AI PM在做什么 & 如何做
人工智能的产业结构
如何选行业方向 in AI
（1）2B or 2C
充分了解这个⾏行业的需求，能够看准这个⾏行业在某个时间点产⽣生变 ⾰革，变⾰革是什么，然后提供2B的服务，可能会⽐比等待⼀一个平台迭代的周期去突击 2C的机会要更快或者更容易。
2C产品，需要硬件、交互、OS三个标准确定，才会真正⼤大爆发。举例：机器⼈人。
现阶段，可能2B优于2C，但今年我突然感觉，2C可能也有机会。
（2）头部VS尾部
如果做头部需要，必须和场景深度结合（⽐比如⻋车载），解决特定场景的痛点需求；
但其实，中部或⻓长尾需求，反⽽而是适合做AI的。举例：语⾳音助⼿手类产品-“提问”功能
（3）关键性应用/非关键性应用
迅雷@程浩：TOP科学家、周期长、投资大。
Google⽆无⼈人⻋车，2009年 ~ now；
Mobileye，汽⻋车辅助驾驶，1999年开始，2007年才商业化；
达芬奇⼿手术机器⼈人，起源于1980年代末的⼀一项⾮非营利性研究，直到2000年才拿到 了美国⾷食品药品管理局FDA的⾸首个⼿手术认证。
（4）“端”的价值
A）@⻩黄钊 ：对AI的理解，不能太偏“软” ， A＞BT • 华为 • 搜狗
B）新的“端”——机器人
C）端的价值，不仅是数据——自然并非仅使用⼤大脑构建理性，还使用包含大脑的身体
神经科学家 Antonio Damasio 在其对认知科学产⽣生巨⼤大影响的《笛卡尔的谬误》⼀一 书中这样写道。换句话说，除了大脑，我们还⽤用身体思考
（5）离钱近
（6）如果不差钱，可能需要同时尝试2个方向
周期长短效益结合；
举例：某⾃自动驾驶公司，同时尝试“⾼高速⽆无⼈人驾驶&低速辅助驾驶”。
（7）具备“AI+垂直”两个领域的深度背景
自己懂，或者找到互补的合伙⼈人 合看，知主线（能做什么）；分看，知边界（不能做什么）。
具体行业判断（保守）
【2B】
1、智能客服
2、垂直行业的AI助手：
法律（ROSS intelligence）、⾦金融（Kensho）、体育 （STATMUSE）
3、（卡车）自动驾驶
4、其他：
BI（例如IBM Watson，在美国赚钱，但在中国何时work不好说——艾伦人 ⼯工智能研究所的 CEO Oren Etzioni 就直⾔言：“在过去五年⾥里，没有任何证据证 明 IBM 已经成功使⽤用当初 Watson 的核⼼心技术解决了现实世界中的问题。”）、 FinTech、政府业务、医疗、教育、农业、交通、天⽓气（彩云天⽓气）、AI平台/ ChatBot类……
【2C】
1、家庭服务机器人
特别是儿童机器人（图灵机器人）。未来机器人会⾛走进每个家 庭，成为家庭服务的入口。
2、其他：AR、VR、聊天机器⼈人、虚拟个⼈人助⼿手、⽆无⼈人机、安防……
总结-七个筛选维度
1、现阶段，2B可能优于2C
2、尾部＞头部，除非能解决特定场景的痛点需求
3、⾮非关键性应⽤用＞关键性应⽤用，除⾮非有“TOP科学家+⼤大投资+⻓长周期”
4、端的价值
5、离钱近
6、可同时试水两个⽅方向
7、“AI+垂直”经验
如何找产品痛点 in AI?
