专栏 | 产品经理思维：谈AI 时代的智能服务管理(11)_：专栏|产品经理思维：谈AI时代的智能

技术实力的确是落地的核心基础，但发展到一定规模后，产品运营、后端资源、服务能力会成为商业化成功的关键。即便是拥有超强算法能力的 AI 巨头，也没有精力做好每个细分领域的产品。各种算法模型从实验阶段到工程化、产品化、规模化交付再到口碑运营，中间有太长的路要走。

3、如何快速验证一款深度学习产品的水平？

任何厂商都可以对外宣称自己拥有某项 AI 技术，但产品的落地依托于真实的投入与沉淀。很多客户都没意识到这一点，也很难分辨出厂商之间的真正差距在哪里。其实到底有没有，拉出来遛一遛就知道了。

分享个小技巧：让厂商实际操作数据标注、模型训练和模型调用的流程，证明自己有基于深度学习的智能运维工具。然后看这套工具是否跟产品系统融合统一，给到用户的交互界面是否友好。如果这些都满足，就说明产品相对成熟，技术也差不到哪里去。

4、深度学习 or 专家系统？

现在有很多 AI 厂商过度渲染深度学习的优势，也有更多专家系统的厂商攻击深度学习冷启动周期的弊端，其实这些都是有局限性的无意义对比。比如智能管理场景的最优方案，就是通过专家系统+深度学习的多维算子叠加来实现。并不绝对依赖于某一种技术，同时也能确保运维的效率。鼓吹其中的任何一种，都是产品不成熟的表现。