和前幾年一樣，看衰AI行業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、關注度下滑，AI寒冬將至？”

過去幾年來，經過沒日沒夜的加班，我從一位AI菜鳥變成了一位AI老鳥。我從技術、運營同事們接手過來的產品需求，也逐漸由人臉識別、變為智能客服、智能質檢、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項目組的一位產品經理，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 公司做產品經理的一些心得體會。

從互聯網產品經理轉型為AI產品經理，在這一過程我經歷了從app的手機端交互設計，到讓機器多模式與人交流的設計；2C到2B再到同時兼顧B端C端的轉變；產品整理需求文檔就能過需求，排開發，到學會去考慮技術邊界／環境影響等因素，才能著手設計需求的轉變……一路走來痛并快樂著。

結合幾年AI項目實踐經驗，談談AI產品經理在具體工作中如何考慮產品設計，給大家分享6點心得。

體驗層上包括：

技術邊界VS業務目標；應用場景；教育成本；B端C端兼顧另外還有需要在設計架構是考慮的⑤設計兜底方案、⑥引擎接入的靈活性。

一、技術邊界VS業務目標

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

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

“推薦答案”成為解決這一問題的設計方案。在無法準確判定用戶的意圖時，機器人會根據計算，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”根據計算分數從搞到排序展示，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，降低業務風險。

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

二、評估場景因素

當產品初步方案確認后，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果的場景因素，決定了產品真正落地的速度。

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產品經理能力的重要維度。符合核身條件的光線檢測、外部噪音檢測、出現多張人臉時提示等，都需要在研發過程中盡充分挖掘，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，金融行業這類對安全要求較高的行業，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、召回率等關鍵數據，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，才能滿足產品需求，為后續商業化提供技術亮點的支持。

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產品經理需要挖掘外部環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、產品使用的教育成本

AI產品對環境、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、智能車載設備的興起，在做軟硬一體產品設計的過程中，由于對話是日常人們已經非常熟悉的場景，如何設計自然、“像和真人一樣”交談的交互，成為AI產品在設計過程中的重點及難點。

例如：用戶在初期面對智能音箱產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（有屏音箱設計）讓用戶對產品的功能有所了解，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”是產品設計中細致的考量。

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？

在我們日常生活中，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，我們對音箱的設計通過燈關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，細致的對話設計就很重要。

與互聯網產品不同，AI產品經理需要廣泛涉獵不同行業不同地域的操作習慣，借鑒硬件、軟件行業的優秀的交互，不斷總結，思考更為輕松、自然、平順的產品體驗。

四、兼顧B端C端體驗

在我還是互聯網產品經理時期，我關注的重點在C端用戶的需求，而現在AI技術落地對接以B端為主，作為AI產品經理要調整關注焦點，從商務對接階段開始，就要和B溝通。能帶給B端怎么樣的商業價值，創造多少收益，要依賴產品經理對B端需求的理解。

智能客服系統是融合B端、C端體驗設計最為突出的平臺。智能客服平臺包含“管理系統”＋“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，二是通過沉淀產品業務知識／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做到快速接入／快速投產上線，業務知識批量錄入并通過算法實現知識庫自我升級，運營數據可視化等指導運營人員有效管理日常工作。

要實現這些目標，AI產品經理就需要充分了解B端商戶的整體業務，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，整個系統實現出來也只能是中看不中用。

另一個典型案例是“智能質檢平臺”，質檢平臺使用語音識別技術ASR、自然語言處理技NLP術對客服人員服務錄音進行處理后，針對必要的項目進行質檢。該系統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。

在智能質檢平臺出現之前，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，還不能關注到全量數據背后帶來的平臺問題及困難出現的營銷機遇。

這類智能平臺在商務溝通前，AI產品經理就需要準備驗證數據，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，實現共贏的局面。

以上四點從體驗層面介紹了AI產品經理在設計上的思考和執行建議，下面，我將用第五點影響算法的數據限制和第六點上下游調用引擎的靈活便捷上，從整體架構設計角度做進一步分析。

五、設計兜底方案

這里的“兜底方案”，指除了算法／開發流程／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：在人身核驗的業務中，證件比對庫是否可用是整個流程的關鍵，所以公安、人行渠道證照調用時間與產品容錯率、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。既要滿足業務的比對需求，又要考慮比對結果的各項數據結果不低于業務閾值，避免照片庫不可用帶來的業務風險。

在做限制條件分析時，比較好判定的依據為，各環節是否有非團隊可控的因素存在，盡可能規避掉這樣的依賴，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、設計靈巧的引擎接入方案

算法引擎需要調用靈活、接口清晰才能讓引擎在足夠多的業務里迭代成長，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／企事業單位，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節；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節即可，各類的商戶需求對算法引擎、產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……這些根據實際業務需要可配置的內容，首先要進行不遺漏的字段梳理，AI產品經理只有長期高頻的分析業務案例，才能未開發負責人提供建議，在多個業務中抽象出足夠靈活的接入方案，使模型、產品方案能夠在同類需求中復用，達到提升效率、加快行業AI落地的目的。

迪特·拉姆斯說過“用法是任何設計的起點”，這是我做設計時時長提醒自己的話。

AI技術處在大量落地需求涌入的狀態，在現有的業務場景中進行微創新，將算法和業務流程結合，以最優但更好的技術支持產品迭代，是對每一個AI產品經理的要求。

現階段，AI產品經理人數較少、崗位和互聯網產品相比較新，對AI產品經理的工作方法的總結、思考仍然需要每一個從業者的積累和沉淀，這篇文章作為對之前工作的一點總結，希望起到拋磚引玉的作用，期待更多優秀的AI產品總結分享。