文章結(jié)合幾年AI項目實踐經(jīng)驗，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，給大家分享6點心得。

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？”

作為一名有操守的AI從業(yè)者，更具體的說法是“有（hui）經(jīng)（tian）驗（keng）的AI產(chǎn)品經(jīng)理”，我只想用一張圖來表達(dá)我的觀點。（有緣人都懂我打碼的內(nèi)容）

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(xì)分需求。應(yīng)用場景越來越垂直，應(yīng)用范圍越來越廣泛。所以在9102年的時候，你還和我說AI 寒冬將至，作為一個每天被各種AI 需求虐得體無完膚的產(chǎn)品狗來說，我只能用學(xué)友哥的表情包來回復(fù)你。

所以AI 寒冬論，可以一邊歇歇了。

回到正題，作為微眾銀行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(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。

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(xué)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?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，給大家分享6點心得。

體驗層上包括：

• 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(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，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(zhǔn)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?jǐn)?shù)從高到低排序展示，提供給用戶更多選擇，已達(dá)到解決用戶咨詢問題的目的。

目前的人臉識別技術(shù)也無法保證100%過濾各類風(fēng)險，比如：視頻攻擊、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(fēng)險時，便會采用異步審核流程，用人工檢測的方式保證通過率和準(zhǔn)確率，保證用戶體驗，降低業(yè)務(wù)風(fēng)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(rèn)核心需求，但更多的時間精力要用來思考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(wù)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(dāng)產(chǎn)品初步方案確認(rèn)后，需要對影響算法正常運行的場景因素進(jìn)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(fù)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(dǎo)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(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(zhǔn)確率，誤檢率、召回率等關(guān)鍵數(shù)據(jù)，還需要考慮怎么對遮擋、缺角、過期等情況導(dǎo)致的偽造證件進(jìn)行識別。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(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(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(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钪校绻腥藢ξ覀冋f話，往往會叫我們名字，我們往往回復(fù)“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(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(xì)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(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。

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(wù)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(wù)知識/常見問題，提高服務(wù)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(wù)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(dǎo)運營人員有效管理日常工作。

要實現(xiàn)這些目標(biāo)，AI產(chǎn)品經(jīng)理就需要充分了解B端商戶的整體業(yè)務(wù)，同時也要深入分析客服/客服團(tuán)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(wù)錄音進(jìn)行處理后，針對必要的項目進(jìn)行質(zhì)檢。該系統(tǒng)為客服人員服務(wù)情況進(jìn)行評估提供幫助，并且作為客戶問題統(tǒng)計、風(fēng)險預(yù)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(tuán)隊需要大量的人力進(jìn)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(wù)溝通前，AI產(chǎn)品經(jīng)理就需要準(zhǔn)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(rèn)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(jìn)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(jìn)度本身等團(tuán)隊可控的因素外，非團(tuán)隊可控的部分。

比如：在人身核驗的業(yè)務(wù)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(wù)中斷率這些非團(tuán)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(jìn)行補充。既要滿足業(yè)務(wù)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(wù)閾值，避免照片庫不可用帶來的業(yè)務(wù)風(fēng)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(tuán)隊可控的因素存在，盡可能規(guī)避掉這樣的依賴，當(dāng)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(wù)里迭代成長，具有生命力。

在對外開放人身核驗?zāi)芰?，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(zhǔn)確率要求非常高，畢竟對標(biāo)的是人工柜面核身。

所以，必須要求進(jìn)行人臉識別、活體識別、身份證OCR，甚至對高風(fēng)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(fēng)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(wù)需要可配置的內(nèi)容，首先要進(jìn)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(wù)案例，才能未開發(fā)負(fù)責(zé)人提供建議，在多個業(yè)務(wù)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(fù)用，達(dá)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)計時時常提醒自己的話。

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(wù)場景中進(jìn)行微創(chuàng)新，將算法和業(yè)務(wù)流程結(jié)合，以少但更好的技術(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。

作者：熊貓楊，微眾銀行AI產(chǎn)品經(jīng)理，曾就職于騰訊，負(fù)責(zé)游戲運營。4年人工智能實戰(zhàn)經(jīng)驗，6年互聯(lián)網(wǎng)行業(yè)背景，參與并負(fù)責(zé)人身核驗、ocr、智能客服、智能質(zhì)檢、語音識別產(chǎn)品的產(chǎn)品設(shè)計，專注于語音、圖像、自然語言處理等AI技術(shù)落地與商業(yè)化研究。

本文由 @ 熊貓楊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議