發(fā)展手段。創(chuàng)新的結(jié)果便是促動企業(yè)不斷設(shè)計、生產(chǎn)出符合市場需要的新產(chǎn)品，產(chǎn)品創(chuàng)新是企業(yè)經(jīng)營的延續(xù)和深入。

但是關(guān)于產(chǎn)品創(chuàng)新，我們看到的局面是：大的創(chuàng)新點越來越少，小的創(chuàng)新點都是給行業(yè)大佬打工。如果我們所處的行業(yè)已經(jīng)有一個龍頭大哥，你只做些微創(chuàng)新、漸進式創(chuàng)新沒有意義，因為龍頭大哥的抄襲成本太低了，你想顛覆他基本沒有可能。這是目前行業(yè)面臨的挑戰(zhàn)和問題。

面對這樣的困境，今天在這里，我想為大家分享一些我對AI創(chuàng)新的看法，幫助大家打破常規(guī)創(chuàng)新的思維定式，創(chuàng)造更多的顛覆式創(chuàng)新。

01 為什么我會認為AI讓創(chuàng)新更簡單了

技術(shù)與市場并非一成不變，技術(shù)一直在發(fā)展，而市場一直在調(diào)整，兩者都是處于動態(tài)演變的過程中，這一點在人工智能領(lǐng)域尤為明顯。

 

技術(shù)的發(fā)展推動了新場景的出現(xiàn)。新技術(shù)的突破，讓人們看到兩個希望，一是原有一些應(yīng)用場景可以被顛覆式優(yōu)化，二是會創(chuàng)造出全新的應(yīng)用場景，產(chǎn)生全新的市場。以往“想做但是沒辦法做”的場景以及“沒想到可以這樣做”的場景，可能只需要一兩年的時間，就出現(xiàn)了更成熟的技術(shù)能夠滿足這個場景的需求。

例如圖像識別是一項廣泛應(yīng)用在我們生活中的人工智能技術(shù)，在2012年以前，基于機器學(xué)習(xí)的圖像識別技術(shù)的精確率并不高，所以在當時，圖像識別只能用于車牌識別、符號識別這類簡單的場景。

 

在2012年以后，隨著深度學(xué)習(xí)技術(shù)的崛起，圖像識別技術(shù)的精確率有巨大的提升，這時候我們嘗試運用圖像識別幫助我們做更多的事情，例如將人臉識別應(yīng)用在考勤和車站人流檢測的場景上，甚至是在畜牧業(yè)采用豬臉識別實現(xiàn)農(nóng)場的智慧管理。

直到2015年，對抗生成網(wǎng)絡(luò)(GAN)技術(shù)將圖像識別的精確率在一夜之間推到一個前所未有的高度，短短幾年時間，圖像識別技術(shù)逐漸應(yīng)用在鑒定、安防以及金融等，對準確度度要求很高的領(lǐng)域，例如假鈔驗真、名畫鑒定等專業(yè)場景。

2019年VQ-VAE繼續(xù)超越GAN，已經(jīng)做出了以假亂真的照片，從識別、模仿到創(chuàng)造，技術(shù)一直在進步。這就是屬于以前想做，但是沒辦法做的場景，隨著技術(shù)的進步被逐漸解決。

今年的疫情，對全人類來說是一場大考，但也是新技術(shù)落地的一次機會。

英國倫敦有一家創(chuàng)業(yè)公司叫BenevolentAI，他們研究的方向是檢索醫(yī)學(xué)文獻的系統(tǒng)。在新冠期間，他們利用人工智能算法搜索已知藥物的數(shù)據(jù)庫，在很短的時間內(nèi)找到類風濕性關(guān)節(jié)炎藥物巴利西尼可能是治療新冠肺炎的方法。

 

在3月底的一項試點研究中，醫(yī)生對12名患有中度新冠肺炎的成年人使用了巴利西尼，并且服用了抗艾滋病藥物利托那韋，為期兩周時間。另一對照組中，12名同等程度的新冠患者只復(fù)用了利托那韋。

