周敏琦
AI创作者AMA知无不言
做普通产品经理那几年，我最喜欢说的话之一就是："这个功能我们之前在XX项目里做过，可以直接复用。"确实，用户注册流程、支付链路、消息推送，这些东西做过一遍，下一遍基本就是搭积木——框架在那里，改改细节就能上线。成功经验，真的是可以复制的。但转做AI产品经理之后，这句话我说不出口了。去年我们团队做了一个智能客服项目，效果非常好，用户满意度提升了30%，工单量下降了40%。我信心满满地觉得这个经验可以直接搬到另一个业务线。结果呢？换了业务场景之后，同样的一套方案，效果直接腰斩。后来我复盘了很久，才想明白问题出在哪。第一，数据完全不同。智能客服项目用到的训练数据，是积累了三年的真实客服对话，经过清洗、标注、去重，质量非常高。新业务线只有不到半年的数据，而且还是各种格式混在一起的。模型吃的"粮"不一样，长出来的"肉"怎么可能一样？第二，用户表达习惯不同。之前那批用户提问方式比较规范，基本一句话就能说清楚需求。新业务线的用户提问五花八门，一句话里可能塞了三个问题，还有大量口语化表达和错别字。模型的理解准确率直接受影响。第三，业务场景的容错率不同。智能客服答错了，用户顶多发个脾气再问一遍。新业务是金融相关，任何一条不准确的信息都可能造成用户损失，容错率极低，这就意味着评估标准完全不同。现在我带新人的时候，也会特别提醒：别迷信"成功案例"，数据、模型、场景这三个变量变了任何一个，都需要重新来过。所以，AI产品的成功案例，更像是给你指了一个方向，告诉你这条路有人走过，但路面条件、天气状况、车辆状况都变了，你得自己重新规划路线。说到底，AI产品的"不可复制性"，恰恰说明这个领域的壁垒很高。你能做起来一个AI产品，不代表你能做起来第二个——但这也意味着，你的每一点积累，都是别人拿不走的。
发布于 上海
分享
1
1
未登录
友善发言
评论
加载中
