从想法到增长的循证框架与工具 · 产品研发
你的待开发功能清单不是许愿池

现在,大概是AI创业者最兴奋也最焦虑的时刻。
你看着屏幕,眼前尽是近期爆发式增长的AI工具和模型,只需几个API调用,似乎就能构建出全知全能的智能体。
每天都有新的论文发布,每小时都有新的开源模型刷新榜单。你的脑海里充满了“如果……那该多好”的各种念头:如果能把这个最新的多模态功能加进去,如果能做一个自动生成周报的Agent,如果能复刻那个刚在Hugging Face上刷屏的语音克隆功能。
这听起来充满了无限可能,对吧?
可现实往往是另一番景象。
产品上线后,预期的客户蜂拥而至并没有发生,反而是天外飞星般的反馈让你手忙脚乱。
有的人抱怨引导流程太复杂,有的嫌弃定价太高,还有的吵着要一个你压根没想过的团队协作功能。
这种混乱让你感到窒息,恐慌情绪开始蔓延,你觉得每一条反馈都至关重要,每一个新出的技术都必须跟进。
于是,你陷入了一个典型的研发僵局。
想修的东西太多,想做的功能太杂,而手头的资源却少得可怜。
最终,你可能会凭着直觉,或者仅仅是为了安抚那些叫得最响的客户,花费两周时间去开发一个后来才知道其实并不重要的功能。
这篇文章不谈代码,不谈模型架构,我们来谈谈如何在这个充满噪音的世界里,找回你的清醒。
这不仅仅是一个关于“做什么”的问题,更是一个关于“不做什么”的判断。
为什么直觉在AI时代是最大的陷阱
很多时候,初创公司的难题被单纯地归结为“产品问题”,仿佛只要产品再多一个功能,再优化一下准确率,市场就会买单。
遗憾的是,这通常是一个误判。
真正的瓶颈,在于功能研发的优先级确立。
在资源极其有限的情况下,把时间花在错误的事情上,是初创公司最昂贵的自杀方式。
特别是对于AI创业者而言,诱惑实在是太大了。
传统的软件开发可能还有明确的边界,但在AI领域,技术的边界每天都在扩张。
你很容易陷入一种“拿着锤子找钉子”的狂热中,仅仅因为新的模型能够做到某件事,比如写诗或者模仿名人说话,你就觉得这一定是一个必须要做的功能。
这种思维模式导致了大量的资源浪费。
你可能为了一个“看起来很酷”的AI功能投入了数月的研发,最后却发现客户根本不愿意为此多付一分钱。
为了避免这种凭借直觉或技术狂热做决策的悲剧,我们需要引入一套更冷酷、更可量化的决策框架。
RICE:给你的决策过程穿上防弹衣
Intercom 团队曾经推广过一个非常经典的优先级框架,叫做 RICE。
这四个字母分别代表了评估一个项目投资回报率(ROI)的四个基石:Reach(覆盖范围)、Impact(影响价值)、Confidence(信心指数)和 Effort(投入成本)。
它的核心公式简单得令人发指:(Reach × Impact× Confidence) ÷ Effort。
覆盖范围问的是广度(有多少用户会触及它?)
影响价值问的是深度(它能给每个用户带来多少实实在在的好处?)
信心指数是对前面估算的诚实拷问(我们有多确定这些猜想是真的?)
投入成本则是现实的约束(我们需要付出多少时间和金钱?)
