ai产品经理在创造AI，到底在创造什么 |创造|产品经理|

编辑导语：在商场里经常会看到AI机器人，帮助顾客解答各种问题，以免在顾客找不到工作人员时不知道应该怎么办；AI已经运用到生活中了，提高我们的效率，减少人工的成本；本文作者从AI客服的角度进行分析，我们一起来看一下。

本文插图
今天想聊的，是最近在做的一个需求：会话智能总结。
这个需求的背景是这样，客服对接待的每通会话都会做总结，包括选择业务分类和填写备注。
这个过程客服遇到的问题是，接待压力大，而需要筛选的分类数量太多，选择小结需要同时兼顾速度和准确性；随之带来的是客服认为选择成本高，影响接待效率。
所以我们想利用AI对用户&客服的会话内容做分析，自动生成总结，不需要客服费尽心思思考，从而帮助客服提升接待效率。
一、遇到的问题
在与算法大大定义总结的分类相关业务意义时，却发现事情远没有那么简单；对于会话选择哪个小结，整个部门没有一个明确标准。
比如某些会话中，用户会咨询多个意图，但现场客服为了省时间只会选择一个，此时质检人员也会认为客服是对的；而我去咨询分类规则制定的业务部门时，他们却希望客服能够选择多个，保证小结的精准性。
可能有人说，那就按照业务部门的意思就好了，客服只是执行者；我曾经想过这个思路，但很快就在与算法同学的讨论中否决了自己。
AI智能总结的能力是有限度的，不能全部交由AI判断，还是需要在AI推荐后由客服确认提交，从降低选择成本去提升效率，而非零成本；此时，若按照业务定义去推荐，客服会认为与自己的选择不一致，不会采纳AI的推荐，从而认为AI是（sha）错（bi）的——这样会导致客服不仅需要选择分类，还要删除分类，成本不降反升。
二、问题背后原因（5Why）
因为一直做的都是B端业务，该类情况在之前的接触中也是经常见到。为什么会出现这种情况，我们可以试着用5Why方式探讨一下。

为什么会出现偏差—>业务规则制定过程没有准确同步给客服；
为什么会出现同步不准确—>业务人员优先考虑先上线，后完善并同步（然后没有然后—->跟改天请你吃饭的道理一毛一样）；
为什么会考虑先上线—>业务经常变动，所以及时上线才是最重要的；
为什么业务会经常变动—>业务不成熟；
业务为什么会不成熟—->公司快速发展中；

所以说到底就是业务不规范导致的管理层预期与客服实际执行有偏差。
如果在成熟度高的业务线，业务与客服对各类事情的预期和理解都是一致的，那这个问题基本不会存在；但全天下又有多少个公司是业务成熟度高的呢？
三、B端产品的困境：规范全流程OR优化一隅之地
从5Why中可以看到，这个问题在很多企业中都是一个高概率事件。
作为产品经理在落地B端产品，为企业提效的时候，往往都是从执行者的效率优化入手，比如钉钉是为了提升员工之间沟通的效率。
但在业务不规范的时候，应不应该去推动全流程的规范，再去讲究执行者效率呢？
还是钉钉的例子，假设现在公司每个部门之间的组织架构很乱，员工A要解决一个技术问题，但BCD三个部门都在互相扔锅，这个情况确实不能指望一个工作类IM工具帮忙解决；看起来要真正为组织提效，就应该规范化整个组织架构，再用上钉钉，才是最完美的。
经济学讲究“激励” ，也就是会注重某个事件发生会导致的结果。
所以试想一下，当我们不考虑全业务流的整合，而只是优化一隅之地的效能，最终结果可能执行效率确实有所提升，但业务还是一样乱，一看整体数据并没有提升多少，瞬间就傻眼了！