[AI 專業好書陪讀] 第6章：案例研究 - Sumo Copilot 的成功之道

Case Study - The Success Story of Sumo Copilot

章節概述

本章透過 Sumo Logic Copilot 的成功案例，探討打造成功 AI 產品的關鍵 UX 因素。作者指出，儘管高達 85% 的 AI 專案以失敗告終，但 Sumo Copilot 透過四個核心策略脫穎而出：

1. 強而有力的使用案例：解決了 Sumo Logic 查詢語言的複雜性，讓不熟悉語法的用戶也能透過自然語言進行強大的日誌搜尋。
   

2. 清晰的願景：以「絕不讓用戶空手而歸」為最高指導原則，確保用戶在互動過程中總能獲得價值與引導。
   

3. 專用的全螢幕 UI：捨棄常見的側邊欄設計，提供一個沉浸式的全螢幕體驗，以有效呈現複雜的數據和視覺化圖表。
   

4. AI 驅動的智慧功能：結合 AI 驅動的自動完成和情境化的後續步驟建議，不僅簡化了操作，更引導用戶進行有意義的數據探索，從而建立信任感。
   

注意：在之前幾章，我們討論了 AI 驅動的專案為何經常出錯。既然有這麼多失敗的方式，那麼是什麼讓 Sumo Logic Copilot 成功的呢？除了擁有卓越的開發和 AI 團隊外，這個專案的某些 UX 面向也脫穎而出，值得一提。作者希望這些經驗對你自己的工作有所啟發：

讓我們更詳細地討論每一個要點。

---

1. 強而有力的使用案例 (Strong AI Use Case)

許多 AI 專案最重大的失敗之一，就是缺乏一個清晰的使用案例，讓 AI 能以實質的方式直接造福客戶。了解到這一點，當我們一年前開始進行 Copilot 專案時，我們希望確保用戶能立即感受到清晰的效益。

任何使用過 Sumo Logic 的人都知道它強大且高效的日誌搜尋引擎。他們也明白，你需要非常了解 Sumo 查詢語言 (Sumo Query Language) 的語法，才能釋放這份強大與高效。當 ChatGPT 首次問世時，許多客戶嘗試用它來撰寫 Sumo Logic 查詢。

不幸的是，大多數 LLM 的建議都行不通——AI 需要經過精心挑選的 Sumo Logic 查詢樣本進行專門訓練，然後才能自己撰寫一些查詢。

正如 Robert Sheckley 的名言：「要問對問題，你得先知道部分答案。」Sumo Logic Copilot 經過超過 2,000 個自訂查詢的訓練，並且能夠將結果與視覺化圖表結合，這些圖表即使是進階使用者也需要花一些時間才能建立。

即使是像地理分佈和複雜的轉置時間序列這樣強大的查詢，建構起來也不再困難——你只需要用自然語言提問，Copilot 就會完成剩下的工作。使用自然語言查詢 Sumo Logic，讓非技術用戶、初階第一線開發人員和安全分析師能夠快速獲得他們需要的資訊。

---

2. 清晰的願景 (Clear Vision)

許多 AI 專案都是 proverbial 的「為找釘子的槌子」，由技術能力驅動功能和使用者體驗。相比之下，AI 專案的願景是最難確定的事情之一。這通常歸結為「一件事」：你能否闡明你的產品或服務將做的「那一件」事，而這將成為客戶體驗中的關鍵差異化因素？