最后,用一个简单的公式将四者结合起来,得到一个可以比较的分数。
这个分数的绝对数值没有意义,它的全部意义在于比较。
它迫使你将所有候选项目放在同一个天平上称量,用相对分数的高低来决定行动的先后顺序。
这套方法的精神内核是“相对评估”和“价值量化”,它把讨论从“我觉得哪个更重要”的 主观争论,拉到了“让我们看看数字怎么说”的客观分析层面。
对于容易被技术细节淹没的AI团队来说,这种思维转换至关重要。
这个公式得出的分数本身并没有绝对的物理意义,你不需要纠结这个分数是100还是1000。它的价值在于“相对排序”。
通过计算,你可以把手中那20个看似都很紧急的功能排列在桌面上,一眼就能看出哪些是真正的金矿,哪些只是镀金的废铁。
也许你会说,这听起来像是大公司的官僚流程。
但在极度不确定的初创环境下,这恰恰是保护你注意力的防盾。
它强制你把每一个“我觉得这功能不错”的模糊想法,拆解成四个必须回答的拷问。
别被精确度骗了:费米估算的妙用
即使有了RICE框架,很多团队还是会在量化排序的执行层面卡壳。
因为他们试图追求不可能存在的“精确度”。大家会为了一个功能到底需要3天还是5天开发时间争论不休,或者为了覆盖人数是500还是600而纠结。
这时候,我们需要引入物理学家恩里科·费米(Enrico Fermi)的智慧。
费米估算的核心在于使用“数量级”的概念替代绝对精确的数值。
在初创公司做决策,我们不需要精确到小数点后两位的准确,我们需要的是“模糊的正确”。
为了让RICE真正跑起来,我们必须制定一套基于数量级的评分标准,强制团队做出选择,而不是陷入细节的泥潭。
对于Reach(覆盖范围),我们采用 10 的幂次方。
你只能选择1、10、100、1,000 或者10,000。
这意味着,如果一个功能影响大概450人,你就把它归入100或1,000的档位,不要纠结于450这个数字。
这能极大地加快评估速度。
对于Impact(影响价值),同样采用指数级标尺。
你可以用每位客户的潜在贡献价值来衡量,比如$100、$1,000或者$10,000。
这迫使你去思考这个功能仅仅是锦上添花(低价值),还是能直接驱动客户掏腰包(高价值)?
对于Confidence(信心指数),请忘掉 100% 这个选项。
在充满变数的商业世界里,没有什么事情是绝对确定的。
只给自己三个选项:20%(纯粹的直觉或猜测)、50%(有一些迹象或轶事证据)、80%(有确凿的数据支持)。
这会让你诚实地面对自己的假设。
最后是Effort(投入成本),这是控制成本的闸门。
我们只设定四个档位:2 小时、2 天、2 周、2 个月。
这是一个非常重要的约束条件。
用Impact(影响价值)对抗技术狂热
在AI创业的语境下,重新审视Impact(影响价值)这个指标,从循证创业的角度来说显得尤为关键。
我们经常看到这样的场景:技术团队兴奋地跑来说,“OpenAI发布了新的API,我们可以让AI自动分析PDF文档了!”于是整个团队立刻投入开发。
但这时候,你最需要停下来问一句:这个功能的 Impact是什么?
Impact不是指这个功能有多先进,也不是指它在技术圈能获得多少点赞。
在RICE框架里,Impact必须被冷酷地翻译成商业语言,即客户愿意为此支付多少溢价?或者,它能为客户节省多少可量化为价值的时间?
如果通过计算发现,虽然这个PDF分析功能很酷,但客户只愿意为此每月多付5美元,而你的API调用成本却高达3美元,那么这个项目的Impact其实是非常低的。
循证创业的认知要求我们将“AI能力”仅仅视为一种假设,而不是资产。
在你写下第一行代码或者开始微调模型之前,你能不能先用一个简单的预售页面,或者人工模拟的方式,来测试一下客户是否真的渴望这个价值?
如果预估的Impact无法支撑你的商业模式,那么即便技术再先进,哪怕它是明日头条,在RICE的排序表上也应该被无情地划掉。
用Effort(投入成本)堵上AI研发的“时间黑洞”
Effort(投入成本)的估算,在AI项目中往往是最容易失控的。
在传统认知的软件工程研发工作中,功能往往是二元的:要么做好了,要么没做好。
但在AI创业里,效果是概率性的。
你可能花了两天时间写了一个Prompt,效果还不错,但为了追求那最后 5% 的准确率提升,你可能不知不觉又陷进去了两个星期,甚至两个月。
要知道Prompt的调试可能无休止,RAG(检索增强生成)的准确率提升往往面临边际效应递减。
这就是为什么我们需要严格执行费米估算中的“2 周”原则。
