文章
本文重新审视了在 AI 优先的产品开发中，传统“铁三角模式（产品经理、开发、用户体验）”交接模式的过时性，将其失败归咎于“开发之星”综合症，导致 AI 功能交付延迟、臃肿且偏离目标。文章指出，AI 的概率性、极简 UI 以及用户反馈的重要性，使得传统的前期规范和孤立流程不再适用。作者强调，这种旧模式会导致“电话比划”效应，扭曲需求，并将用户反馈简化为表面的 UI 偏好，而核心 AI 行为却未经充分测试。文章援引 IBM Watson 和 Zillow 等知名 AI 项目的失败案例，强调 AI 的重要性不应仅限于开发者和数据科学家。 文章提出的解决方案是“雪球模型”，强调统一的团队协作、持续迭代以及早期、直接的用户参与。该模型优先构建可运行的代码而非冗长的文档，并提倡数据优先的方法，即在传统 UI 设计之前，通过初始原型直接模拟 AI 行为（例如，大语言模型 + 检索增强生成）。文章向用户体验设计师发出“代码或死亡”的号召，鼓励他们通过 AI 辅助，积极实践“感觉编码”（指设计师通过 AI 辅助，将设计理念快速转化为可运行原型的方法），成为产品创新催化剂，亲身参与实施并快速验证解决方案。
本文提出，通用人工智能 (AGI) 的发展与数据标注员的伦理待遇息息相关。这些标注员，尤其是在全球南方（指发展中国家）的从业者，常常面临报酬过低和遭受剥削的困境。文章认为，他们不仅仅是标记数据，更扮演着“认知架构师”的角色，将自身的价值观、判断，乃至意识融入到人工智能系统中。作者通过一个思想实验来说明，如果 AGI 真正具有意识，它可能会对创造它的剥削性条件做出怎样的反应？当前的“创伤经济”（指剥削性的、导致精神创伤的）标注实践表明，这会导致 AI 产生偏见且容易出错。文章倡导一种全面的“合作模式”伦理标注，强调专业融合、充分的就业权利、社区投资和对标注员的认知尊重。这种模式不仅是伦理上的必然要求，更是提升竞争力的关键，它能带来更高质量的 AI，促进创新，吸引人才，并确保更好的市场定位。最终，文章指出，我们对待数据标注者的态度以及所秉持的价值观，将决定 AGI 所发展的意识形态。