话题分享|聊聊AI产品经理、语音交互和聊天机器人

4 评论 12075 浏览 85 收藏 13 分钟

本文是来自作者私下组织的讨论会,主要是讨论了四个话题,分别有关AI产品经理、语音交互和聊天机器人,在此总结出来与你分享。enjoy~

前天(8月2日)晚会的闭门会,大家讨论太投入了,原定1个半小时,结果足足进行了2个小时!

非常感谢6位“AI产品经理大本营”团员和特邀嘉宾@赵帅 (人人都是产品经理专栏作家,前微软小冰创始团队产品经理,现优护家联合创始人/COO)的参与!下面是干货整理,分享给大家:

话题1:AI产品经理与互联网产品经理的区别

A:计算机发展百年,本质是信息连接……使用高效的方式(机器+交互),使信息知识的传递达到同频。第一批产品经理大量产生于web1.0,第二批产品经理产生于移动互联网时代,而第三批将产生于AI时代。

产品经理的批量化涌现,源于流量方式的改变(而流量又和交互息息相关)。而AI,正是带来了交互方式的本质改变。从智能手机到物联网,人不再跟一款产品进行对话,而是可以同时与多种产品进行对话。每一次交互,就是一个流量(流量的场景、定义和价值,都可能会有很大的变化)流量的方式由点到线的改变,再由线到面的进化,人类获取知识信息的方式正在变化。

百度开发Duer OS的重要原因是因为数据(流量)资源枯绝。通过Duer OS连接智能终端,每个智能硬件终端链接一个人(或多个),机器可以获取的信息规模变大 。

AI需要的是人才、场景、数据、算法。

B:AI产品经理与互联网产品经理的共同性在于,都需要考虑产品、用户、场景。在互联网的时代,用户对已知生态圈产生了熟悉感,而AI产品经理需要考虑如何设计产品才能让用户很快适应新的生态圈——新的场景,具有很深的可挖掘性。

C:互联网是线性结构,而AI是非结构化,不好对信息进行归类。把AI比作人的神经元,需要通过终端来进行声光电的信息采集,并且需要大的存储空间。AI需要比互联网更强大的计算能力,且需要行业的业务专家把知识灌输到机器中,用可量化的数据模型进行总结,投入算法,再通过机器获取新的经验。

D:AI产品经理工作的复杂度比互联网产品经理要大得多。

打个比方来说,产品经理的工作产出是一个拳头,那么互联网产品经理的第一步MVP,是做一个目标拳头的mini版,是一个小的、明确的目标,并且可被拆分、倒推、可控。而AI产品经理,第一步MVP,是做一个握拳70%的拳头,还没有完全握紧,需要一点点的聚拢(大家自己脑补一下吧,哈哈……),是一个大概的雏形,从目标、效果、方案等等,都有各种不确定性。

比如从“数据”这个角度来说,从收集(TTS,3个月)、分析(看大量聊天对话数据,才能自己提炼规则feature)、应用(产品早期,数据的价值甚至大过技术模型算法)到测试(产品需求、TE测试、用户使用,数据集都是不一样的,越来越不可控)等等,每个环节都有很大不同。

从结果看,即使是大公司中级产品经理(总监级),也至少3-6个月来适用AI产品工作,甚至都很难有自己真正独到而深入的理解认知。因为即使前人把AI产品工作中的经验教训总结成文档,ta看了之后,在实际工作中还是会遇到各种长尾问题,还是得去问老同事;慢慢的,才能逐渐对各种AI技术概念和工作环节的信息内化成自己的认知。

话题2:语音交互会不会成为下一代的交互标准

A:语音交互解放双手,不受限制设备,可以在可穿戴设备,居家设备,音箱等上实现。音箱是一个非常好的设备选择,因为人不会和音箱聊天,但人会发号施令,语言很具体,使机器可以准确地接收到很多指令。

