作者介绍：
Mingke，对话式 AI产品经理，专注研究 CUI类的产品设计。为世界一百强企业提供对话智能应用的咨询和解决方案。本文笔记来自于主要来自于他的两篇文章和一次分享：
2016年11月21日：《为什么现在的人工智能助理都像人工智障？》
2017年6月4日：《人工智能技术不成熟，产品经理如何规避「智障」？》
2019年1月17日：《人工智障 2 : 你看到的AI与智能无关》
分享主题：AI时代的产品经理。
参与者：爱因互动创始人 CEO 王守崑，文因互联 CEO 鲍捷、S 先生创始人 Mingke。
分享主题：人工智能在怎样影响业态、真正的 AI 产品经理的角色与 JD、产品的对话式交互特性、产品经理在 AI 时代下技能边界在哪里。
Mingke先生主题： CUI 行业的机会与现状、CUI 产品的设计思路和决定性属性（圣杯属性）
1. AI产业的混乱（注意背景是2017年6月以前）
行业内的专业知识不清楚：基础设施的尘埃没有落定，创业公司在应用层做产品，就做全栈；研发要从底层算法开始积累；产品分不清“什么事情该谁做”。
行业内（非学术上）无法定义AI：路径？方法？目标？很多写文章，做演讲，将识别率召回率，但没有能拿出手的产品。当行业里没人能够下定义，也没有绝对权威和绝对成功的产品时，就意味着每个从业者都有了定义这个行业的机会。（但是，大厂或已有背景知识的人的机会肯定比小打小闹、后入场的人的机会大）
曾经有家外企公司有 AI 产品项目需求，找了很多公司来做每家公司都回复能做，只要提供满足某某要求的数据就行。该外企的 CTO 吐槽说，Andrew Ng （吴恩达*）在 Stanford讲的那些谁都看过，要是这种数据我已经有了，那我不是自己成立个部门就解决了？解决数据和训练的相关问题本来就该是AI 产品设计中的一环，缺少的不是「爱干净的科学家」，而是能设计和实施完善的解决系统的团队。不能遇到真实场景的项目就要数据，没有数据就妥协产品效果。
上面这段话是在强调AI产品设计中的一条原则，不能因为数据和训练的问题就让最后产品的效果打折。AI在商业应用上还有许多产品经理的发挥空间。
2. AI产品的设计思想
设计思想的核心价值体现在做具体工程的设计决策时，可以提供指导产品方向。讲人话就是，当你的产品做到不知道该怎么办了，就去问设计思想。人工智能产品设计的思想是应该站在对业界、底层算法、技术工程、消费者意识、甚至竞争环境等等方面的理解上，根据整体环境去制定的。
① 思想一：做商业应用的团队，一定要创造真实的、有差异性的价值。
用“拿着锤子找钉子”的思路去做产品，一做一个死！关注场景，明确造车目标再去找合适的工具。
②思想二：只有用户感知到这个功能或者价值，产品才有存在（被选择使用）的可能性。
主观唯心主义观点：To be is to be perceived 。用户是否选择你的产品、对产品的态度是由用户体验的效果决定的，不是开发团队自上而下的设计效果决定的。
CUI的产品经理要对用户会在某一场景下说出什么话做预判。设计思想不能是：“因为技术受限，我们处理不了，所以不能让用户说这种话”；而是要“默认这些话一定会出现，然后系统需要如何处理”。【非常重要】
对开发者而言，要处理一个任务，需求可能会考虑到与这个任务相关的各种细节，那么这些细节之间的关系要如何表达，是否该使用ontology的思路对该场景进行全面的覆盖？要的话，颗粒度多细？
③ 思想三：做设计的时候是把 5000 个方面同时考虑的过程。这就是此类产品的核心竞争力之一，也是产品经理的重大价值之一。
乔布斯的观点：Design is keeping 5000 things together in your brain. 将AI产品比作一个黑盒子，如果需要实现“input一个需求，完美output一个结果”的效果，就需要设计师在这个黑盒子中设计很多环节，帮助机器判断无法被算法和技术自动处理的细节。