根據(jù)最近的一份報告顯示，經(jīng)過兩周的治療后，接受巴利西尼的患者大部分已經(jīng)康復(fù)。他們的咳嗽和發(fā)燒都消失了，也不再氣喘吁吁。12個名患者中有7名已經(jīng)出院。相比之下，未服用巴利西尼的患者仍然有體溫升高，咳嗽等現(xiàn)象，只有一名患者出院。

我們從來沒有想過有一天會通過AI的方式做到對癥下藥。AI把人類無法關(guān)聯(lián)的藥物數(shù)據(jù)集合，創(chuàng)造了藥物之間更高層次的關(guān)聯(lián)。這是技術(shù)的進步，帶來的場景變化，讓更多不可能變成了可能。

去年有幸聽了一段前迅雷聯(lián)合創(chuàng)始人程浩老師對于產(chǎn)品創(chuàng)新的分享，其中有一個觀點讓我印象深刻。他認為產(chǎn)品創(chuàng)新不是目的而是手段，本質(zhì)上是達成：

• 極大地提升效率
• 極大地降低成本
• 極大提升用戶體驗

我認為AI技術(shù)的出現(xiàn)，恰好能從解決方案層面達成創(chuàng)新的目的，是創(chuàng)新手段的有力武器。

 

國內(nèi)有一家做AI解決方案的公司叫圖普科技，他們使用AI技術(shù)，分析人、貨、場多維度的圖像信息，為線下零售門店提供客戶統(tǒng)計、request分析和支付人臉綁定等功能，幫助線下門店實現(xiàn)門店運營的智能化升級。他們的商業(yè)智能方案在線下場景中的準確率達到 90% 以上，另外，通過比對分析用戶畫像和門店內(nèi)的熱區(qū)圖，客戶可以分析門店存在的隱性問題進行調(diào)整，從而能提高轉(zhuǎn)化率。

這種場景是AI技術(shù)落地最理想的方式，對于消費者來說，貨物需求精準匹配，減少排隊時間，提升用戶體驗;對于商家來說提升業(yè)務(wù)轉(zhuǎn)化率，縮短倉儲庫存的時間，整體經(jīng)營成本下降。

由此可見，AI技術(shù)方案實現(xiàn)的產(chǎn)品創(chuàng)新，通常都能夠帶來5-10倍的提升改進，實現(xiàn)“顛覆式”的極大創(chuàng)新。

02 AI創(chuàng)新的四大方向

精細化，從更細分的場景出發(fā)

快遞行業(yè)因其作業(yè)流程標準化，人力成本高，分揀效率低等特點，一直是AI技術(shù)落地應(yīng)用的重要場景之一。實際上快遞行業(yè)通常將快遞分為大件貨以及小件貨，并且會根據(jù)產(chǎn)品特點分為貴重物品、易碎品以及普通物品。

 

如果按照傳統(tǒng)的產(chǎn)品設(shè)計思路做一個全自動的分揀裝置，我們希望做一個通用型的產(chǎn)品，能夠適應(yīng)不同的快遞。這就要求我們的分揀裝置有足夠的力量能分出大件貨，同時又有平滑的方式運輸貴重物品或易碎品，甚至于還能應(yīng)用到別的場景中，例如垃圾的分揀，這種情況是產(chǎn)品經(jīng)理最喜歡的。但是這對于系統(tǒng)的要求非常高，幾乎不可能完成。

那么在這個場景下我們就不沒法做任何提升嗎?

并非如此。如果我們只針對小件的普通物品，使用AI技術(shù)去實現(xiàn)這個分揀裝置，難度則大大降低?？梢娫诩毞謭鼍爸?，AI技術(shù)的應(yīng)用能夠極大地提升當下場景的物流效率。如果我們一開始就想做一個滿足通用需求的產(chǎn)品，可能AI技術(shù)并不能給我們提供太大的幫助，因為你會遇到種種限制和困難。

只有將大的不確定性不斷細分，才能找到技術(shù)與場景相匹配的部分，再通過不斷的演進滿足我們的需要。精細化建設(shè)，是AI產(chǎn)品最大的特點。

個性化，發(fā)散式的交互

以往主流的人機交互方式是：用戶向計算機發(fā)出一個指令，然后計算機返回一個結(jié)果。這是一個很具體的過程，明確輸入就獲得明確的輸出。

但是在AI時代，我們可以通過一種發(fā)散式、個性化的交互創(chuàng)造出更多充滿想象力的場景。當我們用搜索引擎尋找電影時，我們的核心訴求是找一部“我想看”的電影，而不是增加很多的維度讓我們?nèi)ミx定一部電影。