D:下一代交互标准可能是“多模态交互”,不仅是语音,还会延续文字,加上肢体,图像,表情传递等。这背后的原因在于:

  1. AI的核心差异化方向,不是效率最优,而是情感最优。并且,人的决策,更容易受到感性影响,而非理性。(注:人类不寻求实现决策的最优化,而是采取令人满意的结果就够了。 ——诺贝尔奖获得者Herb Simon)
  2. 情感表达,仅靠语言文字远远不够,长期来说,更重要的会是“多模态交互”。(注:梅拉比安模型,感情表达=内容7%+语调语气38%+表情肢体语言55%)
  3. 好比飞机拥有多个引擎,其中一个引擎出了故障,飞机仍然可以飞行。比如,运用多模态交互的话,在极端情况下,比如语言功能disable了,仍然可以通过眼神、肢体、表情等表达。

话题3:聊天机器人

A:小冰在早期设计时,PM们先对地址栏,聊天对话框等带有输入框的产品进行体验,看哪个框的输入最不疲劳。得出的答案是聊天对话框。因为搜索带有目的性,而面对聊天对话框是无目的,无压力感的。所以确定了聊天对话是最佳人机交互方式。制定了小冰的产品方向是用聊天的方式做搜索。但如何能不能让用户聊的话题跑出控制,如何在聊天中控制用户的话题方向成了重点。所以小冰这方面的设计是使用自由聊天加兜底聊天的方式。

多轮,开放域聊天,容易聊断。起初可能是因为语气词(哦、好吧、啊等),在改善后发现聊天的实质是用户与机器人在聊一个主题故事,当一轮话题结束,设计小冰回溯前5~8句对话,提取一个小冰擅长的话题对用户进行发问,使话题重新展开,CPS增加效果显著。

聊天产品中CPS是唯一参考,但还可以参考的指标有:哪些用户群体在聊,性别分布,时间分布,活跃态度,所在环境等。了解用户是在什么场景下与机器人聊天最多有很大的影响。

聊天产品的挑战是:

  • 技术 – 两端看产品,回答准不准,回答傻不傻(太傻不像人)。
  • 产品化 – 能不能找到更贴近场景的机器人
  • 商业化 – 如何使B端C端的用户买单。

B:可否通过指令形式,让用户思维发生转化使聊天更可控。

C:目前技术受限,产品需要用产品设计来规避技术上实现不了的效果

D:CPS是不是最终的唯一评判标准?不一定。未来,更应该从“效果”角度出发,比如小孩半夜哭了,那陪伴儿童机器人能否通过几轮交互让小孩不哭?如果能达到效果,其实交互轮次越少越好,不应该为了交互轮次而提高交互轮次。

话题4:AI与医疗结合的可能落地点

E:

  1. 文本识别。仅满足了提升效率,仍不能从本质上提升诊断正确率。
  2. 影像识别。眼底判断糖尿病(准确率能达到90%以上,但其实人也能做到) 、皮肤癌。目前对内部器官的疾病诊断尚难实现。
  3. 辅助诊断

A:AI在医疗上有两部分比较成熟的应用,一个是纯工具性质,以辅助识别为主,比如文本识别,影像识别。另一个是知识图谱性质,以辅助决策为主,比如梅奥诊所在做的辅助决策系统。

目前医疗监管太深,并没有很多可以在公众分享的大数据。个人身上的生命指标数据多,但到医疗范围,仅能通过数据的趋同性去进行判断。

至于优护家,是做基层医疗数据平台的公司,主要的产品是居民智能评估引擎。

F:健康APP希望能提供运动处方,但目前数据来源比较单一,仅能通过体感设备进行睡眠数据、运动数据、器械数据的采集,指标单一;缺乏日常数据,需要结合心跳仪、血糖仪等医疗仪器才能获得更贴切用户的健康数据,才能更有针对性地提出处方建议。

