Google Labs 的产品判断：AI 越容易把东西做出来，越要追问它为什么值得存在

THE BRIEF

三句话速览

01
Jaclyn Konzelmann 描述的产品经理变化，不是用 AI 更快生成长文档，而是把时间从实现可行性转向价值判断，用短策略、交流材料与原型共同检验一个想法是否值得存在。
02
Google Labs 的实验文化以用户需求、新能力和新行为为入口，容许结束原型，却要求留下可分享的经验；当智能体能代做许多操作时，产品还必须分清用户享受的体验与只想交出去的杂活。
03
家庭案例把同一原则说得更具体：孩子可以参与决定播客角色、声音和修改方向，也仍需要户外、无聊与适度困难；这些是嘉宾个人实践和观点，不是经过验证的儿童教育结论，节目也没有提供产品效果或组织效率的量化对照。

核心判断

这期访谈真正讨论的是能力成本下降以后，谁来承担判断和体验设计。模型可以帮助写文档、做原型、修 GPS 文件、制作故事，但作者仍要理解并捍卫论述，团队仍要说明为什么值得投入，用户仍要保留自己愿意参与的部分。Labs 的办法不是一味增加生成量，而是缩短想法与用户反馈的距离，并让结束实验时获得的经验可被组织继续使用。对 AI 产品团队，最重要的转变是从展示模型能做什么，转向证明它替谁免去了什么、又让谁能够更主动地创造；这里的证据主要来自嘉宾访谈和家庭案例，不能直接外推为 Google 全公司的统一制度或已证实的竞争优势。

THE ARGUMENTS

10 条核心观点

模型提高实现能力后，产品工作的重心转向判断什么值得存在

英文观点句 · 基于完整节目忠实转述

As models make implementation more feasible, product managers must spend more effort deciding whether an idea deserves to exist, using a strategy document, a presentation, and a prototype to clarify and test it.

中文直译

随着模型让实现变得更可行，产品经理必须花更多精力判断一个想法是否值得存在，使用策略文档、演示材料和原型来澄清并检验它。

难词注译

implementation：实现、落地；本句指把想法做成可运行东西的过程，不是产品已经获得市场认可。
deserves to exist：值得存在；强调想法是否有足够用户价值，而不只是技术上能否做出来。
clarify：澄清、使清楚；这里是把为什么做、机会在哪里等问题解释清楚。

原文语境

00:00–02:10，Peter 从节目所称 Gemini 4 的变化切入。Jaclyn 的回答分两层：新能力改变可以构建的产品集合，也迫使产品经理重新校准什么值得做。她不再以先写四十页需求文档来描述工作起点，而是列出三种材料：高层策略文档解释是什么、为什么重要以及机会是否与方向一致；演示材料便于产品评审和临时交流；原型则让人尽快体验和感受想法是否令人兴奋。原型在这一阶段不必已经达到生产级标准。07:34–08:36 她又补充，策略文档仍然需要认真打磨，不能把轻文档理解为随手生成后直接流转。

观点解读

三种材料承担的是不同证据功能：策略帮助检查理由，演示帮助建立共同理解，原型帮助观察体验反应。它们不能互相完全替代，尤其不能因为演示看起来顺畅，就跳过价值、质量和生产工程问题。对小团队，合理迁移是把评审从长篇规格的篇幅竞争，改为一个可讨论的判断加一个可体验的例子。这里并没有证据证明所有项目都能取消详细需求，也没有提供从文档到上线的耗时对照；可借鉴的是工作重点的变化，而非机械照搬三件套或把四十页当作普适禁令。

选题同时观察新能力与新行为，并先问用户需要什么

英文观点句 · 基于完整节目忠实转述

Labs evaluates opportunities through emerging model capabilities and changing user behavior, asking what users need before considering Google's fit and Labs' contribution.

