互联网产品经理转型为AI产品经理，我的心得体会

前言

作为一个非AI技术出身的人工智能产品经理，在转行之前会面对很对自我怀疑。在做了4年人工智能产品经理之后，也做了点总结，主要介绍AI产品经理在设计过程中的一些要点，和互联网产品经理9相似的工作内容就没有刻意的去提，内容如下:

从互联网产品经理转型为AI产品经理，在这一过程我经历了从App手机端交互设计9，到让机器多模式与人交流的设计;2C到2B再到同时兼顾B端C端的转变;产品整理需求文档就能过需求，排开发，到学会去考虑技术边界、环境影响等因素，才能着手设计需求的转变…-路走来痛并快乐着。
结合几年AI项目实践经验，谈谈AI产品经理在具体工作中如何考虑产品设计，给大家分享6点心得

体验层上包括:

• 技术边界VS业务目标; 应用场景;
• 教育成本;
• B端C端兼顾

另外还有需要在设计架构是考虑的⑤设计兜底方案、⑥引擎接入的灵活性

**
**

一、技术边界VS业务目标

在一定的阶段，当技术无法以预期的方式满足产品需求时，AI产品经理要做的事情就是在了解技术边界的前提下，提供最适合的产品解决方案以达到业务目标。

"准确回答用户咨询的问题”是智能客服产品的核心诉求，如何更准确的为用户提供解决方案呢?自然语言处理Q(NLP)技术并不能保证百分百精准理解客户的意图，AI产品经理需要考虑在这样的前提下，怎样设计智能客服产品。

“推荐答案Q”成为解决这一问题的设计方案。在无法准确判定用户的意图时，机器人会根据计算，在给出得分最高答案同时，将与客户问题意图相近的“推荐问题”根据计算分数从高到低排序展示，提供给用户更多选择，已达到解决用户咨询问题的目的。

目前的人脸识别技术9也无法保证100%过滤各类风险，比如:视频攻击、照片攻击，比如双胞胎。于是设计了“异步审核”策略，在人脸比对和活体检测只有风险时，便会采用异步审核流程，用人工检测的方式保证通过率和准确率，保证用户体验，降低业务风险。

二、评估场景因素

当产品初步方案确认后，需要对影响算法正常运行的场景因素进行分析，是否充分评估各类会影响结果的场景因素，决是了产品真正落地的速度。

很多人吐槽过刷脸要求的复杂又难理解，不能戴黑框、光线不能太强、注意避开侧面光、逆光会影响通过，但其实是否能为用户提供更具指导性的告警是考验AI产品经理能力的重要维度，符合核身条件的光线检测9、外部噪音检测、出现多张人脸时提示等，都需要在研发过程中尽充分挖掘，并进行合理的告警分类，考虑是否能用技术手段解决，比如将人脸是否满足检测条件放到前端。

同样，在身份证识别的场景中，金融行业这类对安全要求较高的行业，在证件伪造上都属于零容忍，证件识别除了来基本字段的准确率，误检率、召回率9等关键数据，还需要考虑怎么对遮挡缺角、过期等情况导致的伪造证件进行识别，足够丰宣多样且精准的告警码9，才能满足产品需求，为后续商业化提供技术亮点的支持，
由于目前硬件和算法的种种限制，为了尽量提升用户体验，AI产品经理需要挖掘外部环境可能导致的失败原因，反推算法9同事给出更多维度更细颗粒的错误反馈，以便为用户提供清晰的操作指导，提升用户满意度，