D:有家“AI+医疗”公司,想用机器学习做医疗影像识别,提高医生的看片效率、降低误诊率。但在走了弯路后,他们第一步真正产生价值的是,做专门给医院提供影像图片的云存储服务(因为这个领域的图片太大,但每年只看1、2次,存在阿里云上非常贵、不划算);有了这个基础,第二步,他们给一线城市主任医师提供指导二三线曾是医院医生的机会,增加其业务数据和收入;有了前两步,积累了信任(还有数据),各家医院才慢慢愿意接受其真正想做的医疗影像识别AI服务。

话题5: AI或大数据与人事档案/资源信息管理的结合点

C:档案不能对外公布,需要去挖掘对系统的帮助,找不到良好的入口点。

方向:

  1. 一个岗位,需要什么人来匹配,任职经历;
  2. 考评时,通过评级打分;
  3. 记录操作日志信息,再分析哪些系统可以优化,简化流程,通过流程组合减少漏洞,提高效率。

A:To B 的BI,解决内部的决策问题+运营问题

B端客户,其实是to Business Person,买单决策人+使用角色人。

行业定了,行业功能就定了,不容易增减,解决大运营效率+小运营效率。

#专栏作家#

黄钊(hanniman),图灵机器人-人才战略官,人人都是产品经理专栏作家,前腾讯产品经理,微信公众号/知乎/在行/饭团“hanniman”。5年人工智能实战经验,8年互联网行业背景。“人工智能产品经理”概念的推动者,被AI同行广泛传播的200页PPT《人工智能产品经理的新起点》的作者。关注人机交互(特别是语音交互)在手机、机器人、智能汽车、智能家居、AR/VR等前沿场景的可行性和产品体验。

本文原创发布于人人都是产品经理,未经许可,不得转载

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 推荐一本好书《智能问答与深度学习》京东购买地址:https://item.jd.com/12479014.html
    Chatopera CEO 王海良与AI 专家李卓桓博士等联合撰写的业界首本 智能问答引擎方面的专业书籍,《智能问答与深度学习》不但介绍了自然语言处理、深度学习和机器阅读理解等基础知识,提供大量编程实例,配书源代码供下载。欢迎阅读,共同学习。

    Chatopera聊天机器人开发者平台(https://bot.chatopera.com/)对开发者非常友好,欢迎体验,给予反馈,感谢!
    Chatopera产品:
    春松客服
    Chatopera将春松客服开源,让客户和社区获得更大权力使用产品和定制化产品。
    春松客服上架青云应用中心,借助青云强大的平台计算资源,客户可以快速获取高可靠性,高性能的服务,按不同类型计费,并可通过工单快速联系Chatopera团队解决问题。
    智能问答引擎
    智能问答引擎是Chatopera团队独立自主开发的面向企业聊天机器人的运行时环境。具有功能强大和高性能等优点。智能问答引擎支持私有部署和SaaS版。

    多轮对话设计器
    智能问答引擎除支持知识库管理完成对话外,还支持一种更加强大的对话生成方式,即多轮对话。
    对话术建立脚本,可以实现稳定、方便干预、灵活的机器人问答。
    通过函数集成第三方接口,函数和脚本相互调用。

    来自北京 回复
  2. 兜底聊天是什么意思

    来自浙江 回复
  3. 因为AI的产品形态极其简单,那么画原型图、设计流程就变得不那么重要了,反而是对有型产品下的逻辑架构要有清楚的认识和设计——对话系统的敏感词过滤引导模块、用户情感判断模块、用户意图决策模块、对话系统的人格设计,这些冰山隐藏在海面下的东西就成为了Ai产品经理工作的战场,Axure的价值在未来堪忧;P.S. 图灵机器人我试用了下,很好,不过还有改进的空间,希望越来越好 :mrgreen:

    来自北京 回复
    1. 评论赞,对Axure处于熟不熟悉的尴尬境地,但考虑到想转AI PM,Axure都用不着了,就索性不加强Axure学习了!!!
      楼主转了AI产品经理了吗?

      来自广东 回复