人工智能寒冬論不絕于耳,究竟人工智能發(fā)展如何?

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(chǎng)景中進(jìn)行微創(chuàng)新,將算法和業(yè)務(wù)流程結(jié)合,以最優(yōu)但更好的技術(shù)支持產(chǎn)品迭代,是對(duì)每一個(gè)AI產(chǎn)品經(jīng)理的要求。
 
  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(diǎn)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?”
 
  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(yùn)營同事們接手過來的產(chǎn)品需求,也逐漸由人臉識(shí)別、變?yōu)橹悄芸头?、智能質(zhì)檢、證件識(shí)別等細(xì)分需求。應(yīng)用場(chǎng)景越來越垂直,應(yīng)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(xiàng)目組的一位產(chǎn)品經(jīng)理,我們就不重點(diǎn)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(huì)。
 
  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的手機(jī)端交互設(shè)計(jì),到讓機(jī)器多模式與人交流的設(shè)計(jì);2C到2B再到同時(shí)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(huì)去考慮技術(shù)邊界/環(huán)境影響等因素,才能著手設(shè)計(jì)需求的轉(zhuǎn)變……一路走來痛并快樂著。
 
  結(jié)合幾年AI項(xiàng)目實(shí)踐經(jīng)驗(yàn),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(jì),給大家分享6點(diǎn)心得。
 
  體驗(yàn)層上包括:
 
  技術(shù)邊界VS業(yè)務(wù)目標(biāo);應(yīng)用場(chǎng)景;教育成本;B端C端兼顧另外還有需要在設(shè)計(jì)架構(gòu)是考慮的⑤設(shè)計(jì)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(shí),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(jì)智能客服產(chǎn)品。
 
  “推薦答案”成為解決這一問題的設(shè)計(jì)方案。在無法準(zhǔn)確判定用戶的意圖時(shí),機(jī)器人會(huì)根據(jù)計(jì)算,在給出得分最高答案同時(shí),將與客戶問題意圖相近的“推薦問題”根據(jù)計(jì)算分?jǐn)?shù)從搞到排序展示,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(shí)別技術(shù)也無法保證100%過濾各類風(fēng)險(xiǎn),比如:視頻供給、照片攻擊,比如雙胞胎。于是設(shè)計(jì)了“異步審核”策略,在人臉比對(duì)和活體檢測(cè)有風(fēng)險(xiǎn)時(shí),便會(huì)將采用異步審核流程,用人工檢測(cè)的方式保證通過率和準(zhǔn)確率,保證用戶體驗(yàn),降低業(yè)務(wù)風(fēng)險(xiǎn)。
 
  一個(gè)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(shí)間精力要用來思考就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(shí)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(shí)際的業(yè)務(wù)場(chǎng)景中看到AI帶來的價(jià)值才是產(chǎn)品追求的根本。
 
  二、評(píng)估場(chǎng)景因素
 
  當(dāng)產(chǎn)品初步方案確認(rèn)后,需要對(duì)影響算法正常運(yùn)行的場(chǎng)景因素進(jìn)行分析,是否充分評(píng)估各類會(huì)影響結(jié)果的場(chǎng)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(qiáng)、注意避開側(cè)面光、逆光會(huì)影響通過。但其實(shí)是否能為用戶提供更具指導(dǎo)性的告警是考驗(yàn)AI產(chǎn)品經(jīng)理能力的重要維度。符合核身?xiàng)l件的光線檢測(cè)、外部噪音檢測(cè)、出現(xiàn)多張人臉時(shí)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(cè)條件放到前端。
 
  同樣,在身份證識(shí)別的場(chǎng)景中,金融行業(yè)這類對(duì)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(shí)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(duì)遮擋、缺角、過期等情況導(dǎo)致的偽造證件進(jìn)行識(shí)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(diǎn)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(yàn),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(cuò)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(duì)環(huán)境、用戶配合度的要求,帶來的一個(gè)新的問題:“怎樣快速直觀的教會(huì)用戶使用”,如果用戶不會(huì)用、不能用,對(duì)產(chǎn)品的落地和推廣會(huì)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(jì)的過程中,由于對(duì)話是日常人們已經(jīng)非常熟悉的場(chǎng)景,如何設(shè)計(jì)自然、“像和真人一樣”交談的交互,成為AI產(chǎn)品在設(shè)計(jì)過程中的重點(diǎn)及難點(diǎn)。
 
  例如:用戶在初期面對(duì)智能音箱產(chǎn)品時(shí)可能會(huì)一臉茫然,“我在干什么?”,“我要做什么?”,這時(shí)候通過屏幕顯示的配合(有屏音箱設(shè)計(jì))讓用戶對(duì)產(chǎn)品的功能有所了解,或者通過音箱主動(dòng)交互告知用戶“你可以這么問我”,“我對(duì)這些技能擅長”是產(chǎn)品設(shè)計(jì)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(shí)都喚醒。AI在后臺(tái)被喚醒了,用戶是怎么知道的呢?
 
