本文是來自作者私下組織的討論會(huì)，主要是討論了四個(gè)話題，分別有關(guān)AI產(chǎn)品經(jīng)理、語音交互和聊天機(jī)器人，在此總結(jié)出來與你分享。enjoy~

前天（8月2日）晚會(huì)的閉門會(huì)，大家討論太投入了，原定1個(gè)半小時(shí)，結(jié)果足足進(jìn)行了2個(gè)小時(shí)！

非常感謝6位“AI產(chǎn)品經(jīng)理大本營”團(tuán)員和特邀嘉賓@趙帥 （人人都是產(chǎn)品經(jīng)理專欄作家，前微軟小冰創(chuàng)始團(tuán)隊(duì)產(chǎn)品經(jīng)理，現(xiàn)優(yōu)護(hù)家聯(lián)合創(chuàng)始人/COO）的參與！下面是干貨整理，分享給大家：

話題1：AI產(chǎn)品經(jīng)理與互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的區(qū)別

A：計(jì)算機(jī)發(fā)展百年，本質(zhì)是信息連接……使用高效的方式（機(jī)器+交互），使信息知識(shí)的傳遞達(dá)到同頻。第一批產(chǎn)品經(jīng)理大量產(chǎn)生于web1.0，第二批產(chǎn)品經(jīng)理產(chǎn)生于移動(dòng)互聯(lián)網(wǎng)時(shí)代，而第三批將產(chǎn)生于AI時(shí)代。

產(chǎn)品經(jīng)理的批量化涌現(xiàn)，源于流量方式的改變（而流量又和交互息息相關(guān)）。而AI，正是帶來了交互方式的本質(zhì)改變。從智能手機(jī)到物聯(lián)網(wǎng)，人不再跟一款產(chǎn)品進(jìn)行對(duì)話，而是可以同時(shí)與多種產(chǎn)品進(jìn)行對(duì)話。每一次交互，就是一個(gè)流量（流量的場景、定義和價(jià)值，都可能會(huì)有很大的變化）。流量的方式由點(diǎn)到線的改變，再由線到面的進(jìn)化，人類獲取知識(shí)信息的方式正在變化。

百度開發(fā)Duer OS的重要原因是因?yàn)閿?shù)據(jù)（流量）資源枯絕。通過Duer OS連接智能終端，每個(gè)智能硬件終端鏈接一個(gè)人（或多個(gè)），機(jī)器可以獲取的信息規(guī)模變大 。

AI需要的是人才、場景、數(shù)據(jù)、算法。

B：AI產(chǎn)品經(jīng)理與互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的共同性在于，都需要考慮產(chǎn)品、用戶、場景。在互聯(lián)網(wǎng)的時(shí)代，用戶對(duì)已知生態(tài)圈產(chǎn)生了熟悉感，而AI產(chǎn)品經(jīng)理需要考慮如何設(shè)計(jì)產(chǎn)品才能讓用戶很快適應(yīng)新的生態(tài)圈——新的場景，具有很深的可挖掘性。

C：互聯(lián)網(wǎng)是線性結(jié)構(gòu)，而AI是非結(jié)構(gòu)化，不好對(duì)信息進(jìn)行歸類。把AI比作人的神經(jīng)元，需要通過終端來進(jìn)行聲光電的信息采集，并且需要大的存儲(chǔ)空間。AI需要比互聯(lián)網(wǎng)更強(qiáng)大的計(jì)算能力，且需要行業(yè)的業(yè)務(wù)專家把知識(shí)灌輸?shù)綑C(jī)器中，用可量化的數(shù)據(jù)模型進(jìn)行總結(jié)，投入算法，再通過機(jī)器獲取新的經(jīng)驗(yàn)。

D：AI產(chǎn)品經(jīng)理工作的復(fù)雜度比互聯(lián)網(wǎng)產(chǎn)品經(jīng)理要大得多。

打個(gè)比方來說，產(chǎn)品經(jīng)理的工作產(chǎn)出是一個(gè)拳頭，那么互聯(lián)網(wǎng)產(chǎn)品經(jīng)理的第一步MVP，是做一個(gè)目標(biāo)拳頭的mini版，是一個(gè)小的、明確的目標(biāo)，并且可被拆分、倒推、可控。而AI產(chǎn)品經(jīng)理，第一步MVP，是做一個(gè)握拳70%的拳頭，還沒有完全握緊，需要一點(diǎn)點(diǎn)的聚攏（大家自己腦補(bǔ)一下吧，哈哈……），是一個(gè)大概的雛形，從目標(biāo)、效果、方案等等，都有各種不確定性。

比如從“數(shù)據(jù)”這個(gè)角度來說，從收集（TTS，3個(gè)月）、分析（看大量聊天對(duì)話數(shù)據(jù)，才能自己提煉規(guī)則feature）、應(yīng)用（產(chǎn)品早期，數(shù)據(jù)的價(jià)值甚至大過技術(shù)模型算法）到測試（產(chǎn)品需求、TE測試、用戶使用，數(shù)據(jù)集都是不一樣的，越來越不可控）等等，每個(gè)環(huán)節(jié)都有很大不同。