 

以往我們只能根據(jù)影片類型圈定一個范圍，然后再慢慢瀏覽每部電影的簡介或評價，尋找自己感興趣的電影。這種方式非常低效，而且很多時候用戶并沒有一個明確的需求，怎么讓用戶更高效地找到合適的電影是產(chǎn)品經(jīng)理需要解決的核心問題。

通過AI技術(shù)，我們可以告訴搜索引擎，我想看帶有“神反轉(zhuǎn)”的懸疑電影，或者是直接尋找“長安十二時辰中追擊狼衛(wèi)的片段”。甚至是在沒有明確觀影目標時，讓計算機根據(jù)我現(xiàn)在的狀態(tài)推薦一部帶有用戶喜好的電影。

這個過程更像是我在和一位很喜歡看電影的朋友交流，你問他一個問題，他在給你反饋的同時給你很多的意見，同時還會思考你下一步想要什么東西，并且主動提供給你。個性化，是AI產(chǎn)品與傳統(tǒng)產(chǎn)品最大的不同。

智能化，更聰明的解決方案

電話銷售是金融行業(yè)傳統(tǒng)而有效的銷售手段，但一直以來電銷的轉(zhuǎn)化率太低，是各家金融都很頭疼的事情。這個行業(yè)的從業(yè)人員流動性大，素質(zhì)層次不齊，所以新人經(jīng)常會遇到難開口、不知道如何與客戶溝通、找不到合適的銷售轉(zhuǎn)化時機等問題。

 

目前很多的科技廠商都在使用AI手段輔助銷售，提高業(yè)務(wù)轉(zhuǎn)化率，實現(xiàn)從信息化到數(shù)字化和智能化的轉(zhuǎn)型。

目前普遍的做法是，使用AI手段自動分析銷售電話和客服電話內(nèi)容，自動識別對話雙方身份，將語音文件轉(zhuǎn)為文本內(nèi)容。智能判斷用戶需求。并判斷銷售人員電話溝通能力，以及話術(shù)技巧。在通話過程中，這類輔助工具還能夠根據(jù)客戶的回答，提供交互式的對話引導(dǎo)，解決業(yè)務(wù)人員開口難、溝通難、轉(zhuǎn)化難的問題。

另外在傳統(tǒng)電銷過程中，如果坐席在銷售過程中出現(xiàn)違規(guī)行為，很容易被客戶投訴。早期金融機構(gòu)只能通過抽查的方式聽電話錄音判斷這個坐席有沒有出現(xiàn)違規(guī)行為，但是這種方式的效率非常低，而且是一種事后的檢測，客戶投訴可能早已發(fā)生。

如今，AI技術(shù)早已代替人工完成質(zhì)檢的工作。使用語音識別，判斷通話內(nèi)容對應(yīng)的語義，可以高效地檢測所有坐席的違規(guī)情況。甚至在通話過程中，實時判斷坐席的談話內(nèi)容，將違規(guī)行為防范于未然。這是AI產(chǎn)品智能化的體現(xiàn)，也是AI產(chǎn)品的價值所在。

終端化，是AI 與產(chǎn)業(yè)互聯(lián)網(wǎng)結(jié)合的發(fā)展趨勢

人工智能從提供單純軟件能力向智能前端產(chǎn)品、智能邊緣產(chǎn)品和智能服務(wù)器等軟硬一體解決方案延伸成為顯著趨勢。

這與技術(shù)價值實現(xiàn)的兩個特點密切相關(guān)：

• 一是數(shù)據(jù)是訓(xùn)練算法的必要條件，IoT整體解決方案從真實應(yīng)用場景中回流的海量數(shù)據(jù)成為算法的突破口，也為更適應(yīng)細分業(yè)務(wù)需求的新算法孕育打下基礎(chǔ);
• 二是僅依靠純軟件形式，往往出現(xiàn)算法效率打折扣、落地性差的問題，AI要突破“實驗室產(chǎn)品”的局限性，真正為業(yè)務(wù)帶來價值，需要向前一步與硬件和物聯(lián)網(wǎng)體系融合，實現(xiàn)商業(yè)化。

