和前幾年一樣，看衰AI行業(yè)前景的言論最近又此起彼伏。難道真如該觀點支持者們所說的那樣，”投資額減少、關(guān)注度下滑，AI寒冬將至？”

過去幾年來，經(jīng)過沒日沒夜的加班，我從一位AI菜鳥變成了一位AI老鳥。我從技術(shù)、運營同事們接手過來的產(chǎn)品需求，也逐漸由人臉識別、變?yōu)橹悄芸头?、智能質(zhì)檢、證件識別等細分需求。應用場景越來越垂直，應用范圍越來越廣泛。

AI 寒冬論，可以一邊歇歇了。

回到正題，作為AI項目組的一位產(chǎn)品經(jīng)理，我們就不重點討論AI 到底有沒有進入寒冬的問題，今天主要和大家分享一下在 AI 公司做產(chǎn)品經(jīng)理的一些心得體會。

從互聯(lián)網(wǎng)產(chǎn)品經(jīng)理轉(zhuǎn)型為AI產(chǎn)品經(jīng)理，在這一過程我經(jīng)歷了從app的手機端交互設(shè)計，到讓機器多模式與人交流的設(shè)計；2C到2B再到同時兼顧B端C端的轉(zhuǎn)變；產(chǎn)品整理需求文檔就能過需求，排開發(fā)，到學會去考慮技術(shù)邊界／環(huán)境影響等因素，才能著手設(shè)計需求的轉(zhuǎn)變……一路走來痛并快樂著。

結(jié)合幾年AI項目實踐經(jīng)驗，談談AI產(chǎn)品經(jīng)理在具體工作中如何考慮產(chǎn)品設(shè)計，給大家分享6點心得。

體驗層上包括：

技術(shù)邊界VS業(yè)務目標；應用場景；教育成本；B端C端兼顧另外還有需要在設(shè)計架構(gòu)是考慮的⑤設(shè)計兜底方案、⑥引擎接入的靈活性。

一、技術(shù)邊界VS業(yè)務目標

在一定的階段，當技術(shù)無法以預期的方式滿足產(chǎn)品需求時，AI產(chǎn)品經(jīng)理要做的事情就是在了解技術(shù)邊界的前提下，提供最適合的產(chǎn)品解決方案以達到業(yè)務目標。

“準確回答用戶咨詢的問題”是智能客服產(chǎn)品的核心訴求，如何更準確的為用戶提供解決方案呢？自然語言處理（NLP）技術(shù)并不能保證百分百精準理解客戶的意圖，AI產(chǎn)品經(jīng)理需要考慮在這樣的前提下，怎樣設(shè)計智能客服產(chǎn)品。

“推薦答案”成為解決這一問題的設(shè)計方案。在無法準確判定用戶的意圖時，機器人會根據(jù)計算，在給出得分最高答案同時，將與客戶問題意圖相近的“推薦問題”根據(jù)計算分數(shù)從搞到排序展示，提供給用戶更多選擇，已達到解決用戶咨詢問題的目的。

目前的人臉識別技術(shù)也無法保證100％過濾各類風險，比如：視頻供給、照片攻擊，比如雙胞胎。于是設(shè)計了“異步審核”策略，在人臉比對和活體檢測有風險時，便會將采用異步審核流程，用人工檢測的方式保證通過率和準確率，保證用戶體驗，降低業(yè)務風險。

一個技術(shù)落地，AI產(chǎn)品經(jīng)理除了需要像互聯(lián)網(wǎng)產(chǎn)品經(jīng)理先確認核心需求，但更多的時間精力要用來思考就AI技術(shù)的情況，如何使用優(yōu)秀的可執(zhí)行的產(chǎn)品方案來代替大量的數(shù)據(jù)和時間投入，盡快從無到有的上線初代產(chǎn)品研發(fā)，在迭代中提升。畢竟讓模型跑起來，在實際的業(yè)務場景中看到AI帶來的價值才是產(chǎn)品追求的根本。

二、評估場景因素

當產(chǎn)品初步方案確認后，需要對影響算法正常運行的場景因素進行分析，是否充分評估各類會影響結(jié)果的場景因素，決定了產(chǎn)品真正落地的速度。

很多人吐槽過刷臉要求的復雜又難理解，不能戴黑框、光線不能太強、注意避開側(cè)面光、逆光會影響通過。但其實是否能為用戶提供更具指導性的告警是考驗AI產(chǎn)品經(jīng)理能力的重要維度。符合核身條件的光線檢測、外部噪音檢測、出現(xiàn)多張人臉時提示等，都需要在研發(fā)過程中盡充分挖掘，并進行合理的告警分類，考慮是否能用技術(shù)手段解決，比如將人臉是否滿足檢測條件放到前端。

