在我們工作中，能用AI協(xié)助做不少事，比如說(shuō)產(chǎn)品重構(gòu)。這篇文章，我們從一個(gè)案例說(shuō)起，看看如何用AI重做一款B端產(chǎn)品，幫助大家提高生產(chǎn)力。

關(guān)于【如何用AI重做現(xiàn)有產(chǎn)品】這個(gè)話題，之前以分享了兩篇：

第一篇 如何用AI重做B端產(chǎn)品（附3個(gè)案例與3個(gè)方法論）？，從方法論與案例進(jìn)行全面的分享（當(dāng)時(shí)沒(méi)想到（短期內(nèi)）這個(gè)主題的后續(xù)分享）；

第二篇 如何用AI重做B端產(chǎn)品2:從微軟與天貓學(xué)習(xí)，從成熟產(chǎn)品的案例中，明確了兩種AI產(chǎn)品架構(gòu)與產(chǎn)品形態(tài)，同時(shí)，定義清楚了產(chǎn)品定位與落地場(chǎng)景。

如果回到【以終為始，全面梳理；以始至終，最小閉環(huán)】與【小切口，大縱深】的方法論，則它們只完成了【以終為始，全面梳理】部分，而未完成【最小閉環(huán)】的【小切口】。

這就是今天分享的主題。

01 如何找到一個(gè)應(yīng)用AI的“小切口”，完成最小閉環(huán)？

前文我們分享過(guò)【用AI重做智能客服系統(tǒng)】，但沒(méi)有具體與深入討論。

基于【需求是1，方案是0】方法論，則需自問(wèn)：為什么要用AI重做客服系統(tǒng)呢？難道為了AI而用AI？

我們每年需1.2個(gè)全職研發(fā)員工（且必須對(duì)業(yè)務(wù)、系統(tǒng)非常熟悉之人），才能解決所有客訴問(wèn)題。其中：

• 65%的客訴問(wèn)題，均集中在加班、假期、報(bào)表與打卡四個(gè)模塊；
• 70%的客訴問(wèn)題，均是兩大類問(wèn)題：客戶操作與客戶信息查詢。

如果把上述四大模塊的兩大類客訴問(wèn)題全部解決，則至少可解決47.08%的客訴問(wèn)題，每年節(jié)約581工時(shí)（大概76/人日，約3.3個(gè)月）

筆者是經(jīng)歷了3輪的解決方案與不斷調(diào)試，最終才真正找到了一個(gè)AI應(yīng)用的小切口。

第一輪：只聚焦加班與假期類問(wèn)題，通過(guò)構(gòu)建知識(shí)庫(kù)+AI的方式有效解決客訴問(wèn)題

從上述分析可知加班（18.35%）、假期（18.26%）占比最高，所以把它們當(dāng)做切口，而其中最核心的就是【知識(shí)庫(kù)】的建設(shè)。

第一，建設(shè)知識(shí)庫(kù)。所以把這兩個(gè)模塊近2年的所有客訴問(wèn)題，進(jìn)行抽象與提取，加上之前客服所累積的內(nèi)容，最終形成了一個(gè)【知識(shí)庫(kù)】（共4萬(wàn)+知識(shí)點(diǎn)問(wèn)題，其中加班與假期相關(guān)超過(guò)300+）

第二，應(yīng)用知識(shí)庫(kù)。基于AI+知識(shí)庫(kù)，我們把它分別應(yīng)用于內(nèi)部跟外部：

• 內(nèi)部：面向?qū)嵤?、客成、客服、研發(fā)、測(cè)試等角色，把它應(yīng)用在【客訴問(wèn)題】平臺(tái)上。即當(dāng)他們提客訴問(wèn)題時(shí)，AI自動(dòng)根據(jù)問(wèn)題給出【AI解答】，最終由研發(fā)人員確認(rèn)后給出最終答案（如下圖）。
• 外部：面向的是用戶、客戶，與一般客服助手無(wú)異，不再贅述。

最終結(jié)果：運(yùn)行近2個(gè)月的效果來(lái)看，對(duì)客訴問(wèn)題，幾乎沒(méi)有明顯的幫助。但過(guò)程中，又發(fā)現(xiàn)了另一個(gè)值得優(yōu)化的問(wèn)題點(diǎn)。

第二輪：聚焦加班的最高頻問(wèn)題，構(gòu)建對(duì)應(yīng)全面的案例與解決方案

加班相關(guān)問(wèn)題中，有近30%是一類問(wèn)題：員工加班后，卻沒(méi)有生成加班記錄？

如果只聚焦這一個(gè)問(wèn)題，至少可解決5.4%的客訴問(wèn)題（加班占總比的18.25% x 此問(wèn)題占加班類30%≈5.4%）

所以制作了一個(gè)關(guān)于此問(wèn)題的全面解析，包含加班規(guī)則、記錄丟失原因以及對(duì)應(yīng)的案例、解析、如何確認(rèn)、如何解決，期望至少內(nèi)部員工（客成、客服、實(shí)施等），可借此解決此類問(wèn)題。

最終結(jié)果：在試運(yùn)行了1周后，發(fā)現(xiàn)效果依然不佳。原因是：無(wú)法精準(zhǔn)有效定位問(wèn)題，可能性較多，每次發(fā)生情況有差異，這么一個(gè)“全面”的文檔，幾乎無(wú)意義。

