四、兼顧B端C端體驗

在我還是互聯(lián)網(wǎng)產(chǎn)品經(jīng)理時期，我關注的重點在C端用戶的需求，而現(xiàn)在AI技術落地對接以B端為主，作為AI產(chǎn)品經(jīng)理要調(diào)整關注焦點，從商務對接階段開始，就要和B溝通。能帶給B端怎么樣的商業(yè)價值，創(chuàng)造多少收益，要依賴產(chǎn)品經(jīng)理對B端需求的理解。

智能客服系統(tǒng)是融合B端、C端體驗設計最為突出的平臺。智能客服平臺包含“管理系統(tǒng)”＋“坐席平臺”＋“客戶端”三個功能模塊。在線客服初衷，是去思考B端商戶對客服系統(tǒng)最迫切的需求是什么？

所謂剛需，一是降低客服成本，二是通過沉淀產(chǎn)品業(yè)務知識／常見問題，提高服務效率，提升客戶滿意度。那么就要求智能客服系統(tǒng)做到快速接入／快速投產(chǎn)上線，業(yè)務知識批量錄入并通過算法實現(xiàn)知識庫自我升級，運營數(shù)據(jù)可視化等指導運營人員有效管理日常工作。

要實現(xiàn)這些目標，AI產(chǎn)品經(jīng)理就需要充分了解B端商戶的整體業(yè)務，同時也要深入分析客服／客服團隊管理人員的日常工作流程／工作中的難點痛點，如若不清楚，整個系統(tǒng)實現(xiàn)出來也只能是中看不中用。

另一個典型案例是“智能質檢平臺”，質檢平臺使用語音識別技術ASR、自然語言處理技NLP術對客服人員服務錄音進行處理后，針對必要的項目進行質檢。該系統(tǒng)為客服人員服務情況進行評估提供幫助，并且作為客戶問題統(tǒng)計、風險預警及挖掘營銷策略的渠道起到不可提到的作用。

在智能質檢平臺出現(xiàn)之前，客服團隊需要大量的人力進行部分錄音的抽檢，效率低不說，還不能關注到全量數(shù)據(jù)背后帶來的平臺問題及困難出現(xiàn)的營銷機遇。

這類智能平臺在商務溝通前，AI產(chǎn)品經(jīng)理就需要準備驗證數(shù)據(jù)，落地案例，使用效果等，對B端C端的訴求有清晰的認識，打造客戶覺得好用，愿意用，打造B端的用戶口碑，為B商戶賦能，實現(xiàn)共贏的局面。

以上四點從體驗層面介紹了AI產(chǎn)品經(jīng)理在設計上的思考和執(zhí)行建議，下面，我將用第五點影響算法的數(shù)據(jù)限制和第六點上下游調(diào)用引擎的靈活便捷上，從整體架構設計角度做進一步分析。

五、設計兜底方案

這里的“兜底方案”，指除了算法／開發(fā)流程／項目進度本身等團隊可控的因素外，非團隊可控的部分。

比如：在人身核驗的業(yè)務中，證件比對庫是否可用是整個流程的關鍵，所以公安、人行渠道證照調(diào)用時間與產(chǎn)品容錯率、服務中斷率這些非團隊可控因素，必須納入人臉照片比對流程的設計。例如：工作時間使用人行提供的照片庫，非人行工作時間需要使用付覆蓋面更廣、時效性更強的公安身份證照庫進行補充。既要滿足業(yè)務的比對需求，又要考慮比對結果的各項數(shù)據(jù)結果不低于業(yè)務閾值，避免照片庫不可用帶來的業(yè)務風險。

在做限制條件分析時，比較好判定的依據(jù)為，各環(huán)節(jié)是否有非團隊可控的因素存在，盡可能規(guī)避掉這樣的依賴，當確實無法避免時，就得考慮主備方案，甚至主備方案失靈時的兜底方案。

六、設計靈巧的引擎接入方案

算法引擎需要調(diào)用靈活、接口清晰才能讓引擎在足夠多的業(yè)務里迭代成長，具有生命力。

在對外開放人身核驗能力后，我對接了非常多不同類型的合作方，有金融行業(yè)／企事業(yè)單位，也有門禁／取貨這類的需求方。在金融級人身核驗時，對本人／活人準確率要求非常高，畢竟對標的是人工柜面核身。

所以，必須要求進行人臉識別、活體識別、身份證OCR，甚至對高風險客戶可融入聲紋識別的驗證環(huán)節(jié)；但對于刷臉接入在線客服這樣的低風險場景，只需使用簡單的人臉識別環(huán)節(jié)即可，各類的商戶需求對算法引擎、產(chǎn)品功能點的隨機組合提出了較高的要求。

哪些功能合并，哪些功能拆分，哪些是可選字段，哪些是必選字段……這些根據(jù)實際業(yè)務需要可配置的內(nèi)容，首先要進行不遺漏的字段梳理，AI產(chǎn)品經(jīng)理只有長期高頻的分析業(yè)務案例，才能未開發(fā)負責人提供建議，在多個業(yè)務中抽象出足夠靈活的接入方案，使模型、產(chǎn)品方案能夠在同類需求中復用，達到提升效率、加快行業(yè)AI落地的目的。

迪特·拉姆斯說過“用法是任何設計的起點”，這是我做設計時時長提醒自己的話。

AI技術處在大量落地需求涌入的狀態(tài)，在現(xiàn)有的業(yè)務場景中進行微創(chuàng)新，將算法和業(yè)務流程結合，以最優(yōu)但更好的技術支持產(chǎn)品迭代，是對每一個AI產(chǎn)品經(jīng)理的要求。

現(xiàn)階段，AI產(chǎn)品經(jīng)理人數(shù)較少、崗位和互聯(lián)網(wǎng)產(chǎn)品相比較新，對AI產(chǎn)品經(jīng)理的工作方法的總結、思考仍然需要每一個從業(yè)者的積累和沉淀，這篇文章作為對之前工作的一點總結，希望起到拋磚引玉的作用，期待更多優(yōu)秀的AI產(chǎn)品總結分享。