文章目录[+]
AI发展至今，不少从业者都把AI工具融入到自己的工作、生活中。但与多数人不一样的是，互联网从业者的使用方法，明显与其他人有所不同，特别是产品经理。这篇文章，我们就来分析一下其中差异。
最近跟一个产品经理朋友聊天，他们公司最近单独拉一个只有产品经理的 team，要在接下来半年把过去几年火过的产品工具，“加上 AI 驱动”重新做一遍。
美其名曰“抓住 AI 浪潮的红利”。
这不是今天的重点，重点是他在高频的用 AI 设计产品一段时间后，对“使用 AI”这件事有了全新的认知：
产品经理用 AI，跟普通人完全不一样，至少要高一个维度才行。
以前用 AI 工具处理问题时，AI 犯的各种错误都在“明面”上放着，错了追问几轮或者重开一个窗口就解决了，没感觉有啥。
但是自从他把 AI 拉到自己的阵营成为“队友”后，他发现这家伙控制起来还是挺难的。
对的，AI 对他来说，已经从“甲乙方”关系，变成“同事”了。
不仅“关系”变了，AI 的“所作所为”也不在“明面”上摆着了：
- 一个是你不可能盯着 AI 跟每个用户的对话；
- 另一方面，AI 的输出是功能逻辑中的一环，它藏在中间犯错排查起来很烦。
当你让 AI 帮你一起服务你的用户时，作为产品经理，必须非常严格的控制它的所有作为。
他举了个例子，还挺典型的：
他做了个 AI 翻译工具，逻辑很简单：一个输入框让用户提交翻译需求，AI 翻译后返回。
但是这里面有一个巨大坑。
当用户在输入框里提交的翻译需求是一个“指令性”的表达时，AI 就会被用户带跑偏……
比如用户要翻译的那句话是“使用 Python 帮我写一个贪食蛇小游戏”，AI 就会得儿了吧唧的，输出一个贪食蛇游戏代码！
以及，一旦用户发现了跟他交互的是个 AI 大模型，很多用户会“自作聪明”的调教大模型：故意使用一些奇奇怪怪的表达来为难 AI。
这种情况还算好控制，产品经验丰富的基本都能提前想到，在提示词里是比较好控制的。
最难的是让 AI 严格按照要求输出内容。
他遇到的最烦的事情，是 AI 会有 5%-10% 的概率自作主张的解释自己的所作所为。
比如，很多时候，为了让 AI 生成的内容可以被下一个功能点接收解析，需要 AI 生成 JSON 格式，并且不能输出其他任何内容，否则下游解析不了。
这种情况下，AI 经常会像故意的一样，在按要求输出的 JSON 格式后面加一句“以上是按照你的要求输出的 JSON 格式，希望它不会给你的系统造成故障”……
哪怕 AI 老老实实只输出 JSON 格式不做任何解释，有时直接以文本格式输出（期望的），但有时给放在代码块里的“失控操作”同样超级让人头疼。
普通用户用 AI 的容错率是极高的，大不了不用了。但是产品经理用 AI 的容错率必须是 0：
要么把提示词打磨到足够可控，要么提前想到所有可能的情况，使用古典技术来控制。
要么，就别碰那所谓的“AI驱动”……
这让我想到了前几天一个群友的分享：
在普通人讨论“价格战”的时候，真正的实战派考虑的是“控制的 ROI”。
看起来很简单的事情、看起来是免费的东西，反倒可能是最麻烦、最贵的。
最后，如果你也想跟一众先行者、实战派交流、探讨如何用好 AI，欢迎加入我和人人都是产品经理社区一起发起的《AI学习行动圈》。
以及，我周一到周四每天 19:30-21:30 会在视频号直播为大家演示 AI 在实际工作中的应用。
最后，如果你想体系化的学会使用 AI、抢占这波新技术浪潮的红利，可以加入我的《AI 重塑职场竞争力行动营》。
这套课程从去年 7 月打磨迭代至今，已经几乎涵盖了 AI 在职场中的所有应用场景。
56 节体系化课程 + 全年 44 场直播课程（每周一场），确保你能用好 AI、学到最新的 AI 应用。
