文章首发于职人社 (公众号：zhirent )。职人社 × 爱因互动联合主办的「 AI 时代的产品经理 」活动上，我们邀请了爱因互动创始人 CEO 王守崑，文因互联 CEO 鲍捷以及 S 先生创始人 Mingke 三位老师，分享交流了人工智能在怎样影响业态，真正的 AI 产品经理的角色与 JD，产品的对话式交互（ CUI，Conversation UI ）特性以及产品经理在 AI 时代下技能边界在哪里等话题。

S 先生致力于用对话式人工智能（Conversational AI）处理企业级重复脑力的工作。S 先生的创始人 Mingke，也是对话式 AI 产品经理，专注研究 CUI 类的产品设计。去年年底在 S 先生的公众号上曾分享过一篇文章——《为什么现在的人工智能都像人工智障》，这在当时引发业界狂热的讨论。

CUI 产品，to B or not to B？这次，Mingke 老师主要交流了 CUI 行业的机会与现状、CUI 产品的设计思路和决定性属性等话题。以下是 Mingke 老师分享的部分内容的编辑整理。

人工智障：混乱的行业现状

《人工智障》一文本身是我们内部做 C 端的虚拟助理产品的复盘总结。没想到文章一发出去就火了起来，前后有好多人来找我聊这件事。我跟我的合伙人很纳闷，这个行业怎么了，为什么我们这种在「完全被主流 AI 圈忽略的团队」也能受到那么多关注？

于是我选择一家家去聊，前前后后约了 50 多位行业内的朋友，去聊大家都是怎么看待现在的发展和限制的。他们主要来自早期投资机构、AI 创业公司、互联网巨头的 AI 产品 Lead、传统行业 500 强。当时主要想了解行业在这几个方面的看法：

为什么现在能打仗的产品一个都没有？

To B or not to B?

垂直该不该堆全栈？路径如何设计？

对对话式人工智能和CUI的理解，目前行业的水平是怎样的？

怎么看科学、技术、产品和商业之间的关系

这几个月聊完的整体感受可以总结为两个比较宏观的判断

当前人工智能的行业一片混乱；

因为混乱，所以机会的空间也很大。

在移动互联网时代后期，行业中各个环节的细分已经成熟。不同的服务都有专门的服务提供商，比如做 in-APP IM（ Instant Messaging，实时传讯）的、分发的、积分墙的、移动端各类库也都成熟。当你要做一个新的产品 MVP （Minimum Viable Product，最小可实现模型）来验证 PMF（Product-Market Fit，产品市场验证），你可以很快的把很多功能拼装在一起试一下。当然，业界成熟到这种程度，宏观上留给创新企业的价值高的机会也更少了。

反观当前国内的人工智能产业，大家对「什么事情该谁做」这件事的理解一片混乱。因为基础设施的尘埃还没有落定，很多创业公司提前要在应用层做产品的时候，就只能「全栈」：研发上需要从底层算法、技术、工程各个方面开始积累；产品上因为分不清哪些工作该客户做，哪些该自己来，很多时候还需要积累很多行业专业知识。

目前这个行业里对 AI 的定义也是混乱，它可以被当做是一个方法、一个路径，或者是一个目标。AI 创业团队不知道哪些要做哪些不做，投资的担心被忽悠，甲方企业不知道哪家 AI 公司能做出什么，而大公司在暗中观察。

很多人都跑出来写文章、做演讲，试图定义这个行业。但是跟上一个时代不一样的是：过去移动时代定义行业，你可以拿着手中的优秀产品说话，用数据佐证产品方法论的价值。而 AI 时代的公司，说了很多识别率、各种算法，但能拿的出手的产品一个都没有。怎么以此来定义行业呢？

大概一年前，很多投资人和业界的观点里都把「下定义」的期望承载在科学家们身上。期望这波 AI 能有黑科技，「造出可以自动解决问题的系统」 。所以科学家们不得不去说、去做一些很宏大的事情，希望能从根本上解决问题。

曾经有家外企公司有 AI 产品项目需求，找了很多公司来做每家公司都回复能做，只要提供满足某某要求的数据就行。该外企的 CTO 吐槽说，Andrew Ng （吴恩达）在 Stanford讲的那些谁都看过，要是这种数据我已经有了，那我不是自己成立个部门就解决了？解决数据和训练的相关问题本来就该是AI 产品设计中的一环，缺少的不是「爱干净的科学家」，而是能设计和实施完善的解决系统的团队。不能遇到真实场景的项目就要数据，没有数据就妥协产品效果。

编者注：吴恩达是人工智能和机器学习领域国际上最权威的学者之一，曾加入百度，担任百度公司首席科学家，负责百度研究院的领导工作。