前言：AI产品落地 ， 非常有意思 ， 也非常有难度 ， 究其原因 ， 除了AI技术、产品、行业、人才、用户等各方面都还没成熟 ， 还有一个很重要的问题 ， 就是我们还没有 将互联网时代的产品方法论升级成为"AI产品方法论” 。
很多AI产品会陷入一个瓶颈：不论怎么设计/迭代 ， 都不能让足够多的用户真正满意； 如果过于细分目标人群 ， 感觉整体市场空间不够大；如果想做到“千人千面” ， 短期内又看不到技术和产品层面的可行性 。
如何解决这个问题呢？不能仅靠AI技术来fix ， 需要首先有些不一样的AI产品认知 ， 我个人观点是 ， AI产品设计=AI+人工+用户

文章图片

1、首先 ， 目前AI技术有局限性 ， 短期内 ， AI技术本身的效果可能只有70分；
2、然后 ， 由“人工”来把某个具体的feature做到足够可用（ 加20分） ， 让这个点成为用户决策的理由；
3、最后 ， 用户拿到产品后 ， 还需要完成“个性化”的设置过程（主动+被动） ， 补齐最后的5～10分 。
对于第2点 ， 我在前些天发布的《AI产品经理的实操手册（PDF） 》中提到 ， 虽然业内说“ 有多少人工 ， 就有多少智能”是一句戏谑的话 ， 但我把它update成一句能指导实际工作落地的rule——对于 某个具体的AI产品feature ， 可能需要 有30%+的人工 ， 才有足够让用户满意的产品价值和门槛积累 。

• 比如公开文章曾报道 ， 某智能音箱的“中英文混合TTS”功能 ， 为了让朗读效果自然（比如AI语音朗读“XXX中文歌星的XXX英文歌曲” ， 专门花了1个月时间 ， 找了2个音色效果极为近似的真人 ， 一个能说中文 ， 一个能说英文 ， 然后请他们来录制音频 ， 最终花了几个月时间才让这个小小的feature完成——但到这个时候 ， 其他厂家的效果就完全跟不上它了 。 即 ， 如果不想做脏活累活就获得竞争优势 ， 很可能是不现实的（方法可以取巧 ， 但心态不能求安逸） 。

第2点 ， 之前谈过很多 ， 今天重点聊聊第3点 ， 我将其描述为：由用户来完成AI产品设计的最后一公里 。

文章图片

1
释义
用户拿到产品后 ， 还需要完成“个性化”的设置过程（主动+被动） 。
【AI产品方法论之“由用户来完成AI产品设计的最后一公里”】什么意思？假设我们未来购买了一个超级AI个人助理 ， 总不能把我（主人）的名字、性别等基本信息弄错吧？所以类似电影《her》的男主角那样 ， 用户拿到AI系统后 ， 需要有个 初始化过程：

• 对于主人的重点profile字段信息 ， 通过语音交互来获取 ， 比如姓名、性别、年龄等 。
• 对于低频、长尾字段 ， 等未来需要的时候再问 。
• 另外 ， AI系统还可以通过环境感知 ， 比如GPS定位 ， CV等功能 ， 先设置一些默认值 ， 等未来用户提出“这个不对”时 ， 再纠正update 。

用下面这个“类比”模型来理解 ， 可能会很不一样—— 买宠物 。

文章图片

1、当我们买宠物的时候 ， 首先会在大脑里有大致的需求认知和偏好 ， 自然的 选择一个大的品类 ， 比如狗、猫等（这背后 ， 人本身 ， 以及自然界 ， 整体可以看作一个大的AI） 。
2、进一步的 ， 我们需要 选择“子品类”（边牧？柯基？拉布拉多？） ， 需要 选择“具体个体” ， 这时 ， 多数人需要有一个“更懂”的朋友或店员来帮助参谋、挑选 。 但是 ， 我们的产品体验过程 ， 其实并没有结束——