同樣在物流運輸行業(yè)，我們見到越來越多倉儲機器人的身影。

 

靈動科技是一家實現(xiàn)量產(chǎn)和商業(yè)推廣的視覺AMR(自主移動機器人)企業(yè)，年產(chǎn)能數(shù)千臺。他們生產(chǎn)的倉儲協(xié)作機器人目前已經(jīng)在德國和日本客戶倉庫上線運行，實現(xiàn)了單件揀貨成本下降30%以上的運行效果。

在技術(shù)層面上，該產(chǎn)品的主要傳感器是數(shù)顆普通的攝像頭，通過深度學(xué)習(xí)算法進行環(huán)境理解，并通過算法進行自主定位和路徑規(guī)劃，擁有超多線激光雷達方案的定位導(dǎo)航和避障能力。依托已實現(xiàn)模塊化的機器人開發(fā)平臺，靈動能夠快速將視覺AMR技術(shù)方案賦能機器人產(chǎn)品，憑借數(shù)顆攝像頭，實現(xiàn)叉車在倉庫內(nèi)的無人駕駛。

可以預(yù)見的是，AI技術(shù)與產(chǎn)業(yè)互聯(lián)網(wǎng)的結(jié)合，是整個行業(yè)大發(fā)展的趨勢。越來越多的終端機器人被應(yīng)用在制造業(yè)中，從自動化到自主化，我們一直在努力，期待AI技術(shù)能夠發(fā)揮更大的價值。

AI 2.0 深入多學(xué)科研究

隨著人工智能技術(shù)的發(fā)展，跨學(xué)科研究也成為了今年的熱門。AI 的身影，頻現(xiàn)于醫(yī)學(xué)、腦機接口乃至數(shù)學(xué)研究當中。

 

在腦機接口的研究中，科學(xué)家們設(shè)計了一種可以將大腦信號轉(zhuǎn)換成語言的裝置，不需要開口，使用深度學(xué)習(xí)技術(shù)就能直接讀懂大腦，解碼腦中所想，實現(xiàn)流暢交流。

想象一下，倘若霍金健在，在這種技術(shù)的幫助下，他可能再也不用艱難地活動臉頰上的肌肉來拼出單詞，AI能真正幫助他重新“開口”，傳播智慧。

在醫(yī)學(xué)領(lǐng)域的研究中，來自德國的研究團隊開發(fā)了一種基于深度學(xué)習(xí)的新型算法DeepMACT，這種技術(shù)能夠內(nèi)在細胞水平自動檢測和分析整個小鼠身體中的癌癥轉(zhuǎn)移。

基于這項技術(shù)，人類能夠看到其單個癌細胞形成的轉(zhuǎn)移位點，這也是科學(xué)家首次完成的壯舉。而且所使用的時間不到一個小時，準確率比肩人類專家，以往如此工作量，讓人類來做可需要數(shù)月時間才能完成。效率提高了300倍以上。

03 普通的產(chǎn)品經(jīng)理怎么做AI創(chuàng)新

在傳統(tǒng)互聯(lián)網(wǎng)時代，由于流量效應(yīng)帶來的紅利，產(chǎn)品經(jīng)理的工作主要是圍繞著挖掘用戶需求以及提升用戶體驗這兩方面。隨著AI的發(fā)展，產(chǎn)品經(jīng)理也出現(xiàn)了一個細分領(lǐng)域，稱為AI產(chǎn)品經(jīng)理。他們的工作圍繞著AI技術(shù)在場景中的運用而展開，將AI能力作為一種強有力的武器解決問題，讓產(chǎn)品功能具備AI能力從而實現(xiàn)用戶體驗與效率提升。

作為非專業(yè)的AI產(chǎn)品經(jīng)理，應(yīng)該怎么在日常工作中應(yīng)用AI技術(shù)實現(xiàn)產(chǎn)品創(chuàng)新呢?我有以下幾個建議給到大家：

了解一些最基本的AI技術(shù)