找2B场景痛点
• 不仅切垂直行业，还要切更细分的垂直场景；
两个衡量指标：场景边界明显 & 有产品闭环及商业闭环
• 从行业当前的痛点入手。
例子：某医疗AI影像公司 ⽤用机器学习做医疗影像识别，提⾼高医⽣生的看⽚片效率、降低误诊率
云存储——用机器学习做医疗影像识别，提高医⽣生的看片效率、降低误诊率。——给主任医师增加业务和数据（指导二级医院
找2C场景痛点
1个原则：AI辅助人⼯工
• 更容易落地（2B&2C），而不是直接服务于C用户。
如何做体验设计 in 对话聊天产品
人工智能产品经理的分类
平台网站类AI PM；垂直场景类AI PM；对话聊天类AI PM（最难、最前沿
产品设计难
1、无行业评判标准
• 准确度、召回率——偏搜索/单轮问答 • CPS（ Conversations Per Session）by 微软小冰
• 可能还有更好的评估⾓角度？ 总之，没有严格的对错之分——exciting！
2、实际效果不稳定
• 训练数据和真实情况不一样——同事/亲朋好友/儿童
• 1个问题，多个回答——海量演化分支&不可预测
• 真正效果不可知——文字+语音+动作+……
3、投入产出比问题
• 后期优化，效果不明显，甚⾄至“⽆无底洞”。
• 后期优化，反⽽而可能影响整体效果。（“周杰伦”；“你去死吧”）
• 但如果不持续关注，⼀一定会⾃自动变差。（数据时效性，⽐比如XX明星的女朋友，或 链接失效，或网络新词）
做AI对话聊天产品设计的10个锦囊
一、解决基础交互问题，让⽤用户能开始对话（1~10轮）
1、Q/A数据，或正则表达式（20%问题覆盖80%对话量）
2、一般疑问句，或选择疑问句
3、限定对话逻辑（多轮对话太发散）
二、解决数据和架构问题，让用户能持续对话（10+轮）
4、AI+人工（缺回答：好的回答数据还不存在） 让用户能持续对话 • 举例：某儿童机器人 家长通过app，push对话内容到机器人——小朋友觉得是机器⼈人说的。
5、主动交互（缺问题：用户没话说了） 让用户能持续对话
举例：西红柿的故事，智能冰箱—>冰箱机器人。 • 特别是尾部需求，用户想不起来用……
6、架构设计 让用户能持续对话
• 举例1：XX对话架构——每个query让⼀一个能接得住的feature接住，否则往下掉， 直到“万⾦金油答案”/“兜底”。
• 举例2：购⻋车bot助⼿手
7、数据驱动微创新 让⽤用户能持续对话
• 举例1：在连续对话流⾥里，同一个模板，应该避免出现2次，⽐比如“听到XX，感觉有 点坏”，出现2次，就知道是模板了，好感度瞬间减分
• 举例2，⼩小冰：语⽓气词导致对话断点—>语气词+转其他话题—>连贯性提升一倍
三、解决需求问题，让用户能长期对话（超过1周）
8、问答决策树（类似AlphaGo剪枝？） 让用户能⻓长期对话
• 不断的提供交互过程，刺激用户（或AI）发现用户的真正需求；因为AI机器人不可能完全知道用户当下需要什么。 • 小冰：对话引出意图
9、情感 让用户能长期对话
一般情况下，用户容忍度低；但有情感时，用户容忍度高；
文本：你一不开心我整个世界都暗了
语气：让用户能长期对话 • TTS
动作：跳跳灯
文字语气动作表情：初音未来
10、内容：IP
小结：对话聊天产品
一、3个产品设计难处
• ⽆无⾏行业评判标准 • 实际效果不稳定 • 投入产出比问题
二、做AI对话聊天产品设计的10个锦囊
• 开始对话 1. Q/A模板，或正则表达式 2. 限定语句模式 3. 限定对话逻辑
• 持续对话 4. AI+人工 5. 主动交互 6. 架构设计 7. 数据驱动微创新
• 长期对话 8. 问答决策树 9. 情感 10.内容/IP
总结 AI PM在做什么、如何做
1、如何选⽅方向和⾏行业
7个筛选维度：2B＞2C、尾部＞头部、非关键性应用＞关键性应用、端的价值、离钱近、可同时试水2个方向、“AI+垂直”经验。
2、如何找场景痛点 in AI应用层(2B/2C）
2B：细分行业垂直场景（边界明显&有产品及商业闭环）、从行业当前痛点⼊入手。
2C： AI辅助人工
3、如何做体验设计 in 对话聊天产品
• 难点：无标准、不稳定、投⼊入产出比
• 做AI对话聊天产品设计的10个锦囊：开始对话-持续对话-⻓长期对话