  在我們?nèi)粘I钪?,如果有人?duì)我們說話,往往會(huì)叫我們名字,我們往往回復(fù)“我在~”。仿照這樣的方式,我們對(duì)音箱的設(shè)計(jì)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(huì)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(shí)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(duì)話設(shè)計(jì)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(yàn)。
 
  四、兼顧B端C端體驗(yàn)
 
  在我還是互聯(lián)網(wǎng)產(chǎn)品經(jīng)理時(shí)期,我關(guān)注的重點(diǎn)在C端用戶的需求,而現(xiàn)在AI技術(shù)落地對(duì)接以B端為主,作為AI產(chǎn)品經(jīng)理要調(diào)整關(guān)注焦點(diǎn),從商務(wù)對(duì)接階段開始,就要和B溝通。能帶給B端怎么樣的商業(yè)價(jià)值,創(chuàng)造多少收益,要依賴產(chǎn)品經(jīng)理對(duì)B端需求的理解。
 
  智能客服系統(tǒng)是融合B端、C端體驗(yàn)設(shè)計(jì)最為突出的平臺(tái)。智能客服平臺(tái)包含“管理系統(tǒng)”+“坐席平臺(tái)”+“客戶端”三個(gè)功能模塊。在線客服初衷,是去思考B端商戶對(duì)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(shí)/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(shí)批量錄入并通過算法實(shí)現(xiàn)知識(shí)庫自我升級(jí),運(yùn)營數(shù)據(jù)可視化等指導(dǎo)運(yùn)營人員有效管理日常工作。
 
  要實(shí)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(shí)也要深入分析客服/客服團(tuán)隊(duì)管理人員的日常工作流程/工作中的難點(diǎn)痛點(diǎn),如若不清楚,整個(gè)系統(tǒng)實(shí)現(xiàn)出來也只能是中看不中用。
 
  另一個(gè)典型案例是“智能質(zhì)檢平臺(tái)”,質(zhì)檢平臺(tái)使用語音識(shí)別技術(shù)ASR、自然語言處理技NLP術(shù)對(duì)客服人員服務(wù)錄音進(jìn)行處理后,針對(duì)必要的項(xiàng)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(píng)估提供幫助,并且作為客戶問題統(tǒng)計(jì)、風(fēng)險(xiǎn)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(tái)出現(xiàn)之前,客服團(tuán)隊(duì)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(tái)問題及困難出現(xiàn)的營銷機(jī)遇。
 
  這類智能平臺(tái)在商務(wù)溝通前,AI產(chǎn)品經(jīng)理就需要準(zhǔn)備驗(yàn)證數(shù)據(jù),落地案例,使用效果等,對(duì)B端C端的訴求有清晰的認(rèn)識(shí),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(shí)現(xiàn)共贏的局面。
 
  以上四點(diǎn)從體驗(yàn)層面介紹了AI產(chǎn)品經(jīng)理在設(shè)計(jì)上的思考和執(zhí)行建議,下面,我將用第五點(diǎn)影響算法的數(shù)據(jù)限制和第六點(diǎn)上下游調(diào)用引擎的靈活便捷上,從整體架構(gòu)設(shè)計(jì)角度做進(jìn)一步分析。
 
  五、設(shè)計(jì)兜底方案
 
  這里的“兜底方案”,指除了算法/開發(fā)流程/項(xiàng)目進(jìn)度本身等團(tuán)隊(duì)可控的因素外,非團(tuán)隊(duì)可控的部分。
 
  比如:在人身核驗(yàn)的業(yè)務(wù)中,證件比對(duì)庫是否可用是整個(gè)流程的關(guān)鍵,所以公安、人行渠道證照調(diào)用時(shí)間與產(chǎn)品容錯(cuò)率、服務(wù)中斷率這些非團(tuán)隊(duì)可控因素,必須納入人臉照片比對(duì)流程的設(shè)計(jì)。例如:工作時(shí)間使用人行提供的照片庫,非人行工作時(shí)間需要使用付覆蓋面更廣、時(shí)效性更強(qiáng)的公安身份證照庫進(jìn)行補(bǔ)充。既要滿足業(yè)務(wù)的比對(duì)需求,又要考慮比對(duì)結(jié)果的各項(xiàng)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(xiǎn)。
 
  在做限制條件分析時(shí),比較好判定的依據(jù)為,各環(huán)節(jié)是否有非團(tuán)隊(duì)可控的因素存在,盡可能規(guī)避掉這樣的依賴,當(dāng)確實(shí)無法避免時(shí),就得考慮主備方案,甚至主備方案失靈時(shí)的兜底方案。
 
  六、設(shè)計(jì)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(duì)外開放人身核驗(yàn)?zāi)芰?,我?duì)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(jí)人身核驗(yàn)時(shí),對(duì)本人/活人準(zhǔn)確率要求非常高,畢竟對(duì)標(biāo)的是人工柜面核身。
 
  所以,必須要求進(jìn)行人臉識(shí)別、活體識(shí)別、身份證OCR,甚至對(duì)高風(fēng)險(xiǎn)客戶可融入聲紋識(shí)別的驗(yàn)證環(huán)節(jié);但對(duì)于刷臉接入在線客服這樣的低風(fēng)險(xiǎn)場(chǎng)景,只需使用簡(jiǎn)單的人臉識(shí)別環(huán)節(jié)即可,各類的商戶需求對(duì)算法引擎、產(chǎn)品功能點(diǎn)的隨機(jī)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(shí)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(gè)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(jì)的起點(diǎn)”,這是我做設(shè)計(jì)時(shí)時(shí)長提醒自己的話。
 
  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(chǎng)景中進(jìn)行微創(chuàng)新,將算法和業(yè)務(wù)流程結(jié)合,以最優(yōu)但更好的技術(shù)支持產(chǎn)品迭代,是對(duì)每一個(gè)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(duì)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(gè)從業(yè)者的積累和沉淀,這篇文章作為對(duì)之前工作的一點(diǎn)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。
THEEND

最新評(píng)論(評(píng)論僅代表用戶觀點(diǎn))

更多
暫無評(píng)論