第三輪：構(gòu)建企業(yè)的AI Copilot，不僅僅解決客訴問(wèn)題

第一輪跟第二輪效果不佳的原因，是均只是在產(chǎn)品規(guī)則、邏輯等層面，不斷增加知識(shí)庫(kù)的廣度與深度，但都是是靜態(tài)數(shù)據(jù)，無(wú)法有效解決動(dòng)態(tài)的客訴問(wèn)題，而如果要解決動(dòng)態(tài)問(wèn)題，只能選擇AI Copilot的方式。

它可以識(shí)別任務(wù)、分解任務(wù)、執(zhí)行任務(wù)，最終解決用戶問(wèn)題。它必須具備與業(yè)務(wù)數(shù)據(jù)和場(chǎng)景的（多輪指令）交互能力。

比如類似ChatGpt的官方案例

同理，作為一款SaaS產(chǎn)品的Copilot，它的定位是AI Copilot = 客服助手 + 業(yè)務(wù)助手+ 數(shù)據(jù)助手+政策專家。它是基于自然語(yǔ)言交互的生成式AI，而不是決策型AI。

• 客服助手（現(xiàn)有能力P0）：可以查詢產(chǎn)品手冊(cè)、產(chǎn)品規(guī)則、產(chǎn)品邏輯等，解決用戶對(duì)復(fù)雜系統(tǒng)的學(xué)習(xí)成本；
• 業(yè)務(wù)助手（新能力P1）：可以查詢系統(tǒng)的操作記錄、業(yè)務(wù)數(shù)據(jù)，定位用戶問(wèn)題（即分析任務(wù)）、分解用戶問(wèn)題（即分解任務(wù)），最終可通過(guò)多輪指令完成解決問(wèn)題（即執(zhí)行任務(wù)），并自動(dòng)完成學(xué)習(xí)反饋；
• 數(shù)據(jù)助手（新能力P2）：可以查詢、展示、分析業(yè)務(wù)數(shù)據(jù)，并給出決策建議以及行動(dòng)；
• 政策專家（新能力P3）：可以查詢相關(guān)的各類政策，用戶還可訂閱最新消息。

02 小切口的最小閉環(huán)：如何解決占比5.4%的“員工加班后，卻沒(méi)有生成加班記錄”的問(wèn)題？

日拱一卒，功不唐捐，每天向前30公里。

所以，我們的最小可行性版本是：

它聚焦解決一個(gè)“小問(wèn)題”：客訴問(wèn)題中占比5.4%的【加班后，為什么不生成加班記錄】

• 它的目標(biāo)是：用最小投入解決【加班記錄不生成】的客訴問(wèn)題；
• 它的價(jià)值是：用最小成本提升對(duì)應(yīng)問(wèn)題的人效，釋放產(chǎn)研資源。同時(shí)，用最小成本跑通AI Copilot的模式，驗(yàn)證可行性與價(jià)值。
• 它的能力是：清晰定位限定問(wèn)題的原因，并給出解決方案。
• 它的產(chǎn)品形態(tài)是：結(jié)合現(xiàn)有的客訴平臺(tái)，完成最小成本的閉環(huán)（如下圖）

03 總結(jié)

1、需求是1。筆者的需求是：如何用AI解決47.08%的客訴問(wèn)題，提升產(chǎn)研效率？

2、方案是0。筆者的方案經(jīng)歷了三個(gè)階段：

• 第一階段：聚焦客訴問(wèn)題占比最高的兩個(gè)模塊:加班（18.35%）、假期（18.26%），專注于構(gòu)建知識(shí)庫(kù)的豐富性與落地驗(yàn)證，結(jié)果失?。?/li>
• 第二階段：聚焦一個(gè)加班的高頻問(wèn)題（即占比5.4%的加班后，無(wú)加班記錄問(wèn)題），采取全面場(chǎng)景與案例結(jié)合方式，結(jié)果依然失??；
• 第三階段：依然聚焦占比5.4%的加班后，無(wú)加班記錄問(wèn)題，但重新設(shè)計(jì)新的MVP解決方案（即AI Copilot），結(jié)果待驗(yàn)證（思路沒(méi)問(wèn)題，效果不佳則一定是執(zhí)行環(huán)節(jié)的問(wèn)題）；

3、以終為始，全面梳理。

• AI Copilot的產(chǎn)品定位與終局：客服助手 + 業(yè)務(wù)助手+ 數(shù)據(jù)助手+政策專家；
• AI Copilot的產(chǎn)品形態(tài)：基于【全功能集合中心式】的產(chǎn)品架構(gòu)（類似Microsoft Copilot或有贊智能運(yùn)營(yíng)助手）；

4、以始至終，最小閉環(huán)。通過(guò)三個(gè)階段的摸索，最終確認(rèn)Copilot的MVP方案，專注于一個(gè)最高頻的問(wèn)題（即加班后，無(wú)加班記錄問(wèn)題）。

5、關(guān)鍵認(rèn)知：To B/SaaS等企業(yè)服務(wù)類產(chǎn)品落地AI，目的是交付用戶一個(gè)正確結(jié)果，而不是創(chuàng)意。所以一定要控制大模型含量，保證它輸出的結(jié)果，要么正確，要么不知道，不能模棱兩可，也不能隨意發(fā)揮。