同樣，在身份證識別的場景中，金融行業(yè)這類對安全要求較高的行業(yè)，在證件偽造上都屬于零容忍，證件識別除了來基本字段的準確率，誤檢率、召回率等關(guān)鍵數(shù)據(jù)，還需要考慮怎么對遮擋、缺角、過期等情況導致的偽造證件進行識別。足夠豐富多樣且精準的告警碼，才能滿足產(chǎn)品需求，為后續(xù)商業(yè)化提供技術(shù)亮點的支持。

由于目前硬件和算法的種種限制，為了盡量提升用戶體驗，AI產(chǎn)品經(jīng)理需要挖掘外部環(huán)境可能導致的失敗原因，反推算法同事給出更多維度更細顆粒的錯誤反饋，以便為用戶提供清晰的操作指導，提升用戶滿意度。

三、產(chǎn)品使用的教育成本

AI產(chǎn)品對環(huán)境、用戶配合度的要求，帶來的一個新的問題：“怎樣快速直觀的教會用戶使用”，如果用戶不會用、不能用，對產(chǎn)品的落地和推廣會帶來負面影響。

比如：智能音箱、智能車載設(shè)備的興起，在做軟硬一體產(chǎn)品設(shè)計的過程中，由于對話是日常人們已經(jīng)非常熟悉的場景，如何設(shè)計自然、“像和真人一樣”交談的交互，成為AI產(chǎn)品在設(shè)計過程中的重點及難點。

例如：用戶在初期面對智能音箱產(chǎn)品時可能會一臉茫然，“我在干什么？”，“我要做什么？”，這時候通過屏幕顯示的配合（有屏音箱設(shè)計）讓用戶對產(chǎn)品的功能有所了解，或者通過音箱主動交互告知用戶“你可以這么問我”，“我對這些技能擅長”是產(chǎn)品設(shè)計中細致的考量。

再比如：如果音箱一直在聽我們說話，將收錄非常多雜亂無章的信息，使得AI系統(tǒng)沒有辦法很好的理解誰在說話，說了什么，往往需要用戶每次與音箱交互時都喚醒。AI在后臺被喚醒了，用戶是怎么知道的呢？

在我們?nèi)粘Ｉ钪?，如果有人對我們說話，往往會叫我們名字，我們往往回復“我在～”。仿照這樣的方式，我們對音箱的設(shè)計通過燈關(guān)不同顏色的反饋或者語音應答，告訴用戶音箱被喚醒了，正在等待你說話。

另外，如果每次都喚醒，會讓用戶很煩很累，在一些連續(xù)交互的過程中，可以打破每次喚醒的魔咒，使得AI音箱一直在聽用戶所說的話。那這時候怎么讓用戶在這兩種不同的模式間平緩切換，細致的對話設(shè)計就很重要。

與互聯(lián)網(wǎng)產(chǎn)品不同，AI產(chǎn)品經(jīng)理需要廣泛涉獵不同行業(yè)不同地域的操作習慣，借鑒硬件、軟件行業(yè)的優(yōu)秀的交互，不斷總結(jié)，思考更為輕松、自然、平順的產(chǎn)品體驗。

四、兼顧B端C端體驗

在我還是互聯(lián)網(wǎng)產(chǎn)品經(jīng)理時期，我關(guān)注的重點在C端用戶的需求，而現(xiàn)在AI技術(shù)落地對接以B端為主，作為AI產(chǎn)品經(jīng)理要調(diào)整關(guān)注焦點，從商務對接階段開始，就要和B溝通。能帶給B端怎么樣的商業(yè)價值，創(chuàng)造多少收益，要依賴產(chǎn)品經(jīng)理對B端需求的理解。

智能客服系統(tǒng)是融合B端、C端體驗設(shè)計最為突出的平臺。智能客服平臺包含“管理系統(tǒng)”＋“坐席平臺”＋“客戶端”三個功能模塊。在線客服初衷，是去思考B端商戶對客服系統(tǒng)最迫切的需求是什么？

所謂剛需，一是降低客服成本，二是通過沉淀產(chǎn)品業(yè)務知識／常見問題，提高服務效率，提升客戶滿意度。那么就要求智能客服系統(tǒng)做到快速接入／快速投產(chǎn)上線，業(yè)務知識批量錄入并通過算法實現(xiàn)知識庫自我升級，運營數(shù)據(jù)可視化等指導運營人員有效管理日常工作。

要實現(xiàn)這些目標，AI產(chǎn)品經(jīng)理就需要充分了解B端商戶的整體業(yè)務，同時也要深入分析客服／客服團隊管理人員的日常工作流程／工作中的難點痛點，如若不清楚，整個系統(tǒng)實現(xiàn)出來也只能是中看不中用。