如果一个AI功能无法在“2 周”内,通过调用现有的API或者开源模型构建出一个最小可行性原型(MVP),那么对于现阶段的初创公司来说,它就是过于复杂了。
你应该强制用这个估算标准来为技术投入“封顶”。
这不仅仅是为了省钱,更是为了倒逼团队寻找捷径。
与其花几个月去训练自有模型,不如先用提示工程(Prompt Engineering)验证需求。
与其追求完美的99%准确率,不如先看看80%的准确率下客户是否买单。
费米估算为AI项目和大多数的初创技术研发边界设定了一条硬性的止损线,迫使你在有限的时间窗口内交付可测试的价值,而不是沉迷于在实验室里雕琢完美的模型。
用Confidence(信心指数)区分“技术乐观”与“需求证据”
这是最刺耳,但也最必要的一部分建议。
Confidence(信心指数)的评分,往往是创始人最容易自我欺骗的地方。
在AI圈子,炒作(Hype)无处不在。很多创业者会把“模型在基准测试(Benchmark)上的高分”误认为是“产品在市场上的成功概率”。
“看!那篇论文说这个架构在推理任务上超越了 GPT-4!”这确实令人振奋,但在RICE框架里,这只能给你带来 20% 的信心指数。
为什么?因为技术可行性完全不等于市场可行性。
循证创业要求我们建立一个严格的证据层级。
如果你只是阅读了论文,或者看到了竞争对手在做,这只是“猜想”,信心指数只能打 20%。
如果你的Demo让几个试用者发出了惊叹,这叫“轶事”,信心指数勉强可以给 50%。
只有当你看到了真实场景下的客户行为数据,看到客户在你的原型产品中留存下来,并且产生了持续的Token消耗,甚至付费,这才是真正的“证据”,这时候你才有资格打出 80% 的信心分。
这种评分机制会带来一个有趣的现象,很多纯技术驱动的炫酷功能,因为缺乏市场验证数据,信心分会被压得很低,导致它们的RICE总分下降,从而在开发列表中排在后面。
这正是循证逻辑想要的结果。
它会倒逼团队先去进行低成本的需求验证,比如发冷测试、做着陆页测试,而不是盲目自信地投入昂贵的算力资源。
像“客户保姆”一样去验证
说了这么多,具体该怎么做?
核心在于将“假设测试”前置于“模型构建”。
在传统的开发流程里,我们习惯先开发再测试。
但在AI时代,考虑到模型训练和调优的昂贵成本,这个顺序必须反过来。
正确的姿势是什么?
你应该做一个“人工后台回复”的假门(Fake Door)或者全人工服务(Concierge MVP)。
在这个阶段,你不需要真的有一个全自动的AI在后台运行。
举个例子,假设你的创业点子是一个“AI法律顾问”。
按照传统的思维,你会先花几个月去收集法律文书,微调一个法律大模型,然后封装成产品。但按照RICE和循证创业的逻辑,你完全不需要这么做。
你可以先搭建一个简单的聊天界面,后台坐着的不是AI,而是你或者你请来的法律系学生。当客户提问时,你们人工撰写回复。
通过这种方式,你可以立刻测试Reach(到底有多少人真的有法律咨询需求)和Impact(客户对这种形式的答案满意度如何,愿意付多少钱)。
如果在这种人工精心服务的情况下,客户的反应都平平淡淡,那么再强大的AI模型也无法拯救这个项目。
无论在AI时代前还是现在,代码和产品的测试永远是验证商业模式假设最昂贵的方式。
在确定RICE分数足够高之前,应尽可能用非技术手段(Non-technical hacks)来模拟功能。
从“建造者”到“验证者”的蜕变
RICE框架配合费米估算,看起来是一套数学工具,其实它是一套心理治疗方案。
它治疗的是AI创业者的“建造强迫症”。
作为AI时代的创业者,我们比过去更容易爱上自己的技术,太容易被新奇的模型能力所吸引。
但请记住你的待开发功能清单不是一个许愿池,不可以往里面随便扔硬币期待奇迹发生。
它应该是一个经过严密计算ROI的投资组合。
你会发现,当你开始使用这套方法论时,你不再是一个焦虑地想要抓住每一个技术浪潮的“建造者”,而变成了一个冷静的“验证者”。
你不再因为错过了一个新模型而恐慌,因为你知道,只有经过RICE筛选并被需求证据支撑的功能,才值得你投入宝贵的生命和资源。
想知道你的研发团队现在的状况吗?
不妨现在就拿出一张纸,列出你最想做的三个功能,试着用费米估算给它们打个RICE分数。
结果可能会让你大吃一惊。
本文首发于麟朗创兴公众号
读到这里,想知道自己的项目卡在哪一步? 做一次十来分钟的初诊 →
十来分钟,一个问题一个问题地问,最后给你一份初诊报告。
