本文是來自作者私下組織的討論會，主要是討論了四個話題，分別有關AI產品經理、語音交互和聊天機器人，在此總結出來與你分享。enjoy~

前天（8月2日）晚會的閉門會，大家討論太投入了，原定1個半小時，結果足足進行了2個小時！

非常感謝6位“AI產品經理大本營”團員和特邀嘉賓@趙帥 （人人都是產品經理專欄作家，前微軟小冰創始團隊產品經理，現優護家聯合創始人/COO）的參與！下面是干貨整理，分享給大家：

話題1：AI產品經理與互聯網產品經理的區別

A：計算機發展百年，本質是信息連接……使用高效的方式（機器+交互），使信息知識的傳遞達到同頻。第一批產品經理大量產生于web1.0，第二批產品經理產生于移動互聯網時代，而第三批將產生于AI時代。

產品經理的批量化涌現，源于流量方式的改變（而流量又和交互息息相關）。而AI，正是帶來了交互方式的本質改變。從智能手機到物聯網，人不再跟一款產品進行對話，而是可以同時與多種產品進行對話。每一次交互，就是一個流量（流量的場景、定義和價值，都可能會有很大的變化）。流量的方式由點到線的改變，再由線到面的進化，人類獲取知識信息的方式正在變化。

百度開發Duer OS的重要原因是因為數據（流量）資源枯絕。通過Duer OS連接智能終端，每個智能硬件終端鏈接一個人（或多個），機器可以獲取的信息規模變大 。

AI需要的是人才、場景、數據、算法。

B：AI產品經理與互聯網產品經理的共同性在于，都需要考慮產品、用戶、場景。在互聯網的時代，用戶對已知生態圈產生了熟悉感，而AI產品經理需要考慮如何設計產品才能讓用戶很快適應新的生態圈——新的場景，具有很深的可挖掘性。

C：互聯網是線性結構，而AI是非結構化，不好對信息進行歸類。把AI比作人的神經元，需要通過終端來進行聲光電的信息采集，并且需要大的存儲空間。AI需要比互聯網更強大的計算能力，且需要行業的業務專家把知識灌輸到機器中，用可量化的數據模型進行總結，投入算法，再通過機器獲取新的經驗。

D：AI產品經理工作的復雜度比互聯網產品經理要大得多。

打個比方來說，產品經理的工作產出是一個拳頭，那么互聯網產品經理的第一步MVP，是做一個目標拳頭的mini版，是一個小的、明確的目標，并且可被拆分、倒推、可控。而AI產品經理，第一步MVP，是做一個握拳70%的拳頭，還沒有完全握緊，需要一點點的聚攏（大家自己腦補一下吧，哈哈……），是一個大概的雛形，從目標、效果、方案等等，都有各種不確定性。

比如從“數據”這個角度來說，從收集（TTS，3個月）、分析（看大量聊天對話數據，才能自己提煉規則feature）、應用（產品早期，數據的價值甚至大過技術模型算法）到測試（產品需求、TE測試、用戶使用，數據集都是不一樣的，越來越不可控）等等，每個環節都有很大不同。

從結果看，即使是大公司中級產品經理（總監級），也至少3-6個月來適用AI產品工作，甚至都很難有自己真正獨到而深入的理解認知。因為即使前人把AI產品工作中的經驗教訓總結成文檔，ta看了之后，在實際工作中還是會遇到各種長尾問題，還是得去問老同事；慢慢的，才能逐漸對各種AI技術概念和工作環節的信息內化成自己的認知。

話題2：語音交互會不會成為下一代的交互標準

A：語音交互解放雙手，不受限制設備，可以在可穿戴設備，居家設備，音箱等上實現。音箱是一個非常好的設備選擇，因為人不會和音箱聊天，但人會發號施令，語言很具體，使機器可以準確地接收到很多指令。

D：下一代交互標準可能是“多模態交互”，不僅是語音，還會延續文字，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，而是情感最優。并且，人的決策，更容易受到感性影響，而非理性。（注：人類不尋求實現決策的最優化，而是采取令人滿意的結果就夠了。 ——諾貝爾獎獲得者Herb Simon）
2. 而情感表達，僅靠語言文字遠遠不夠，長期來說，更重要的會是“多模態交互”。（注：梅拉比安模型，感情表達＝內容7%+語調語氣38%+表情肢體語言55%）
3. 好比飛機擁有多個引擎，其中一個引擎出了故障，飛機仍然可以飛行。比如，運用多模態交互的話，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。

