【總結整理】AI產品經理大會2017（轉載）

時間 2019-11-09

原文原文鏈接

從企業大數據到企業 AI | 易觀智慧院院長李智php

一、AI 不是目的，而是要了解 AI 是什麼，真正意義上的強人工智能在前沿領域還沒有取得突破，暫時只能在影視文學做品中去思考人機關係、機器人三定律在將來的變化等，因此要站在弱人工智能的角度進行討論；目前算力 - 算法 - 大數據構成的三角形已足以支撐技術的應用，要和現有行業結合，重點在於場景，瞭解場景下的痛點和需求，應用 AI 技術後可否讓需求知足得更好更深，最終解決行業的問題。面試

二、產品的目的是爲了知足人（更好的生活和思考）和企業（增收、節支、提效、避險）的需求，做爲產品經理要思考 AI 的價值，讓產品變得更智能，把人從繁瑣的事情中解放出來。算法

三、對於創業公司面對較大的創業空間要思考兩個問題：要不要走到和巨頭同一水平線？AI 技術要拔尖到什麼程度？不管 2B 仍是 2C，能夠利用大公司的科技成果，更深更透地挖掘客戶的需求。安全

四、AI+ 理財：AI 主要應用於 c 端的用戶獲取、理財產品合做、用戶流失預警和用戶召回，以及 b 端的智能投顧、風控、量化投資等，在原需求的基礎上提升效率，同時要考慮到不一樣國家市場的差別性，在行業需求未變的前提下運用不一樣的思考維度。網絡

五、智能汽車：目前技術在朝 L三、L4 方向發展，幫助人類更好地駕馭終端，同時也衍生出人的交易、娛樂、社交這些深度存在的需求，在這些方面，目前只是在技術上吸引眼球。架構

六、智能音箱：需求依舊是音箱自己的需求，AI+ 更多的做用是營銷和教育用戶，爲了讓用戶深刻接觸瞭解 AI，消除一些被誤導的恐慌和抗拒心理，造成對 AI 的理性認知。而最終落地的場景多是如下三個方面：語音助理、推送內容 + 服務、智能家居中樞。iphone

七、做爲對 AI 的支撐，大數據的理解有助於構建整個生態。目前市場上各家平臺企業產生大數據，怎麼利用，是其中的關鍵，而 AI 技術是爲了幫助企業更智能地作事，更好地實時處理、挖掘和利用數據，越近的數據越有價值，要求數據具備實時性。學習

2、作一個 DUI AI 平臺 | 思必馳副總裁趙恆藝大數據

一、目前，語音交互產品還處於 " 行業中只有少數精品 " 的階段，須要讓 B 端用戶在 C 端有更好的用戶體驗。整個行業的成熟須要有很是多的標準化產品能知足用戶平常需求，而目前行業主要矛盾是技術提供商的定製效率和 B 端用戶定製和產品迭代的需求不能被迅速知足，而主要的瓶頸在語義設計工程師，沒辦法同時支持 100 種產品，思必馳對此的解決方案是定製規模化，把定製能力複製到低端用戶，提高低端用戶的用戶體驗。優化

二、設計過程的 6 個子系統包括全鏈路定製（語音喚醒 - 語音識別 - 語義理解 - 對話管理 - 輸出 - 最終的操做動做）、技能（語義解析、語言模型、對話管理、資源接入、安全隱私）、GUI 和 VUI 結合的控件設計、解決問題造成閉環的青囊（運營監控、問題反饋、項目管理）、玲瓏（實時更新、跨平臺支持、離線正常使用、更優更玲瓏、硬件模組支持）、鏈接外部平臺的紫微。

三、開放是推進進步的基礎，社會化大分工是行業成熟的標誌，因爲語音交互的複雜，目前的企業都是把全部端到端環節都把握在本身手上，但不是面向將來的作法，但願經過開發合做後能實現行業中每一個鏈條上都有優秀的公司來提供很好的服務，共同推進行業的發展。

3、會話式 AI 的普遍產品應用及商業價值 | 小 i 機器人王洪遠

一、AI 技術市場應用價值的體現：減小人工、提高效率

1）2055 年人類超過50%的工做實現自動化（麥肯錫）

2）2035 年英美等 12 個發達國家的生產率提升40%（埃森哲）

3）2020 年85%的客服服務由人工智能完成（Gartner）

二、建設銀行日均 300 萬交互量，至關於 9000 我的工坐席，9 億元的人工成本；交通銀行月均代替的呼叫量爲 200 萬次，月均成本節約 140 萬。

三、小 i 機器人經歷 16 年的發展，全球超過 5 億用戶，並主導首個用戶界面情感計算的國際標準。

4、如何創造智能旅程規劃的 AI 產品 | 妙計旅行路榮

一、旅行中行程定製是很是痛的痛點，並且作行程調整也很麻煩，妙計旅行的解決方案是用戶決定要去哪幾個景點，具體的行程規劃由機器完成，在定製行程的同時幫助 B 端用戶整合旅遊相關的資源。

