Discovering worthwhile AI problems

A worthwhile AI product begins with a problem in a real workflow and evidence that solving it would matter.

有价值的 AI 产品始于真实工作流程中的问题，以及证明解决这个问题确实有意义的证据。

価値のあるAI製品は、実際の業務の問題と、解決に意味があるという根拠から始まります。

Interview people about a recent concrete instance, including what they were trying to achieve, what they did, and what made the task difficult.

访谈时，请对方讲述最近发生的一次具体经历，包括当时想达成什么、实际做了什么，以及任务难在哪里。

最近の具体的な事例について、目的、実際にしたこと、難しかった点を聞きます。

A request for an AI summary may hide a different job, such as preparing to defend a decision in a meeting.

用户提出想要 AI 摘要，背后可能是另一项任务，例如为在会议上说明并维护某项决定做好准备。

AI要約が欲しいという要求には、会議で判断を説明する準備など、別の目的が隠れていることがあります。

Observe the current workaround because it reveals required information, review habits, costs and constraints that a feature request may omit.

观察用户目前的替代做法，因为其中会显露出功能请求可能没有提到的必要信息、复核习惯、成本和约束。

現在の代替手段は、要求だけでは抜ける情報、確認習慣、費用、制約を示すため、実際に観察します。

Describe the baseline before estimating benefit, and distinguish frequent inconvenience from a rare but severe failure.

估计收益之前，先描述现有基准，并区分频繁发生的不便与少见但严重的失败。

利益を見積もる前に基準を記述し、頻繁な不便と、まれでも重大な失敗を区別します。

Then ask which part needs prediction, language generation or adaptation, and which part can be solved with search, rules or better interface design.

接着判断哪些部分需要预测、语言生成或适应能力，哪些部分可以通过搜索、规则或更好的界面设计解决。

次に、予測、生成、適応が必要な部分と、検索、ルール、画面の改善で解決できる部分を分けます。

A deterministic alternative is a useful competitor because it may provide predictable results with less evaluation and operating burden.

确定性方案是值得比较的替代选择，因为它可能以更少的评估和运行负担，提供可预测的结果。

決定的な代替案は、少ない評価や運用の負担で予測可能な結果を出す場合があり、有用な比較相手です。

Identify the riskiest assumptions about demand, data availability, feasible quality and willingness to change an existing routine.

找出风险最高的假设，涵盖需求、数据可用性、可达到的质量，以及用户是否愿意改变现有习惯。

需要、データの利用可能性、実現できる品質、既存手順を変える意思について、最も危うい仮定を特定します。

Choose an experiment for each assumption instead of building the entire product to test everything at once.

针对每项假设选择一个实验，而不是为了同时检验所有问题就把整个产品先做出来。

すべてを同時に試すため製品全体を作るのではなく、仮定ごとに実験を選びます。

A prototype can reveal whether the proposed experience is understandable, while a separate model experiment tests whether the required output quality is attainable.

原型可以揭示用户是否理解拟议的体验，而另一项独立的模型实验则检验所需的输出质量能否达到。

試作で体験が理解できるか調べ、別のモデル実験で必要な出力品質を達成できるか調べられます。

The discovery brief should end with the user job, current evidence, baseline, highest-risk assumptions, and the next decision the experiment will inform.

需求探索简报最后应明确用户任务、当前证据、基准、风险最高的假设，以及该实验将为哪项后续决定提供依据。

課題調査の文書には、利用目的、現状の根拠、比較基準、重大な仮定、実験が支える次の判断をまとめます。