中文直译

Labs 通过新兴的模型能力和变化中的用户行为来评估机会，在考虑 Google 的适配性和 Labs 的贡献之前，先询问用户需要什么。

难词注译

emerging：新兴的、正在显现的；这里指模型逐渐具备并开始可用的新能力。
fit：适配性、契合程度；本句指这个机会是否适合由 Google 来做。
contribution：贡献；这里进一步问 Labs 在这个机会中应提供什么独特作用。

原文语境

02:11–03:51，主持人问 Labs 面对消费者、小企业等大量方向，究竟怎样决定做什么。Jaclyn 先给出用户、Google、Labs 的考虑顺序：观察世界里什么值得出现，用户现在想要或未来可能想要什么，再问是否适合 Google、是否应由 Labs 参与。随后她提出两种观察视角：一是新的模型能力出现后，哪些以前不可行的想法可以重新考虑；二是新用户习惯、趋势和尚未被满足的空间。到 31 分钟后她再次强调，用户预期正变化，而且不同人想要的东西并不相同，不能只以重度科技用户为样本。

观点解读

能力视角避免团队继续用过时限制否定机会，行为视角则防止把一次模型演示误认成需求。二者需要相互校准：技术可以生成某种内容，不等于用户愿意为它改变习惯；用户提出一个愿望，也不等于当前系统能可靠满足。这个先后顺序是一种嘉宾描述的选题原则，不意味着组织资源、商业约束和安全责任不重要。对团队可以建立两栏机会表，分别记录新能力解除的限制和真实观察到的用户困难，要求至少说明两者在哪里相接，再进入原型，而不是把每个模型更新都变成一个必须上线的功能。

小企业不缺更长的提示词，缺的是理解业务的产品形态

英文观点句 · 基于完整节目忠实转述

For small business owners, an accessible marketing product should understand their business and reduce repeated setup rather than require them to follow elaborate prompts or begin from a blank box every time.

中文直译

对小企业主而言，一个容易使用的营销产品应当理解他们的业务并减少重复设置，而不是要求他们遵循复杂的提示词，或每次都从一个空白输入框开始。

难词注译

accessible：容易使用的、容易上手的；这里强调普通经营者的进入门槛，并非专指无障碍功能。
repeated setup：重复设置；指每次重新解释业务、品牌与任务背景的负担。
elaborate prompts：复杂而精细的提示词；本句指需要用户学习和维护的大段指令。

原文语境

03:51–07:34，Jaclyn 用面向小企业的营销产品解释能力与需求如何结合：图像生成已经能制作更贴近品牌的内容，但社交平台上那些精巧又冗长的提示词，并不适合没有时间追踪 AI 动态的经营者。她提到自己的父母都经营小企业，借此说明使用者不应每次从零解释自己是谁。团队与营销从业者、小企业伙伴和可信测试者共同探索，也计划利用纽约团队现场交流，让经营者直接操作原型。她强调要理解请求背后的根问题，而非把每条功能建议原样照做。32:30 左右，主持人说要教不熟悉技术的人大胆向模型提要求，Jaclyn 则进一步说，需要直接展示和提供他们想要的体验，因为让人自己提问恰恰可能是卡住的地方。

观点解读

这不是提示词工程没有价值，而是产品不应把全部工程成本转嫁给用户。面向真实经营任务，持续记住业务背景、给出可选择的起点、让用户能修正结果，可能比再提供一个通用聊天框更重要。共同设计也不是用户说什么就做什么：用户擅长描述具体困难，团队仍要结合模型边界选择解决方式。节目没有披露该营销产品的留存、转化或品牌一致性评测，因此不能把容易上手直接写成商业成功。转写中产品专名多次不一致，本报告有意以功能描述代替未经可靠确认的名字，避免拿一个疑似名称充当已核实产品事实。

AI 可以参与写作，但作者必须能解释文档里的每一个判断

英文观点句 · 基于完整节目忠实转述

AI may help develop a document, but its author should read and refine it, defend every statement, and avoid transferring the burden of unfocused thinking to the reader.

中文直译

AI 可以帮助形成一份文档，但文档作者应当阅读并打磨它，为每一个陈述作出辩护，并避免把思考不聚焦的负担转移给读者。

难词注译

refine：打磨、提炼；这里指删改和聚焦想法，不只是润色表面语气。
defend every statement：为每一个陈述作出辩护；意思是能够解释论据与理由，而非拒绝接受质疑。
transferring the burden：转移负担；本句指作者省下的思考工作变成了读者必须承担的理解成本。