另一個典型案例是“智能質(zhì)檢平臺”，質(zhì)檢平臺使用語音識別技術(shù)ASR、自然語言處理技NLP術(shù)對客服人員服務錄音進行處理后，針對必要的項目進行質(zhì)檢。該系統(tǒng)為客服人員服務情況進行評估提供幫助，并且作為客戶問題統(tǒng)計、風險預警及挖掘營銷策略的渠道起到不可提到的作用。

在智能質(zhì)檢平臺出現(xiàn)之前，客服團隊需要大量的人力進行部分錄音的抽檢，效率低不說，還不能關(guān)注到全量數(shù)據(jù)背后帶來的平臺問題及困難出現(xiàn)的營銷機遇。

這類智能平臺在商務溝通前，AI產(chǎn)品經(jīng)理就需要準備驗證數(shù)據(jù)，落地案例，使用效果等，對B端C端的訴求有清晰的認識，打造客戶覺得好用，愿意用，打造B端的用戶口碑，為B商戶賦能，實現(xiàn)共贏的局面。

以上四點從體驗層面介紹了AI產(chǎn)品經(jīng)理在設(shè)計上的思考和執(zhí)行建議，下面，我將用第五點影響算法的數(shù)據(jù)限制和第六點上下游調(diào)用引擎的靈活便捷上，從整體架構(gòu)設(shè)計角度做進一步分析。

五、設(shè)計兜底方案

這里的“兜底方案”，指除了算法／開發(fā)流程／項目進度本身等團隊可控的因素外，非團隊可控的部分。

比如：在人身核驗的業(yè)務中，證件比對庫是否可用是整個流程的關(guān)鍵，所以公安、人行渠道證照調(diào)用時間與產(chǎn)品容錯率、服務中斷率這些非團隊可控因素，必須納入人臉照片比對流程的設(shè)計。例如：工作時間使用人行提供的照片庫，非人行工作時間需要使用付覆蓋面更廣、時效性更強的公安身份證照庫進行補充。既要滿足業(yè)務的比對需求，又要考慮比對結(jié)果的各項數(shù)據(jù)結(jié)果不低于業(yè)務閾值，避免照片庫不可用帶來的業(yè)務風險。

在做限制條件分析時，比較好判定的依據(jù)為，各環(huán)節(jié)是否有非團隊可控的因素存在，盡可能規(guī)避掉這樣的依賴，當確實無法避免時，就得考慮主備方案，甚至主備方案失靈時的兜底方案。

六、設(shè)計靈巧的引擎接入方案

算法引擎需要調(diào)用靈活、接口清晰才能讓引擎在足夠多的業(yè)務里迭代成長，具有生命力。

在對外開放人身核驗能力后，我對接了非常多不同類型的合作方，有金融行業(yè)／企事業(yè)單位，也有門禁／取貨這類的需求方。在金融級人身核驗時，對本人／活人準確率要求非常高，畢竟對標的是人工柜面核身。

所以，必須要求進行人臉識別、活體識別、身份證OCR，甚至對高風險客戶可融入聲紋識別的驗證環(huán)節(jié)；但對于刷臉接入在線客服這樣的低風險場景，只需使用簡單的人臉識別環(huán)節(jié)即可，各類的商戶需求對算法引擎、產(chǎn)品功能點的隨機組合提出了較高的要求。

哪些功能合并，哪些功能拆分，哪些是可選字段，哪些是必選字段……這些根據(jù)實際業(yè)務需要可配置的內(nèi)容，首先要進行不遺漏的字段梳理，AI產(chǎn)品經(jīng)理只有長期高頻的分析業(yè)務案例，才能未開發(fā)負責人提供建議，在多個業(yè)務中抽象出足夠靈活的接入方案，使模型、產(chǎn)品方案能夠在同類需求中復用，達到提升效率、加快行業(yè)AI落地的目的。

迪特·拉姆斯說過“用法是任何設(shè)計的起點”，這是我做設(shè)計時時長提醒自己的話。

AI技術(shù)處在大量落地需求涌入的狀態(tài)，在現(xiàn)有的業(yè)務場景中進行微創(chuàng)新，將算法和業(yè)務流程結(jié)合，以最優(yōu)但更好的技術(shù)支持產(chǎn)品迭代，是對每一個AI產(chǎn)品經(jīng)理的要求。

現(xiàn)階段，AI產(chǎn)品經(jīng)理人數(shù)較少、崗位和互聯(lián)網(wǎng)產(chǎn)品相比較新，對AI產(chǎn)品經(jīng)理的工作方法的總結(jié)、思考仍然需要每一個從業(yè)者的積累和沉淀，這篇文章作為對之前工作的一點總結(jié)，希望起到拋磚引玉的作用，期待更多優(yōu)秀的AI產(chǎn)品總結(jié)分享。