【要点】
• 核心事件：Aishwarya Naresh Reganti 和 Kiriti Badam 分享了AI产品开发中的常见陷阱与成功路径，强调问题和产品设计的重要性，以及AI作为解决问题的工具的定位。
• 涉及行业：人工智能，软件开发，企业服务
• 涉及区域：全球
• 涉及企业：OpenAI，Google，Amazon，Databricks，Rackspace，Booking.com，Air Canada
借助 Coding Agent 等工具，构建AI产品的技术门槛和启动成本已大幅降低，但AI产品失败率仍然很高。Aishwarya Naresh Reganti 和 Kiriti Badam 在播客中分享了他们在 OpenAI、Google、Amazon、Databricks 等公司构建企业级AI产品的经验，指出了当前AI产品开发中的常见问题与成功方法。
Reganti 和 Badam 认为，AI产品开发真正的成本在于设计，即对产品要解决的痛点是否有清晰的思考。他们强调，AI不是答案，而是解决问题的工具，领导者需要重新“亲自上手”，重建判断力。他们还指出，AI产品的生命周期与传统软件不同，需要PM、工程师和数据团队更紧密地协作，共同决定产品表现。构建AI系统与传统软件系统之间存在根本性的差异，尤其是在“非确定性”方面，需要在输入、输出和中间过程三方面的不确定性中进行设计。
Reganti 和 Badam 建议，构建AI产品应从低自治、高控制开始，逐步升级，并以客户支持为例，说明如何通过让AI为人工客服提供建议，逐步提升自治水平。他们还提出了“CC/CD（Continuous Calibration, Continuous Development 持续校准、持续开发）”框架，强调在不失去用户信任的前提下构建系统，并形成持续改进的飞轮。他们认为，多Agent系统容易被误解，Coding Agent的价值被低估，2026年将是集中优化这些流程、释放巨大生产力的一年。