作為非專業(yè)的產(chǎn)品經(jīng)理，如果我們想要在我們的產(chǎn)品中運用AI技術(shù)，首先我們得了解一些最基本的AI技術(shù)原理。雖然AI的范疇很廣，但是一般在工業(yè)生產(chǎn)中能應(yīng)用的主流技術(shù)并不多，我們不需要全部都去了解學(xué)習(xí)。

 

主流且常用的AI技術(shù)有計算機視覺、智能語音識別、自然語言處理、知識圖譜以及機器學(xué)習(xí)五大領(lǐng)域。每個領(lǐng)域下面都有一些細分的研究方向，例如智能語音識別這塊有專門研究語音識別技術(shù)的，也有專門研究語音合成、語音翻譯技術(shù)的。在這里我不會每一點都過一遍，給大家講基本的技術(shù)原理是什么。

但是我能教給大家一個非常實用的學(xué)習(xí)方法，也比較適合我們這些非專門研究AI的產(chǎn)品經(jīng)理。

那就是打開百度AI開放平臺以及阿里云、騰訊云的人工智能模塊，從這三個地方去了解每一項技術(shù)大致原理是什么，能夠做什么以及主要應(yīng)用場景都有哪些，通過這樣的方式找到技術(shù)與場景之間相匹配的切入點。

 

從技術(shù)可行性和行業(yè)生態(tài)的角度評估新場景

對技術(shù)有了一定的了解以后，接下來我們思考的問題是，如何用AI技術(shù)去改變過去的場景，甚至是創(chuàng)造出全新的場景。對于剛接觸AI的產(chǎn)品經(jīng)理，我建議可以從技術(shù)可行性以及行業(yè)生態(tài)這兩個角度去評估新場景的可能性，思考的過程如圖所示：

 

前面我們提到過，AI創(chuàng)新的起點，可以從一個很小的場景開始。先從一個細分場景入手評估做還是不做?如果做的話可以做什么?

有一年我們做平安電話進線導(dǎo)航的優(yōu)化，當時的背景是平安95511電話系統(tǒng)每天海量進線的導(dǎo)航時長偏高，在這個環(huán)節(jié)浪費了很多電話費。經(jīng)過幾輪評估和腦爆以后我們有一個大膽的想法，是利用AI的方式預(yù)測用戶進線的意圖，從而減少導(dǎo)航的時間。

一開始我們想做一個極致簡單的方案。電話進來，預(yù)測意圖，詢問您是否需要辦理XX業(yè)務(wù)，回答是的話直接跳轉(zhuǎn)到該業(yè)務(wù)線。實際上要去做這件事相當復(fù)雜，一方面平安的進線選項高達一千余種，另一方面數(shù)據(jù)的殘缺以及時效性會影響機器的判斷。

所以我們選擇從一個小的場景開始，從技術(shù)可行性以及產(chǎn)能提升方面考慮，只預(yù)測進線頻率最高的三十余種意圖。整個呈現(xiàn)的方案不僅是對交互的方式做了設(shè)計，也考慮到很多模型缺陷下提升用戶體驗的細節(jié)。一個小場景做好了以后，再去想辦法優(yōu)化下一個小場景，最后組成一個完整的解決方案。

當我們決定對某個場景進行AI升級以后，接下來我們還要考慮升級服務(wù)的進入方式，也就是具體的AI技術(shù)到底是自研還是和外部廠商合作。我個人的建議是，如果企業(yè)的技術(shù)儲備能力不足，橫向擴張能力也不大并且非核心場景的情況下，我們盡量選擇市場上成熟的解決方案去做。

除此以外，我們還要從智能化服務(wù)提供模式以及市場成長周期兩個方面去考慮。提供模式考慮的主要問題是怎么做?以及實現(xiàn)的難點在哪里?

