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(diǎn)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(yùn)營同事們接手過來的產(chǎn)品需求，也逐漸由人臉識(shí)別、變?yōu)橹悄芸头�、智能質(zhì)檢、證件識(shí)別等細(xì)分需求。應(yīng)用場景越來越垂直，應(yīng)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(xiàng)目組的一位產(chǎn)品經(jīng)理，我們就不重點(diǎn)討論AI 到底有沒有進(jìn)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(huì)。

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(jī)端交互設(shè)計(jì)，到讓機(jī)器多模式與人交流的設(shè)計(jì)；2C到2B再到同時(shí)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(xué)會(huì)去考慮技術(shù)邊界／環(huán)境影響等因素，才能著手設(shè)計(jì)需求的轉(zhuǎn)變……一路走來痛并快樂著。

結(jié)合幾年AI項(xiàng)目實(shí)踐經(jīng)驗(yàn)，談?wù)凙I產(chǎn)品經(jīng)理在具體工作中如何考慮產(chǎn)品設(shè)計(jì)，給大家分享6點(diǎn)心得。

體驗(yàn)層上包括：

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

一、技術(shù)邊界VS業(yè)務(wù)目標(biāo)

在一定的階段，當(dāng)技術(shù)無法以預(yù)期的方式滿足產(chǎn)品需求時(shí)，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(dá)到業(yè)務(wù)目標(biāo)。

“準(zhǔn)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(zhǔn)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(zhǔn)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(jì)智能客服產(chǎn)品。

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

目前的人臉識(shí)別技術(shù)也無法保證100％過濾各類風(fēng)險(xiǎn)，比如：視頻供給、照片攻擊，比如雙胞胎。于是設(shè)計(jì)了“異步審核”策略，在人臉比對(duì)和活體檢測有風(fēng)險(xiǎn)時(shí)，便會(huì)將采用異步審核流程，用人工檢測的方式保證通過率和準(zhǔn)確率，保證用戶體驗(yàn)，降低業(yè)務(wù)風(fēng)險(xiǎn)。

一個(gè)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(rèn)核心需求，但更多的時(shí)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(shí)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(shí)際的業(yè)務(wù)場景中看到AI帶來的價(jià)值才是產(chǎn)品追求的根本。

二、評(píng)估場景因素

當(dāng)產(chǎn)品初步方案確認(rèn)后，需要對(duì)影響算法正常運(yùn)行的場景因素進(jìn)行分析，是否充分評(píng)估各類會(huì)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(fù)雜又難理解，不能戴黑框、光線不能太強(qiáng)、注意避開側(cè)面光、逆光會(huì)影響通過。但其實(shí)是否能為用戶提供更具指導(dǎo)性的告警是考驗(yàn)AI產(chǎn)品經(jīng)理能力的重要維度。符合核身?xiàng)l件的光線檢測、外部噪音檢測、出現(xiàn)多張人臉時(shí)提示等，都需要在研發(fā)過程中盡充分挖掘，并進(jìn)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(shí)別的場景中，金融行業(yè)這類對(duì)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(shí)別除了來基本字段的準(zhǔn)確率，誤檢率、召回率等關(guān)鍵數(shù)據(jù)，還需要考慮怎么對(duì)遮擋、缺角、過期等情況導(dǎo)致的偽造證件進(jìn)行識(shí)別。足夠豐富多樣且精準(zhǔn)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(diǎn)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(yàn)，AI產(chǎn)品經(jīng)理需要挖掘外部環(huán)境可能導(dǎo)致的失敗原因，反推算法同事給出更多維度更細(xì)顆粒的錯(cuò)誤反饋，以便為用戶提供清晰的操作指導(dǎo)，提升用戶滿意度。

三、產(chǎn)品使用的教育成本

AI產(chǎn)品對(duì)環(huán)境、用戶配合度的要求，帶來的一個(gè)新的問題：“怎樣快速直觀的教會(huì)用戶使用”，如果用戶不會(huì)用、不能用，對(duì)產(chǎn)品的落地和推廣會(huì)帶來負(fù)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(jì)的過程中，由于對(duì)話是日常人們已經(jīng)非常熟悉的場景，如何設(shè)計(jì)自然、“像和真人一樣”交談的交互，成為AI產(chǎn)品在設(shè)計(jì)過程中的重點(diǎn)及難點(diǎn)。

例如：用戶在初期面對(duì)智能音箱產(chǎn)品時(shí)可能會(huì)一臉茫然，“我在干什么？”，“我要做什么？”，這時(shí)候通過屏幕顯示的配合（有屏音箱設(shè)計(jì)）讓用戶對(duì)產(chǎn)品的功能有所了解，或者通過音箱主動(dòng)交互告知用戶“你可以這么問我”，“我對(duì)這些技能擅長”是產(chǎn)品設(shè)計(jì)中細(xì)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(shí)都喚醒。AI在后臺(tái)被喚醒了，用戶是怎么知道的呢？

在我們?nèi)粘Ｉ�活中，如果有人�?duì)我們說話，往往會(huì)叫我們名字，我們往往回復(fù)“我在～”。仿照這樣的方式，我們對(duì)音箱的設(shè)計(jì)通過燈關(guān)不同顏色的反饋或者語音應(yīng)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(huì)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(shí)候怎么讓用戶在這兩種不同的模式間平緩切換，細(xì)致的對(duì)話設(shè)計(jì)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(xí)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(yàn)。