原文语境

09:16–10:45，主持人问如何识别并处理 AI 拼出的文档。Jaclyn 说早期更常见这种问题，现在人们正逐渐适应。她转述在活动中听到的一条经验性规则：如果别人阅读所花时间比作者生产内容所花时间还长，就值得警惕；重点在作者有没有自己认真读过，而不是给所有文档建立一个计时公式。她要求作者能够讨论和捍卫文档的每个表述，过长或不紧凑就退回再写。主持人偏好一页，她说自己的平均大约一页半，更多篇幅有时意味着想法还没提炼。22:47–24:00 的语音工作流补足另一面：她常散步说出语音备忘，回到桌前再整理，策略文档往往从这些想法起步。

观点解读

文档的价值不是在团队中移动文字，而是把模糊判断变成可以讨论、反驳和修正的论点。语音、模型和模板都能降低输入成本，却不能自动承担内容责任。把一页半当作硬上限也会误读访谈：复杂决策可能需要附件，关键是读者为什么必须读、作者是否已经做过压缩和取舍。对 AI 写作流程，最实用的检查是请作者脱离原稿解释关键结论、列出支持材料与反例，再决定哪些段落应删除。节目没有说禁止 AI，更没有证明人工写作天然优于模型辅助；它反对的是把未理解的生成文本当成已经完成的思考。

实验的资产可以是经验，而不一定是继续存活的原型

英文观点句 · 基于完整节目忠实转述

An experiment can contribute through a product, reusable infrastructure, or shared lessons, so ending a prototype should trigger reflection rather than automatically count as failure.

中文直译

一个实验可以通过产品、可复用的基础设施或共享的经验作出贡献，因此结束一个原型应当触发反思，而不应自动被算作失败。

难词注译

reusable infrastructure：可复用的基础设施；本句指实验结束后仍可能供其他团队使用的代码或底层能力。
shared lessons：共享的经验教训；不是把知识留在个人脑中，而是让别的团队能够利用。
trigger reflection：触发反思；这里要求结束时梳理学到了什么，而不是无条件为所有结果开脱。

原文语境

10:45–12:53，Peter 质疑为什么 Labs 不直接集中力量让 Gemini 应用变好。Jaclyn 区分 Gemini 应用团队与 Labs 对未来方向的探索：有时实验或产品进入既有应用，有时经验影响其他团队，也有一些探索贡献在于开辟方向。12:53–15:20，她谈如何放下自己投入的产品：团队重视通过构建学习，结束实验不必自动等于失败，应该留下反思并向 Labs 分享。Labs Live 这类周期性全员交流会邀请相关团队讨论经验，代码和基础设施也可能被后来项目利用。关于项目怎样成长、毕业或继续探索，她强调具体情境和团队判断，而没有给出一个所有项目必须遵循的固定流水线。

观点解读

这一原则把原型存活率与实验贡献分开，降低为了证明个人投入正确而继续维持项目的压力。但如果没有明确最初的问题、实际观察和后续使用者，任何停止都可能被空泛包装成学习。适合迁移的做法是把实验结束交付物写清楚：验证或推翻了什么、什么仍未知、哪些组件可用、谁需要知道。这里不能推断所有 Labs 项目都要并入 Gemini，也不能把嘉宾提到的个别产品路径扩展为全公司重组事实。访谈提供的是组织学习逻辑，并未公布项目终止率、资源回收率或这种文化相对其他管理方法的因果效果。

快速试错需要同事互助与知识共享，不只是给每个人配一个 AI

英文观点句 · 基于完整节目忠实转述

A team can maintain high expectations while making it safe to discuss problems, using peer support and regular knowledge sharing instead of relying on AI as its only thinking partner.

中文直译

一个团队可以在维持高期待的同时，让讨论问题变得安全，利用同事支持和定期知识共享，而不是依赖 AI 作为唯一的思考伙伴。

难词注译

high expectations：高期待、高要求；本句并不表示出了问题也不需要负责。
peer support：同事支持；这里是其他有相关经验的人帮助看问题和提供思路。
thinking partner：思考伙伴；指能帮助推敲想法的对象，既可以是 AI，也可以是真实的人。

原文语境

15:21–17:43，主持人追问领导是否会因失败生气，Jaclyn 把重点放在团队能否主动说出问题。她描述大家本来就对自己有很高要求，发现不奏效时可以讨论、修正，也能向其他团队请教。她提到称为 M&Ms 的内部分享会，并在谈话里将其解释为 methods and metrics，让团队展示正在做的事情和学到的东西。她仍会用 AI 头脑风暴，但也刻意找同事和业内人士交流。Peter 回应离开原有工作环境后，自己会想念与人共同构思的部分。这段对话并不是在赞美没有标准的轻松团队，而是把暴露困难与获得帮助连接起来。

