从“教科书”改为“教育资料”。概括成原因句就是:“在使用者充分试用之前,就先决定了全面推行。”

这两个案例都属于RAND报告中的第三个原因,即把技术放在用户真实问题之前。阅读失败案例时,与其问“这项技术成功了吗”,不如找出并写下“谁、在什么时候、在什么时刻想用它”。如果那个场景和我们产品的使用场景重叠,我们很可能会在同一个地方摔倒。

如何收集原因句

这类原因句收集到10到20个案例时,共同的薄弱点就会开始显现。收集方法很简单。

  • 用与我们想法类似的产品名称,加上“停止服务”“退出”“shut down”“discontinued”等词搜索。
  • 优先使用公司自己发布的停服公告、业绩公告、监管机构资料等一手来源。找不到出处的原因不要写。
  • 每个案例并排写下何时开始、何时停止、公司公开的原因和外部分析的原因,最后一行写一个原因句。

把本文看到的四个案例按这种方式整理如下。

案例时间已知原因原因句
IBM Watson for Oncology2018年内部文件曝光用少量虚拟病例训练,依赖少数专家判断训练素材不是一线真实数据
Zillow Offers2021年11月宣布终止业务以高于预期售价买入房屋,季度存货减值约3亿400万美元预测误差直接由公司资产承担的结构
Humane AI Pin2025年2月被HP收购,设备停止运行速度、稳定性、续航饱受批评把智能手机已经能做的事做得更不方便
AI数字教科书(韩国)2025年8月改为教育资料采用率约33%,访问率不到10%,没有试用期就推行在使用者充分试用之前,就先决定了全面推行

借助AI搜索工具,收集和整理半天就能完成。但哪个理由才是真正的原因,这个判断必须由人来做。开工前需要一并检查的其他问题,我们整理在AI导入前检查清单里。

总结

大多数AI产品的点子并不新。可以是新的,是知道前人在哪里摔倒、并绕开那些地方的设计。第一步是收集停掉的案例,把每个案例的原因概括成一句话,并在使用场景而不是技术里寻找崩溃点。

下一篇将介绍如何把收集到的原因句落实到设计表和事前验尸会议中。


连载“做AI产品,先读失败案例”
  1. 从已停止的公司中提炼原因句(本文)
  2. 用改进清单和事前验尸来设计

参考资料