实例：以CUI的意图识别为例。一个场景可以拆成很多个意图，而且数量不一定。
①直接将场景或者意图交给数据或算法来处理，是一种很简单粗暴的方式，最后得到的结果就是一个非常智障的产品。
②交给人设计，考虑的因素：训练数据是否够、算法的能力、最终需求的程度？最后意图是否识别对，应该由产品经理来判断。
③拆成80个，好处：对话设计更平滑；坏处：没有足够的训练样本。那就拆成18个，好处：需要的训练样本少了；坏处：是够能够精准识别用户的正确需求呢？
④产品经理得假定预判某种体验为目标，然后结合其他因素来看如何实现。而预判的体验好或不好的标准，是否符合真实用户的行为，则非常考验对场景下用户心理的拿捏。
（从我自己在设计对话式AI的经验中，我们也会去思考用户在这种情况下会怎么怎么说？说完 会期待什么？如何在不满足期待的时候让用户继续对话？在与其他交互设计讨论的过程中，确实会有不同的结论，因为每个人的同理心和生活经历不一样，也没有专门去了解心理学上的专业知识，所以确实是跟人的经验经历强绑定的）
总结：用最终效果来指导所有的设计，然后再由设计指导研发。产品的目的只有一个，就是最终效果，无论是自上而下还是自下而上的设计，都不是目的，只是方法。
一个好的 CUI 设计的特性：体验越好，就越难找到背后的设计逻辑——一个产品如果能轻易给你摸到其黑盒里的 Pattern（模型），那么这必定不是一个值得研究的产品。（Fake it, until make it. 如何让使用者摸不到黑盒里面的逻辑呢，就需要产品经理运用自己的逻辑判断，处理好对话流中的各种细节，设计出一个个精巧的螺丝钉和齿轮，环环相扣，让这个黑盒子能够运转起来，不止于卡死。）
3. CUI产品的圣杯属性
圣杯属性指的是一些非常重要的、对终端产品体验有决策性影响的因素和属性。往往这些属性是隐形的，不容易发现。譬如移动互联网中，触摸属性是一个明显的属性，但不是圣杯属性，所以基于“触摸”做出来的产品都不算真正的强大，而基于“碎片时间”（碎片化阅读今日头条、短视频快手抖音）、“地理位置”（瑞幸咖啡、饿了么）、“个人身份和社交关系绑定”（微信） 等特征做出来的App才算是强大的。
CUI的圣杯属性
① 抽象。好的 CUI 系统应该是尽量直接解决用户的问题而让用户忽略过程。因此用对话能跑几轮来判断任务系统的好坏是毫无意义的。终极效果是「我不用说，你就明白」。
（这里作者也没有详细讲这方面的内容，我理解是，系统在处理用户的问题时，不会说给一步步的澄清语，让你知道它是怎么一步步处理你的问题的，省去选择，省去澄清，直接给你满意的结果。相当于把这个问题处理的过程给抽象成一个黑盒子了。这个要和第二个属性结合起来看。）
② Context 。通常在 NLP 里被理解成语义上的「上下文」，而我这里指的是场景。一个对话发生之前 Context 就已经产生了。当你跟一个人见面的时候，一句话还没讲，但是很多信息就已经出来了。这些信息与文字无关，而且是隐蔽的看不到的，但是它是存在的。好的 CUI 系统需要判断对话会包含哪些元素，怎么去找出这些元素，然后把悄无声息的把他们解决掉。
（这个也可以理解成在用户和机器对话之前的背景资料，一方面是内置的默认条件、用户基本信息或者权限系统，另一方面是用户在使用过程中不断产生的行为数据）
③ 个性化。因为没有可视化界面的，所以用户对 CUI 产品提的需求都是高度个性化的。并且这个「个性化」有别于过去 GUI 产品常见的基于用户画像的个性化。它是动态的，很多个方面随着时间和空间是在不断发展并不停与外部条件妥协的综合结果。
（可以理解成，这个个性化是随着用户的使用习惯或使用场景的变化而变化的，比如在我们的场景下，用户一般每天会打开应用看公司的财报，但是有一天他要去北京分公司视察，所以那一天他除了看公司的总体业绩，还会看北京分公司的业绩）