观点解读

模型能够快速回应，不等于它拥有同事对项目历史、组织约束或真实用户的知识。若每个人只与各自的 AI 对话，团队可能增加局部产出，却失去共同判断和经验传递的通道。可借鉴的不是照搬一个会议名称，而是让展示包含失败例子、当前疑点和可被其他人复用的做法，并让提问不被自动视为能力不足。节目同样没有提供心理安全调查、绩效结果或具体审核制度，因此不能声称这种文化已经消除了错误。高要求与可讨论问题应同时保留；省略任何一面，都会把访谈变成无条件加速或无条件宽容的口号。

代码容易复制以后，要重新解释产品为什么仍然值得用户选择

英文观点句 · 基于完整节目忠实转述

When agents can reproduce many features quickly, durable product value must rest on more than implementation alone, while the roles of context, network effects, and agent-mediated use remain open questions.

中文直译

当智能体能够迅速复现许多功能时，持久的产品价值必须建立在不止实现本身之上，而上下文、网络效应和经由智能体使用产品的作用仍然是开放问题。

难词注译

durable product value：持久的产品价值；指不容易随功能被复制而立即消失的用户价值。
network effects：网络效应；本句将其作为可能的价值来源提出，并没有证明某个产品已经拥有它。
agent-mediated use：经由智能体使用；用户可能让智能体代为操作，而非自己逐项点击界面。

原文语境

17:43–19:34，Peter 从工程端代码量增加、代码评审也交给 AI 后可能失去理解的风险，问产品侧的瓶颈是否也移动了。Jaclyn 没有给出一个已解决的效率公式，而是说需要重新思考产品类型和价值：未来使用者可能既有人，也有智能体；智能体究竟嵌在产品里，还是作为消费者的代理来使用产品，都还在变化。她区分值得持续构建的产品与能在周末用几个智能体重做出来的功能，并把上下文、网络效应等视角作为思考方向。官方章节把这一段概括为代码不再是护城河，但对话本身保留了明显的不确定性。

观点解读

这不意味着代码真的零成本，也不意味着安全、可靠性和维护已经不重要。更准确的问题是：当实现门槛降低后，用户为什么还会回来，哪些关系、历史、体验和工作结果是一次功能复刻带不走的。对于团队，可以先盘点最容易复制的界面或功能，再追问用户真正依赖的是数据连续性、协作关系、责任承接还是完成效果。上下文与网络效应也并非自动形成的护城河，需要真实使用与合法、可信的数据积累。访谈没有证明哪一种防御方式一定胜出，更没有正式公布一个已落地的智能体生态路线图，不能用嘉宾的开放讨论包装确定的行业结论。

让智能体处理麻烦操作，不等于取消用户喜欢的整个产品体验

英文观点句 · 基于完整节目忠实转述

Product teams should distinguish experiences people enjoy from chores they want delegated, because an agent can repair a tedious workflow without replacing the social or creative experience around it.

中文直译

产品团队应当区分人们享受的体验和他们希望委托出去的杂务，因为智能体可以修复一个繁琐的工作流程，而不取代围绕它的社交或创作体验。

难词注译

chores：杂务、繁琐事务；这里是用户为了得到结果不得不做、却不享受的操作。
delegated：被委托出去的；本句指让智能体代办某一环节，不是交出所有决定权。
tedious workflow：繁琐乏味的工作流程；例如反复下载、修补和重新上传轨迹文件。

原文语境

19:34–22:47，主持人担心产品经理精心设计的界面最终被智能体绕过。Jaclyn 则问，人为什么需要停留在某个产品里：创作、学习、娱乐或消费内容可能仍然是想亲自经历的事，填表、处理 PDF 和繁琐材料则可能更适合代办。她用 Yosemite 徒步后的 Strava 轨迹出错说明：手工修复需要下载 GPS、剪除错误片段、拼接后重新上传，她让智能体处理了这件事，却仍然喜欢看朋友的活动动态。Peter 另举自己给产品团队认真反馈、收到智能体答复后不舒服的例子，提醒社交场景里被谁回应也属于体验，而不只是回复速度。

