文章结合几年AI项目实践经验，谈谈AI产品经理在具体工作中如何考虑产品设计，给大家分享6点心得。
和前几年一样，看衰AI行业前景的言论最近又此起彼伏。难道真如该观点支持者们所说的那样，”投资额减少、关注度下滑，AI寒冬将至？”
作为一名有操守的AI从业者，更具体的说法是“有（hui）经（tian）验（keng）的AI产品经理”，我只想用一张图来表达我的观点。（有缘人都懂我打码的内容）
过去几年来，经过没日没夜的加班，我从一位AI菜鸟变成了一位AI老鸟。我从技术、运营同事们接手过来的产品需求，也逐渐由人脸识别、变为智能客服、智能质检、证件识别等细分需求。应用场景越来越垂直，应用范围越来越广泛。所以在9102年的时候，你还和我说AI 寒冬将至，作为一个每天被各种AI 需求虐得体无完肤的产品狗来说，我只能用学友哥的表情包来回复你。
所以AI 寒冬论，可以一边歇歇了。
回到正题，作为微众银行AI项目组的一位产品经理，我们就不重点讨论AI 到底有没有进入寒冬的问题，今天主要和大家分享一下在 AI 公司做产品经理的一些心得体会。
从互联网产品经理转型为AI产品经理，在这一过程我经历了从App手机端交互设计，到让机器多模式与人交流的设计；2C到2B再到同时兼顾B端C端的转变；产品整理需求文档就能过需求，排开发，到学会去考虑技术边界、环境影响等因素，才能着手设计需求的转变……一路走来痛并快乐着。
结合几年AI项目实践经验，谈谈AI产品经理在具体工作中如何考虑产品设计，给大家分享6点心得。
体验层上包括：
技术边界VS业务目标；
应用场景；
教育成本；
B端C端兼顾
另外还有需要在设计架构是考虑的⑤设计兜底方案、⑥引擎接入的灵活性。
一、技术边界VS业务目标
在一定的阶段，当技术无法以预期的方式满足产品需求时，AI产品经理要做的事情就是在了解技术边界的前提下，提供最适合的产品解决方案以达到业务目标。
“准确回答用户咨询的问题”是智能客服产品的核心诉求，如何更准确的为用户提供解决方案呢？自然语言处理（NLP）技术并不能保证百分百精准理解客户的意图，AI产品经理需要考虑在这样的前提下，怎样设计智能客服产品。
“推荐答案”成为解决这一问题的设计方案。在无法准确判定用户的意图时，机器人会根据计算，在给出得分最高答案同时，将与客户问题意图相近的“推荐问题”根据计算分数从高到低排序展示，提供给用户更多选择，已达到解决用户咨询问题的目的。
目前的人脸识别技术也无法保证100%过滤各类风险，比如：视频攻击、照片攻击，比如双胞胎。于是设计了“异步审核”策略，在人脸比对和活体检测有风险时，便会采用异步审核流程，用人工检测的方式保证通过率和准确率，保证用户体验，降低业务风险。
一个技术落地，AI产品经理除了需要像互联网产品经理先确认核心需求，但更多的时间精力要用来思考AI技术的情况，如何使用优秀的可执行的产品方案来代替大量的数据和时间投入，尽快从无到有的上线初代产品研发，在迭代中提升。毕竟让模型跑起来，在实际的业务场景中看到AI带来的价值才是产品追求的根本。
二、评估场景因素
当产品初步方案确认后，需要对影响算法正常运行的场景因素进行分析，是否充分评估各类会影响结果的场景因素，决定了产品真正落地的速度。
很多人吐槽过刷脸要求的复杂又难理解，不能戴黑框、光线不能太强、注意避开侧面光、逆光会影响通过。但其实是否能为用户提供更具指导性的告警是考验AI产品经理能力的重要维度。符合核身条件的光线检测、外部噪音检测、出现多张人脸时提示等，都需要在研发过程中尽充分挖掘，并进行合理的告警分类，考虑是否能用技术手段解决，比如将人脸是否满足检测条件放到前端。
同样，在身份证识别的场景中，金融行业这类对安全要求较高的行业，在证件伪造上都属于零容忍，证件识别除了来基本字段的准确率，误检率、召回率等关键数据，还需要考虑怎么对遮挡、缺角、过期等情况导致的伪造证件进行识别。足够丰富多样且精准的告警码，才能满足产品需求，为后续商业化提供技术亮点的支持。
由于目前硬件和算法的种种限制，为了尽量提升用户体验，AI产品经理需要挖掘外部环境可能导致的失败原因，反推算法同事给出更多维度更细颗粒的错误反馈，以便为用户提供清晰的操作指导，提升用户满意度。
三、产品使用的教育成本
AI产品对环境、用户配合度的要求，带来的一个新的问题：“怎样快速直观的教会用户使用”，如果用户不会用、不能用，对产品的落地和推广会带来负面影响。
比如：智能音箱、智能车载设备的兴起，在做软硬一体产品设计的过程中，由于对话是日常人们已经非常熟悉的场景，如何设计自然、“像和真人一样”交谈的交互，成为AI产品在设计过程中的重点及难点。
例如：用户在初期面对智能音箱产品时可能会一脸茫然，“我在干什么？”，“我要做什么？”，这时候通过屏幕显示的配合（有屏音箱设计）让用户对产品的功能有所了解，或者通过音箱主动交互告知用户“你可以这么问我”，“我对这些技能擅长”是产品设计中细致的考量。
