解读

面试官想考察三件事：

1. 能否把“商业价值假设”拆成可量化指标（付费意愿、留存、GMV、成本节省等）；
2. 能否在算法尚未100%成熟、数据尚不充分的阶段，用最小代价跑出可信信号；
3. 是否熟悉国内落地环境：数据合规（《个人信息保护法》）、算力成本、微信/抖音/企微等生态快速触客渠道。

回答必须体现“AI 特殊性”：模型效果=天花板，数据闭环=生命线，而传统 MVP 的“按钮级”假跳转无法验证算法价值。因此，MVP 既要“简单”，又要“包含真实模型+真实数据+真实付费场景”，否则结论不可信。

知识点

1. 商业价值假设三要素：用户愿意用（行为）、愿意付费（收入）、成本打得住（利润）。
2. AI MVP 设计四件套：
   ① 数据切片——用 20% 数据覆盖 80% 场景；
   ② 模型低保真——轻量预训练+小样本微调，不求 F1>95%，只求比规则基线+10%；
   ③ 人工回环——Shadow Mode 或 Human-in-the-loop，兜底体验；
   ④ 指标对冲——同时看“业务北极星指标”与“模型指标”，防止模型涨点业务不涨。
3. 国内快速触客三板斧：企业微信社群、抖音直播间小雪花、微信小程序交易组件，可 48 小时内完成付费闭环。
4. 合规红线：训练数据若含用户人脸/语音，须获得“单独同意”，MVP 阶段优先使用公开脱敏数据或模拟数据。
5. 技术债务日历：提前约定“若 4 周内模型召回低于 70%，则终止项目”，防止无限迭代。

答案

我常用的“7 天 AI-MVP 模板”分为五步，可直接套在面试官给出的场景里演练：

1. 假设拆解（第 0 天）
   把“商业价值假设”写成一句可证伪的量化陈述：
   “在美妆电商客服场景，AI 智能推荐口红色号的回复，可使下单转化率从 8% 提升到 ≥10%，且每百次对话的算力成本 ≤0.6 元。”
   同时定义“失败线”：若转化率提升 <1% 或成本 >1 元，则判定假设不成立。

2. 数据切片（第 1 天）
   从企业微信历史 30 万条客服对话中，用规则快速捞取含“口红/色号”关键词的 5 千条；人工标注 500 条“用户真实色号需求”作为黄金测试集；其余 4.5 千条做微调训练集。——仅覆盖 Top 20 热卖色号，降低长尾噪声。

3. 模型低保真（第 2–3 天）
   选用 1.1 B 参数中文 CLIP 轻量版，冻结图像塔，仅用 QLoRA 在 4.5 千条文本侧微调 2 个 epoch，单机 3080 显卡 6 小时完成。线上用 ONNX 量化，单次推理 80 ms，成本 0.003 元/次。

4. 影子模式+付费按钮（第 4–5 天）
   在真实客服侧上线 Shadow Mode：AI 推荐结果仅客服内部可见，客服可选择“采用/忽略”，系统记录“采纳率”；同时在前端对 20% 用户弹出“AI 帮你选色号”小程序卡片，点击后跳转京东联盟购买页，成交即回传 GMV。——既验证体验，又验证付费。

5. 决策看板（第 6–7 天）
   每日自动汇总三条曲线：
   ① 模型指标：Top-3 命中率、召回；
   ② 业务指标：采纳率、转化率、GMV、笔单价；
   ③ 成本指标：每百次对话云费用、人工标注费用。
   若连续 3 天转化率提升 ≥1% 且成本达标，则升级 MVP 为正式功能；若未达标，拉齐算法与业务复盘，决定“调模型”或“Kill”。

该模板 7 天内即可给出“Go/No-go”信号，投入资源 ≤2 人周+500 元云券，符合国内快节奏试错环境。

拓展思考

1. 当算法效果天花板肉眼可见（如命中率 45% 再也涨不上去），但业务指标已达标，是否继续追加标注预算？——应转向“产品规则兜底+运营话术”而非盲目追模型，体现 ROI 思维。
2. 若 MVP 面向 B 端付费软件，无法快速拿到大量真实数据，可用“模拟数据+客户共创”模式：让客户上传 200 条样本，签署数据使用协议，模型训练后现场演示，客户当场给出是否 PO 的意向书，把“付费意愿”提前锁定。
3. 国内监管趋严，MVP 阶段务必把“数据合规声明”嵌入用户交互流程，否则即使验证成功，后续正式版也可能因合规整改推倒重来。