观点解读

一个产品内部可能同时存在应该被自动化的步骤与值得被保留的参与感。按整款应用决定保留或消灭界面，会漏掉这种差异。Strava 案例支持的是特定杂务被委托，不能推断用户不再需要运动应用；认真反馈的例子则说明，形式上完成回应，也可能在关系上让用户觉得没有被认真对待。对产品设计，适合把用户旅程逐步标注为享受、必须参与、可代办，再为委托设置确认、结果检查和返回体验的路径。这里没有对 Strava 修复结果做独立文件验证，也没有用户研究样本，属于嘉宾和主持人的具体自述，不是普遍偏好的统计结论。

AI 家庭创作的重点，是让孩子提出选择并影响作品，而非只按下生成按钮

英文观点句 · 基于完整节目忠实转述

In Jaclyn's family podcast project, her child helps choose characters, voices, and revisions, while adult-operated AI tools make those creative choices tangible and shareable.

中文直译

在 Jaclyn 的家庭播客项目中，她的孩子帮助选择角色、声音和修改内容，而由成人操作的 AI 工具让这些创作选择变成可感知、可分享的作品。

难词注译

revisions：修改内容、修订；这里包括听过草稿后提出更改，而不是只在最开始给一个提示。
tangible：可感知的、具体可见的；本句指原先的想象变成可以听到或看到的作品。
shareable：可分享的；这里强调朋友也能接触作品的体验，不是在讨论传播成绩。

原文语境

24:00–26:30，Jaclyn 说大女儿喜欢恐怖故事，可选的合适播客逐渐听完后，两人开始自己制作。孩子参与声音、角色名字、图片和故事方向的选择，听草稿后继续要求修改；成人使用 ElevenLabs、Gemini TTS 和智能体等工具组合制作，双方满意后再发到 Spotify。她还谈到一次露营之后做香蕉蛞蝓歌曲的经历，孩子问作品是不是现实中的东西，背后关心的是朋友能否听到。Jaclyn 由此观察到，分享和共同体验能让创作在孩子心里变得真实。这些案例中的成人操作与孩子选择是分开的，并不是让幼儿独立使用平台账号。

观点解读

这个案例的参与单位不是一条提示词，而是提出想法、听见结果、判断哪里不满意、再修改的连续过程。AI 的作用是缩短想法到作品的距离，孩子仍需要作出选择。迁移到成人创作同样成立：生成工具如果把所有决定都预先替用户做好，可能提高产量，却削弱作者与作品的关系。分享还带来真实受众，而不仅是屏幕里的一次演示。需要保留边界：节目没有展示播客成品、听众规模或教育结果；恐怖故事是否适合某年龄也没有被验证。可借鉴的是共同创作的方法，不能据此宣传 AI 播客已经提升儿童能力，或将家庭分享流程当成平台儿童使用政策的替代品。

让 AI 降低制作门槛，同时保留户外、无聊与克服困难的空间

英文观点句 · 基于完整节目忠实转述

Jaclyn wants AI to expand her children's creative possibilities while preserving outdoor time, boredom, and manageable friction, because making everything effortless is not her parenting goal.

中文直译

Jaclyn 希望 AI 扩大孩子们的创作可能性，同时保留户外时间、无聊和可以应对的阻力，因为让一切毫不费力并不是她的育儿目标。

难词注译

preserving：保留、维护；这里强调引入 AI 后也不应挤掉其他重要经历。
manageable friction：可以应对的阻力；指需要付出努力但不至于无法承受的困难，并非人为制造伤害。
effortless：毫不费力的；本句反对把减少一切努力当成唯一目标。

原文语境

24:00–25:00，Jaclyn 先于具体 AI 案例谈户外、学会无聊和应对困难的重要性，并交代大女儿刚五岁、双胞胎三岁半。26:30–29:49，她展示另一种可能：为孩子生成滚珠轨道视频，下一步计划让他们选择颜色；又用少量提示做有六种动物的互动动物园，靠近动物会出现趣味知识。后续对话把重点从被动刷短内容转向创造、好奇心和挑战。Peter 提到自己对做游戏的屏幕时间更宽松，也希望年纪更大的孩子发现热情与未来职业；Jaclyn 则因孩子更小，更强调当前的好奇心。两人的个人家庭取向并不完全相同。

