📢 转载信息
原文作者：MIT Technology Review Insights
人工智能的影响远远超出了数字世界，深入到我们日常生活的方方面面，涵盖我们驾驶的汽车、家中的电器以及维持生命的医疗设备。越来越多的产品工程师转向人工智能，以增强、验证和优化我们周围世界的物品设计。
人工智能在产品工程中的应用遵循着一种严谨而实用的轨迹。根据我们的调查，绝大多数工程组织都在增加对人工智能的投资，但他们正以一种审慎的方式进行。这种方法反映了产品工程师的典型优先级。错误会带来具体的后果，远远超出抽象的担忧，从结构性故障到安全召回，甚至可能危及生命。核心挑战在于在不损害产品完整性的前提下实现人工智能的价值。
本报告基于对300名受访者进行的一项调查以及对高级技术主管和其他专家的深入访谈数据，探讨了产品工程团队如何扩展人工智能的应用，哪些因素限制了更广泛的应用，以及哪些具体能力正在塑造当今和未来的应用，并带来了实际的或潜在的可衡量成果。
研究的主要发现包括：
在输出是物理的且风险很高的情况下，验证、治理和明确的人类问责制是强制性的。在产品工程师使用人工智能直接指导物理设计、嵌入式系统和生产决策时，产品故障可能导致无法回滚的现实世界风险。因此，产品工程师正在采用具有不同信任阈值的分层人工智能系统，而不是通用部署。
预测分析以及人工智能驱动的模拟和验证是产品工程领导者近期最重要的投资重点。这些能力（占受访者的大多数）提供了清晰的反馈循环，使公司能够审计性能、获得监管批准并证明投资回报（ROI）。逐步建立对人工智能工具的信任至关重要。
九成以上的产品工程领导者计划在未来一到两年内增加人工智能投资，但增长幅度是适度的。最高比例的受访者（45%）计划将投资增加高达25%，而近三分之一的人倾向于增加26%至50%。只有15%的人计划进行更大的变革——增长51%至100%。产品工程师的重点在于优化而非创新，可扩展的证据点和近期ROI是人工智能采用的主导方法，而不是多年转型。
可持续性和产品质量是产品工程中人工智能最可衡量的成果。这些对客户、监管机构和投资者可见的成果，其重要性高于诸如上市时间和创新等竞争性指标（重要性中等），以及诸如成本降低和员工满意度等内部运营收益（重要性较低）。最重要的是实际的信号，如缺陷率和排放情况，而不是内部工程仪表盘。
下载报告。
本内容由Insights（MIT Technology Review的定制内容部门）制作。它并非由MIT Technology Review的编辑人员撰写。其撰写过程包括了调查、数据收集等，由人类写作者、编辑、分析师和插画师完成。可能使用的AI工具仅限于经过彻底人工审查的辅助生产流程。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区