再比如：如果音箱一直在听我们说话，将收录非常多杂乱无章的信息，使得AI系统没有办法很好的理解谁在说话，说了什么，往往需要用户每次与音箱交互时都唤醒。AI在后台被唤醒了，用户是怎么知道的呢？
在我们日常生活中，如果有人对我们说话，往往会叫我们名字，我们往往回复“我在~”。仿照这样的方式，我们对音箱的设计通过灯关不同颜色的反馈或者语音应答，告诉用户音箱被唤醒了，正在等待你说话。
另外，如果每次都唤醒，会让用户很烦很累，在一些连续交互的过程中，可以打破每次唤醒的魔咒，使得AI音箱一直在听用户所说的话。那这时候怎么让用户在这两种不同的模式间平缓切换，细致的对话设计就很重要。
与互联网产品不同，AI产品经理需要广泛涉猎不同行业不同地域的操作习惯，借鉴硬件、软件行业的优秀的交互，不断总结，思考更为轻松、自然、平顺的产品体验。
四、兼顾B端C端体验
在我还是互联网产品经理时期，我关注的重点在C端用户的需求，而现在AI技术落地对接以B端为主，作为AI产品经理要调整关注焦点，从商务对接阶段开始，就要和B沟通。能带给B端怎么样的商业价值，创造多少收益，要依赖产品经理对B端需求的理解。
智能客服系统是融合B端、C端体验设计最为突出的平台。智能客服平台包含“管理系统”+“坐席平台”+“客户端”三个功能模块。在线客服初衷，是去思考B端商户对客服系统最迫切的需求是什么？
所谓刚需，一是降低客服成本，二是通过沉淀产品业务知识/常见问题，提高服务效率，提升客户满意度。那么就要求智能客服系统做到快速接入/快速投产上线，业务知识批量录入并通过算法实现知识库自我升级，运营数据可视化等指导运营人员有效管理日常工作。
要实现这些目标，AI产品经理就需要充分了解B端商户的整体业务，同时也要深入分析客服/客服团队管理人员的日常工作流程/工作中的难点痛点，如若不清楚，整个系统实现出来也只能是中看不中用。
另一个典型案例是“智能质检平台”，质检平台使用语音识别技术ASR、自然语言处理技NLP术对客服人员服务录音进行处理后，针对必要的项目进行质检。该系统为客服人员服务情况进行评估提供帮助，并且作为客户问题统计、风险预警及挖掘营销策略的渠道起到不可提到的作用。
在智能质检平台出现之前，客服团队需要大量的人力进行部分录音的抽检，效率低不说，还不能关注到全量数据背后带来的平台问题及困难出现的营销机遇。
这类智能平台在商务沟通前，AI产品经理就需要准备验证数据，落地案例，使用效果等，对B端C端的诉求有清晰的认识，打造客户觉得好用，愿意用，打造B端的用户口碑，为B商户赋能，实现共赢的局面。
以上四点从体验层面介绍了AI产品经理在设计上的思考和执行建议，下面，我将用第五点影响算法的数据限制和第六点上下游调用引擎的灵活便捷上，从整体架构设计角度做进一步分析。
五、设计兜底方案
这里的“兜底方案”，指除了算法/开发流程/项目进度本身等团队可控的因素外，非团队可控的部分。
比如：在人身核验的业务中，证件比对库是否可用是整个流程的关键，所以公安、人行渠道证照调用时间与产品容错率、服务中断率这些非团队可控因素，必须纳入人脸照片比对流程的设计。例如：工作时间使用人行提供的照片库，非人行工作时间需要使用付覆盖面更广、时效性更强的公安身份证照库进行补充。既要满足业务的比对需求，又要考虑比对结果的各项数据结果不低于业务阈值，避免照片库不可用带来的业务风险。
在做限制条件分析时，比较好判定的依据为，各环节是否有非团队可控的因素存在，尽可能规避掉这样的依赖，当确实无法避免时，就得考虑主备方案，甚至主备方案失灵时的兜底方案。
六、设计灵巧的引擎接入方案
算法引擎需要调用灵活、接口清晰才能让引擎在足够多的业务里迭代成长，具有生命力。
在对外开放人身核验能力后，我对接了非常多不同类型的合作方，有金融行业/企事业单位，也有门禁/取货这类的需求方。在金融级人身核验时，对本人/活人准确率要求非常高，毕竟对标的是人工柜面核身。
所以，必须要求进行人脸识别、活体识别、身份证OCR，甚至对高风险客户可融入声纹识别的验证环节；但对于刷脸接入在线客服这样的低风险场景，只需使用简单的人脸识别环节即可，各类的商户需求对算法引擎、产品功能点的随机组合提出了较高的要求。
哪些功能合并，哪些功能拆分，哪些是可选字段，哪些是必选字段……这些根据实际业务需要可配置的内容，首先要进行不遗漏的字段梳理，AI产品经理只有长期高频的分析业务案例，才能未开发负责人提供建议，在多个业务中抽象出足够灵活的接入方案，使模型、产品方案能够在同类需求中复用，达到提升效率、加快行业AI落地的目的。
迪特·拉姆斯说过“用法是任何设计的起点”，这是我做设计时时常提醒自己的话。
AI技术处在大量落地需求涌入的状态，在现有的业务场景中进行微创新，将算法和业务流程结合，以少但更好的技术支持产品迭代，是对每一个AI产品经理的要求。
现阶段，AI产品经理人数较少、岗位和互联网产品相比较新，对AI产品经理的工作方法的总结、思考仍然需要每一个从业者的积累和沉淀，这篇文章作为对之前工作的一点总结，希望起到抛砖引玉的作用，期待更多优秀的AI产品总结分享。