观点解读

这里存在一种有价值的张力：自动化可以移除制作工具的操作阻碍，但并不应自动移除选择、尝试、等待和修正的成长过程。滚珠视频和动物园的例子说明低成本定制的可能，不证明孩子已经学会物理知识；轨道颜色的共同定制还是嘉宾的下一步计划，不能写成已经完成的结果。家庭应用也不应从本期推导出无限屏幕时间或通用教育处方。对一般产品，启发是区分无意义摩擦与有意义投入：前者可以代办，后者可能正是学习、掌控感与创作价值的来源。保留这一差异，比把所有交互压缩成最少点击更贴近用户真实目的。

A CLOSER LOOK

深度分析

能力成本下降，把稀缺性从做出来转移到判断与理解

开头的产品选择与中段的写作要求，其实是同一个问题的两个尺度。模型让原型和文字都更容易产生，却没有保证它们对应一个真实需要，也没有保证作者理解自己提交的判断。一个团队可能同时拥有更多原型、更多策略文档和更少清晰认识。Jaclyn 因此一边要求更快体验想法，一边要求更认真打磨理由；速度与思考并不是互相排斥，而是分别落在不同工作上。

这也解释为什么不能只把流程总结成短文档取代长 PRD。真正变化的是证据组合：用策略明确主张，用原型暴露体验，用用户接触检验假设，再让作者承担解释。若原型只用于说服自己，文档只用于展示生成量，三件套也会变成新的形式主义。节目没有量化这种流程的收益，但提供了一个值得测试的验收方向：衡量团队是否更快发现不值得做的事，而不只是是否更快多做了几样东西。

实验可以结束，组织学习不能只靠口号留下

让产品经理不执着于自己的原型，需要的不只是鼓励失败，还要给停止之后的贡献一个具体出口。访谈提到反思、全员交流、同类团队联系、代码和基础设施复用，这些让经验有机会离开原作者，进入别人的后续决策。若没有这些通道，停止原型往往既失去产品，也失去理解产品为什么不合适的知识。

但把结束不自动当作失败，不应反向解释成所有实验都天然值得做。严谨的学习至少需要原问题与实际观察之间的关系：什么能力确实有用、用户为何没有采用、哪些约束与预期不同、下一位团队应避免什么。本报告据此建议保留实验结束模板，是编辑层面的操作推导，不是访谈已披露的 Google 内部表单。它的目的在于防止经验共享沦为空泛复盘，同时让资源去留仍然可被讨论。

智能体不会平均地消灭界面，而会重新分配人的参与位置

Strava 例子比抽象地谈界面是否消失更有解释力。同一个人可以拒绝手动修补轨迹，又珍惜看朋友活动的过程；同一个产品可以同时包含代办价值和亲自参与价值。Peter 对自动回复的反感也说明，完成任务并非唯一目标：当用户投入真实反馈时，他可能期待来自真实人的注意，而不是一个语义正确却缺少关系回应的结果。

因此，智能体设计需要的不是一张所有页面最终都会被 API 替代的路线图，而是逐步理解每个动作的意义。某些步骤只有成本，某些步骤提供控制，某些步骤本身就是社交或创作。自动化前者可能改善体验，误删后两者可能损害产品。这里不能从两个个人案例推出普遍偏好，但足以提醒团队在测量节省点击与完成时间之外，也观察理解、信任、参与感和愿意回来继续使用的理由。

从企业文档到家庭播客，共同问题都是谁仍然是作者

职业部分强调文档作者必须理解每个表述，家庭部分强调孩子要能决定角色、声音与修改。两者都把主体性放在选择和迭代上，而不是是否亲手完成每项底层操作。AI 可以代做合成语音或整理材料，但如果人不能判断结果、提出修改或解释理由，产物虽然更多，作者与作品的联系反而可能更弱。

保留适度困难也因此不是反技术。需要移除的是无意义操作，不一定是所有努力；想出故事、听后不满意、重新选择和面对反馈，可能正是创作的核心投入。对成人产品同样适用：帮助用户更容易表达意图，并不等于替他们决定意图。家庭实践没有教育成效证据，所以这里提炼的是设计问题而非育儿处方：系统怎样让人更有能力作出自己的选择，而不是只更轻松地接受已经生成的选择。

LISTEN AGAIN