𝗔𝗜 𝗠𝗩𝗣 𝘃𝘀 𝗣𝗼𝗖: 妳应该先构建哪一个？
PoC 证明 AI 是可行的。MVP 证明人们需要这个产品。先构建错误的东西会浪费数月时间。
使用这个“一句话测试”。 问问自己：我不确定这是否可行，还是不确定是否有人想要它？
如果你不确定这是否可行，那就构建一个 PoC。 如果你无法在 10 秒内回答这个问题，说明你并不了解自己的风险。
如果符合以下情况，请先构建 PoC：
- 你还没有在实际数据上测试模型的准确率。
- 任务涉及 AI 的弱点，例如杂乱的文档或复杂的推理。
- 你不知道大规模应用时的成本或延迟。
- 你需要在 RAG、fine-tuning 或专用模型之间做出选择。
- 在使用真实用户之前，监管机构或专家要求提供准确率数据。
PoC 只需要一个脚本和几百个真实样本。它只需要一个准确率或成本数据。先不要构建 UI 或编写整洁的代码。
如果符合以下情况，请跳过 PoC 直接进入 MVP 阶段：
- AI 能力已经非常成熟。
- 风险在于工具如何融入工作流。
- 你或竞争对手已经证明了该能力是可行的。
- 快速进入市场是你的主要目标。
示例：AI 客服工单分类。 PoC：使用不同的 prompts 运行 300 个旧工单。将结果与人工分类的结果进行对比。如果准确率低，立即停止。这样你就节省了数月的工作量。 MVP：将验证过的模型连接到 Zendesk。为代理人员添加一个简单的按钮，用于确认或覆盖 AI 的处理结果。
避免这 3 个错误：
- PoC 蔓延 (PoC Creep)：不要让一个杂乱的脚本变成你的生产环境后端。在转向 MVP 时请重写它。
- MVP 否认 (MVP Denial)：在检查模型是否有效之前，不要构建完整的产品。
- PoC 演戏 (PoC Theater)：不要在干净的数据上进行测试。要在杂乱的真实世界数据上进行测试。
如果最大的未知因素是模型，请先构建 PoC。要做到快速且易于弃用。
Source: https://dev.to/ciphernutz/ai-mvp-vs-poc-which-one-should-you-build-first-m14
Optional learning community: https://t.me/GyaanSetuAi