話題3：聊天機器人

A：小冰在早期設計時，PM們先對地址欄，聊天對話框等帶有輸入框的產品進行體驗，看哪個框的輸入最不疲勞。得出的答案是聊天對話框。因為搜索帶有目的性，而面對聊天對話框是無目的，無壓力感的。所以確定了聊天對話是最佳人機交互方式。制定了小冰的產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。所以小冰這方面的設計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。起初可能是因為語氣詞（哦、好吧、啊等），在改善后發現聊天的實質是用戶與機器人在聊一個主題故事，當一輪話題結束，設計小冰回溯前5~8句對話，提取一個小冰擅長的話題對用戶進行發問，使話題重新展開,CPS增加效果顯著。

聊天產品中CPS是唯一參考，但還可以參考的指標有：哪些用戶群體在聊，性別分布，時間分布，活躍態度，所在環境等。了解用戶是在什么場景下與機器人聊天最多有很大的影響。

聊天產品的挑戰是：

• 技術 – 兩端看產品，回答準不準，回答傻不傻（太傻不像人）。
• 產品化 – 能不能找到更貼近場景的機器人
• 商業化 – 如何使B端C端的用戶買單。

B：可否通過指令形式，讓用戶思維發生轉化使聊天更可控。

C：目前技術受限，產品需要用產品設計來規避技術上實現不了的效果。

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

話題4：AI與醫療結合的可能落地點

E：

1. 文本識別。僅滿足了提升效率，仍不能從本質上提升診斷正確率。
2. 影像識別。眼底判斷糖尿?。蚀_率能達到90%以上，但其實人也能做到） 、皮膚癌。目前對內部器官的疾病診斷尚難實現。
3. 輔助診斷。

A：AI在醫療上有兩部分比較成熟的應用，一個是純工具性質，以輔助識別為主，比如文本識別，影像識別。另一個是知識圖譜性質，以輔助決策為主，比如梅奧診所在做的輔助決策系統。

目前醫療監管太深，并沒有很多可以在公眾分享的大數據。個人身上的生命指標數據多，但到醫療范圍，僅能通過數據的趨同性去進行判斷。

至于優護家，是做基層醫療數據平臺的公司，主要的產品是居民智能評估引擎。

F：健康APP希望能提供運動處方，但目前數據來源比較單一，僅能通過體感設備進行睡眠數據、運動數據、器械數據的采集，指標單一；缺乏日常數據，需要結合心跳儀、血糖儀等醫療儀器才能獲得更貼切用戶的健康數據，才能更有針對性地提出處方建議。

D：有家“AI+醫療”公司，想用機器學習做醫療影像識別，提高醫生的看片效率、降低誤診率。但在走了彎路后，他們第一步真正產生價值的是，做專門給醫院提供影像圖片的云存儲服務（因為這個領域的圖片太大，但每年只看1、2次，存在阿里云上非常貴、不劃算）；有了這個基礎，第二步，他們給一線城市主任醫師提供指導二三線曾是醫院醫生的機會，增加其業務數據和收入；有了前兩步，積累了信任（還有數據），各家醫院才慢慢愿意接受其真正想做的醫療影像識別AI服務。

話題5: AI或大數據與人事檔案／資源信息管理的結合點

C：檔案不能對外公布，需要去挖掘對系統的幫助，找不到良好的入口點。

方向：

1. 一個崗位，需要什么人來匹配，任職經歷；
2. 考評時，通過評級打分；
3. 記錄操作日志信息，再分析哪些系統可以優化，簡化流程，通過流程組合減少漏洞，提高效率。

A：To B 的BI，解決內部的決策問題+運營問題

B端客戶，其實是to Business Person，買單決策人＋使用角色人。

行業定了，行業功能就定了，不容易增減，解決大運營效率＋小運營效率。

#專欄作家#

黃釗（hanniman），圖靈機器人-人才戰略官，人人都是產品經理專欄作家，前騰訊產品經理，微信公眾號/知乎/在行/飯團“hanniman”。5年人工智能實戰經驗，8年互聯網行業背景?！叭斯ぶ悄墚a品經理”概念的推動者，被AI同行廣泛傳播的200頁PPT《人工智能產品經理的新起點》的作者。關注人機交互（特別是語音交互）在手機、機器人、智能汽車、智能家居、AR/VR等前沿場景的可行性和產品體驗。

本文原創發布于人人都是產品經理，未經許可，不得轉載