從結(jié)果看，即使是大公司中級(jí)產(chǎn)品經(jīng)理（總監(jiān)級(jí)），也至少3-6個(gè)月來適用AI產(chǎn)品工作，甚至都很難有自己真正獨(dú)到而深入的理解認(rèn)知。因?yàn)榧词骨叭税袮I產(chǎn)品工作中的經(jīng)驗(yàn)教訓(xùn)總結(jié)成文檔，ta看了之后，在實(shí)際工作中還是會(huì)遇到各種長尾問題，還是得去問老同事；慢慢的，才能逐漸對(duì)各種AI技術(shù)概念和工作環(huán)節(jié)的信息內(nèi)化成自己的認(rèn)知。

話題2：語音交互會(huì)不會(huì)成為下一代的交互標(biāo)準(zhǔn)

A：語音交互解放雙手，不受限制設(shè)備，可以在可穿戴設(shè)備，居家設(shè)備，音箱等上實(shí)現(xiàn)。音箱是一個(gè)非常好的設(shè)備選擇，因?yàn)?strong>人不會(huì)和音箱聊天，但人會(huì)發(fā)號(hào)施令，語言很具體，使機(jī)器可以準(zhǔn)確地接收到很多指令。

D：下一代交互標(biāo)準(zhǔn)可能是“多模態(tài)交互”，不僅是語音，還會(huì)延續(xù)文字，加上肢體，圖像，表情傳遞等。這背后的原因在于：

1. AI的核心差異化方向，不是效率最優(yōu)，而是情感最優(yōu)。并且，人的決策，更容易受到感性影響，而非理性。（注：人類不尋求實(shí)現(xiàn)決策的最優(yōu)化，而是采取令人滿意的結(jié)果就夠了。 ——諾貝爾獎(jiǎng)獲得者Herb Simon）
2. 而情感表達(dá)，僅靠語言文字遠(yuǎn)遠(yuǎn)不夠，長期來說，更重要的會(huì)是“多模態(tài)交互”。（注：梅拉比安模型，感情表達(dá)＝內(nèi)容7%+語調(diào)語氣38%+表情肢體語言55%）
3. 好比飛機(jī)擁有多個(gè)引擎，其中一個(gè)引擎出了故障，飛機(jī)仍然可以飛行。比如，運(yùn)用多模態(tài)交互的話，在極端情況下，比如語言功能disable了，仍然可以通過眼神、肢體、表情等表達(dá)。

話題3：聊天機(jī)器人

A：小冰在早期設(shè)計(jì)時(shí)，PM們先對(duì)地址欄，聊天對(duì)話框等帶有輸入框的產(chǎn)品進(jìn)行體驗(yàn)，看哪個(gè)框的輸入最不疲勞。得出的答案是聊天對(duì)話框。因?yàn)樗阉鲙в心康男?，?strong>面對(duì)聊天對(duì)話框是無目的，無壓力感的。所以確定了聊天對(duì)話是最佳人機(jī)交互方式。制定了小冰的產(chǎn)品方向是用聊天的方式做搜索。但如何能不能讓用戶聊的話題跑出控制，如何在聊天中控制用戶的話題方向成了重點(diǎn)。所以小冰這方面的設(shè)計(jì)是使用自由聊天加兜底聊天的方式。

多輪，開放域聊天，容易聊斷。起初可能是因?yàn)檎Z氣詞（哦、好吧、啊等），在改善后發(fā)現(xiàn)聊天的實(shí)質(zhì)是用戶與機(jī)器人在聊一個(gè)主題故事，當(dāng)一輪話題結(jié)束，設(shè)計(jì)小冰回溯前5~8句對(duì)話，提取一個(gè)小冰擅長的話題對(duì)用戶進(jìn)行發(fā)問，使話題重新展開,CPS增加效果顯著。

聊天產(chǎn)品中CPS是唯一參考，但還可以參考的指標(biāo)有：哪些用戶群體在聊，性別分布，時(shí)間分布，活躍態(tài)度，所在環(huán)境等。了解用戶是在什么場景下與機(jī)器人聊天最多有很大的影響。

聊天產(chǎn)品的挑戰(zhàn)是：

• 技術(shù) – 兩端看產(chǎn)品，回答準(zhǔn)不準(zhǔn)，回答傻不傻（太傻不像人）。
• 產(chǎn)品化 – 能不能找到更貼近場景的機(jī)器人
• 商業(yè)化 – 如何使B端C端的用戶買單。

B：可否通過指令形式，讓用戶思維發(fā)生轉(zhuǎn)化使聊天更可控。

C：目前技術(shù)受限，產(chǎn)品需要用產(chǎn)品設(shè)計(jì)來規(guī)避技術(shù)上實(shí)現(xiàn)不了的效果。

D：CPS是不是最終的唯一評(píng)判標(biāo)準(zhǔn)？不一定。未來，更應(yīng)該從“效果”角度出發(fā)，比如小孩半夜哭了，那陪伴兒童機(jī)器人能否通過幾輪交互讓小孩不哭？如果能達(dá)到效果，其實(shí)交互輪次越少越好，不應(yīng)該為了交互輪次而提高交互輪次。