二、AI 算法主要是實現哈密爾頓迴路 &TSP 問題中行程不重複

三、受到 AlphaGo 的啓示後，肯定了一種用深度學習優化蟻羣算法的方案，由搜索網絡（螞蟻的隨機性）和評價網絡組成（信息素更新，走得很差的螞蟻會起副作用）；而另外一種思路是總體解決行程規劃問題，採用卷積等不一樣的技術手段。

四、深度學習的其餘應用：人臉檢測（識別區分出 " 真實人臉 " 和 " 雕像的臉 "，輔助照片搜索）、場景識別（酒店圖片作場景分類，準確率達到 99%）、智能機器人。

5、AI 如何實現從個體賦能到全局智能 | 明略數據楊威

一、案例：餐飲店的營收報表

第一階段經過 excel 作圖，數據分析效率很是低；

第二階段經過管理系統 BI 功能作圖，問題是沒法給出異常數據的緣由；

第三階段運用了 AI 技術後能得出異常數據的緣由

二、企業上一代數據組織架構是數據倉庫，而新一代的企業數據組織架構是知識圖譜。

三、明智系統產品體系

四、搜索做爲最成功的 AI 商業應用，主要緣由是用戶對搜索的容忍度比較高，而 AI 的商業化核心是讓用戶合理地接受機器的錯誤，這也是 2C 比 2B 走得快的緣由。

五、企業級 AI 市場缺少好的產品、好的體驗的主要緣由：

1）使用價值低：大量業務處理過程仍需人工干預

2）使用體驗差：操做不符合人類思惟習慣，普通人沒法使用

3）使用效率低：功能複雜，培訓成本高

4）不可解釋性：黑盒操做

6、讓機器讀懂人類情感 - 聽懂、讀懂、看懂、有記憶 | 竹間智能 CTO 翁嘉頎

一、只經過關鍵詞的搜索，沒法準確識別語義，須要結合上下文。

二、情感計算 + 人工智能：情緒識別時，語音的優先級大於文字。文字表情部分是憤怒的，表情上是開心的，再結合上下文，一塊兒來斷定是開玩笑仍是真的生氣。

三、情緒分類，不限於正負中三個級別

注：翁總演講時，提到了很多很是有趣的例子，來講明天然語言處理的一些難出，很是深刻淺出，惋惜不能復現給你們。

7、基於 AI 應用的金融業務模式創新 | 捷通華聲蘇湘

一、金融創新與轉型升級的核心驅動力：服務創新（網上銀行，電話客服、O2O 等）和科技創新。

二、多個應用場景：智能語音質檢分析（錄音量大，下降人員配比量）、智能外呼機器人（信用卡催回款在 m0 和 m1 階段解放人工，場景判斷後再轉給人工處理）、智能客服機器人（天然語義解析交互）、實體機器人（銀行報號、諮詢信息的查詢）、智能語音導航（在諮詢電話中直達對應菜單、錄音調聽、統計分析）

8、AI 產品經理：人工智能的瓶頸和機會 | 圖靈機器人人才戰略官黃釗

一、從互聯網轉型到人工智能，比從傳統行業轉型到互聯網，更難。

二、爲何會有所謂的 " 人工智能鴻溝 "（落地難）？由於算法、demo，更偏向於命題做文；而在產品化、商業化的時候，關鍵第一步就在於基於場景，去從新定義問題。而這是須要 AI 產品經理去關注的。

三、數據、算法、模型、算力等，是必要條件，但AI 產品經理可能纔是 AI 要落地突破的瓶頸。這是由於，目前 AI 技術雖然不能說完美，但至少是不影響產品經理們去作 demo 原型和驗證工做的。甚至說，要想徹底由技術來實現一個完美的 AI 架構，多是不現實的，反而須要產品經理從實際的場景和用戶反饋出發，反過來給技術、模型和算法提出建議，倒逼其優化。

四、根據互聯網產品經理的演進史，相比互聯網產品經理，AI 產品經理纔是真正的 "需求產品經理"，由於 AI 領域需求特色：機會多、難度大、變化又快又大，致使老闆（知識背景、時間精力等）沒法兼顧，必須讓 AI 產品經理成爲細分領域的小 CEO，來作決策和承擔更大壓力。

五、AI 產品經理和互聯網產品經理可能就不是同一羣人，其核心價值（常態）是花 6~12 個月驗證 60 分問題（需求驗證）。

六、由於 " 感性 " 能力的稀缺度大於 " 理性 "，文科生 / 女生有不錯的轉型機會。

1）價值方向

A）效率最優，升級爲情感最優。

B）人類不尋求實現決策的最優化，而是採起使人滿意的結果就夠了。——諾貝爾獎得到者 Herb Simon

2）產品體驗

A）倫理學：養老院，2 個老人，一個要看新聞臺，一個要看體育臺，機器人怎麼辦？

B）動物學：將動物的行爲、語言，和人類進行對比研究，特別是小孩子。

C）語言學、藝術、美、傳統文化……

3）實際例子 - 亞馬遜的 Alexa

爲了讓 Alexa 擁有「人」的性格，亞馬遜找了不少女性來作性格塑造：