由 dawei
面向MVP的思维对于任何类型的系统都非常重要，AI也不例外，无论该技术看起来多么令人兴奋。用户可以采用一种MVP的AI产品，而无需花费大量时间或金钱，并且可以通过早期客户的反馈加以改进。就AI产品来说，其MVP产品也有一些特殊要求和特点。
文章作者Thomas H. Davenport是巴布森学院（Babson College）总统的信息技术与管理学杰出教授，牛津大学赛德商学院的客座教授，麻省理工学院数字经济倡议的研究员，德勤（Deloitte）人工智能分析实践方面的高级顾问，还是Glasswing Ventures的顾问。Rudina Seseri是Glasswing Ventures的创始人和管理合伙人，领导该公司从事AI企业软件即服务，云，IT软件和垂直市场的投资。
什么是最小可行性产品（MVP，Minimum Viable Product）？
MVP最初由技术专家Frank Robinson定义，也是 Eric Ries 在《精益创业》的核心思想，意思是用最快、最简明的方式建立一个可用的产品原型，通过这个最简单的原型来测试产品是否符合市场预期，并通过不断的快速迭代来修正产品，最终适应市场需求。
简单说，做新产品不要一开始就追求「尽善尽美」，先花最小代价做出「可用」的产品原型，验证其是否有价值、是否可行，再通过迭代完善细节。
那么，MVP的概念对AI意味着什么？这个问题不仅与初创企业有关，而且与大型企业有关。许多公司正在其业务的不同领域开发AI试点项目，他们希望这些试点项目展示AI的潜在价值并最终走向规模化部署。大型组织的MVP概念与试验或概念证明，有很多相似之处。