話題4：AI與醫(yī)療結(jié)合的可能落地點(diǎn)

E：

1. 文本識(shí)別。僅滿足了提升效率，仍不能從本質(zhì)上提升診斷正確率。
2. 影像識(shí)別。眼底判斷糖尿病（準(zhǔn)確率能達(dá)到90%以上，但其實(shí)人也能做到） 、皮膚癌。目前對(duì)內(nèi)部器官的疾病診斷尚難實(shí)現(xiàn)。
3. 輔助診斷。

A：AI在醫(yī)療上有兩部分比較成熟的應(yīng)用，一個(gè)是純工具性質(zhì)，以輔助識(shí)別為主，比如文本識(shí)別，影像識(shí)別。另一個(gè)是知識(shí)圖譜性質(zhì)，以輔助決策為主，比如梅奧診所在做的輔助決策系統(tǒng)。

目前醫(yī)療監(jiān)管太深，并沒有很多可以在公眾分享的大數(shù)據(jù)。個(gè)人身上的生命指標(biāo)數(shù)據(jù)多，但到醫(yī)療范圍，僅能通過數(shù)據(jù)的趨同性去進(jìn)行判斷。

至于優(yōu)護(hù)家，是做基層醫(yī)療數(shù)據(jù)平臺(tái)的公司，主要的產(chǎn)品是居民智能評(píng)估引擎。

F：健康A(chǔ)PP希望能提供運(yùn)動(dòng)處方，但目前數(shù)據(jù)來源比較單一，僅能通過體感設(shè)備進(jìn)行睡眠數(shù)據(jù)、運(yùn)動(dòng)數(shù)據(jù)、器械數(shù)據(jù)的采集，指標(biāo)單一；缺乏日常數(shù)據(jù)，需要結(jié)合心跳儀、血糖儀等醫(yī)療儀器才能獲得更貼切用戶的健康數(shù)據(jù)，才能更有針對(duì)性地提出處方建議。

D：有家“AI+醫(yī)療”公司，想用機(jī)器學(xué)習(xí)做醫(yī)療影像識(shí)別，提高醫(yī)生的看片效率、降低誤診率。但在走了彎路后，他們第一步真正產(chǎn)生價(jià)值的是，做專門給醫(yī)院提供影像圖片的云存儲(chǔ)服務(wù)（因?yàn)檫@個(gè)領(lǐng)域的圖片太大，但每年只看1、2次，存在阿里云上非常貴、不劃算）；有了這個(gè)基礎(chǔ)，第二步，他們給一線城市主任醫(yī)師提供指導(dǎo)二三線曾是醫(yī)院醫(yī)生的機(jī)會(huì)，增加其業(yè)務(wù)數(shù)據(jù)和收入；有了前兩步，積累了信任（還有數(shù)據(jù)），各家醫(yī)院才慢慢愿意接受其真正想做的醫(yī)療影像識(shí)別AI服務(wù)。

話題5: AI或大數(shù)據(jù)與人事檔案／資源信息管理的結(jié)合點(diǎn)

C：檔案不能對(duì)外公布，需要去挖掘?qū)ο到y(tǒng)的幫助，找不到良好的入口點(diǎn)。

方向：

1. 一個(gè)崗位，需要什么人來匹配，任職經(jīng)歷；
2. 考評(píng)時(shí)，通過評(píng)級(jí)打分；
3. 記錄操作日志信息，再分析哪些系統(tǒng)可以優(yōu)化，簡化流程，通過流程組合減少漏洞，提高效率。

A：To B 的BI，解決內(nèi)部的決策問題+運(yùn)營問題

B端客戶，其實(shí)是to Business Person，買單決策人＋使用角色人。

行業(yè)定了，行業(yè)功能就定了，不容易增減，解決大運(yùn)營效率＋小運(yùn)營效率。

#專欄作家#

黃釗（hanniman），圖靈機(jī)器人-人才戰(zhàn)略官，人人都是產(chǎn)品經(jīng)理專欄作家，前騰訊產(chǎn)品經(jīng)理，微信公眾號(hào)/知乎/在行/飯團(tuán)“hanniman”。5年人工智能實(shí)戰(zhàn)經(jīng)驗(yàn)，8年互聯(lián)網(wǎng)行業(yè)背景?！叭斯ぶ悄墚a(chǎn)品經(jīng)理”概念的推動(dòng)者，被AI同行廣泛傳播的200頁P(yáng)PT《人工智能產(chǎn)品經(jīng)理的新起點(diǎn)》的作者。關(guān)注人機(jī)交互（特別是語音交互）在手機(jī)、機(jī)器人、智能汽車、智能家居、AR/VR等前沿場景的可行性和產(chǎn)品體驗(yàn)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，不得轉(zhuǎn)載