我們可以參考市場整體發(fā)展形勢以及同類競品他們所選策略的優(yōu)缺點去評估技術(shù)實現(xiàn)方案。這樣不至于需要我們從頭開始學(xué)習(xí)，又能知道成熟的方案都是怎么做的，快速應(yīng)用到自身的場景中。

從用戶思維轉(zhuǎn)變?yōu)閿?shù)據(jù)思維

在互聯(lián)網(wǎng)時代，流量為王，“用戶至上”成為了各大互聯(lián)網(wǎng)企業(yè)的共識。無論是電商領(lǐng)域還是社交領(lǐng)域，產(chǎn)品經(jīng)理們每天都在研究用戶的行為與表現(xiàn)，希望以此挖掘用戶內(nèi)心的想法，創(chuàng)造出滿足用戶需求的產(chǎn)品。

到了人工智能時代，數(shù)據(jù)為王，數(shù)據(jù)成為了企業(yè)的風向標。我們的產(chǎn)品、用戶都能用數(shù)據(jù)去描述他，而不是想當然的經(jīng)驗主義去思考這個用戶要什么。這時候我們有更具象、可量化的方式判斷客戶的需求。

 

過去在銀行場景，我們描述一個客戶的金融屬性，只能根據(jù)該客戶的年收入、存款、還款記錄這些客觀維度去判斷是否為他的信用卡套現(xiàn)風險。

現(xiàn)在在AI 技術(shù)的幫助下，我們可以使用讓機器去分析人類沒法辨別的數(shù)據(jù)，通過更精細化的數(shù)據(jù)結(jié)果，分析這個客戶的資產(chǎn)健康狀況，并且給出更為準確的客戶套現(xiàn)風險判斷。

如鄧雄博士所言：人工智能代表了一個大的變革，我們不再把用戶看成中心，以圍繞用戶來開展各種工作。而是把用戶變成數(shù)據(jù)，將一切用戶行為都變成數(shù)據(jù)，用數(shù)據(jù)的方式反映到產(chǎn)品中，這種模式就是數(shù)據(jù)思維導(dǎo)向的結(jié)果。

認知升級，顛覆式創(chuàng)新

在傳統(tǒng)產(chǎn)品創(chuàng)新這塊，梁寧老師曾總結(jié)過兩種典型方式。

一種是將另一個領(lǐng)域的知識經(jīng)驗借鑒到另外一個領(lǐng)域，例如嬰兒恒溫箱最早是借鑒了動物園使用的恒溫箱，從而創(chuàng)造出適合新生兒使用的產(chǎn)品;

另一種是引用跨行業(yè)的新要素，讓產(chǎn)品看起來依然是原來的產(chǎn)品，但它實際上已經(jīng)成為一個新的物種，例如朵亞朵亞酒店采用眾籌這個新要素，這種消費轉(zhuǎn)投資的方式讓他們成為朵亞最忠誠的客戶，形成商業(yè)內(nèi)核的改變。

而今，AI技術(shù)的升級同樣帶動了產(chǎn)品經(jīng)理的認知升級。我們在產(chǎn)品解決方案上實現(xiàn)的變革是一種顛覆式的創(chuàng)新，這種變革不僅僅是舊元素之間的重組，而是用AI的方式升級新的生產(chǎn)要素。

 

例如，運輸行業(yè)的本質(zhì)是解決運輸?shù)臅r效問題，從馬車到汽車的過渡，本質(zhì)上是從動力這個維度提升速度，減少運輸所需的時間。

到了今天，動力并非限制運輸時效的最大問題，可以看到在公路上，限制大貨車時速的主要原因是貨車在高速狀態(tài)下安全不可控，速度太快來不及剎車，容易發(fā)生車禍。并且貨車司機不能長時間開車，容易造成疲勞駕駛，這些都是限制貨運速度的因素之一。

而大貨車自動駕駛的研究，則是從調(diào)度與控制這兩個維度，用人工智能的方式減少人為帶來的負面因素。在這個升級的過程中，“人”這個因素突然顯得并不是那么重要了。過去我們認為必須有車必須要有人去操縱，無論再怎么優(yōu)化，“人”的因素還是關(guān)鍵的瓶頸?，F(xiàn)在我們用人工智能去學(xué)習(xí)駕駛，讓機器自己去操縱汽車。

這種認知升級就是產(chǎn)品經(jīng)理在對待同一個場景時，從不同維度思考帶來的改變，我們不再是從舊的因素去思考如何提升效率，而是以一種新的方式升級舊的因素。

作者： 阿翹 《100個案例搞懂人工智能》作者，平安科技資深產(chǎn)品經(jīng)理。主要研究產(chǎn)品策劃、人工智能與互聯(lián)網(wǎng)商業(yè)。