ARTICLE · 1112780
AI产品的下半场,不只是模型,而是体验
AI产品的下半场,不只是模型,而是体验有些 AI 第一次使用时非常惊艳，但用了几次之后，你就不再打开了；还有一些 AI，第一次使用的时候甚至觉得“也就这样”，但真正使用一段时间以后，却越来越离不开。 为什么？ 如果把这个问题放到 AI 产品经理的视角来看，会得到一个很有意思的答案： AI 产品的竞争，正在从“模型能力”，慢慢走向“用户体验”。 今年云栖大会主论坛中，就有一个很值得关注的主题：《体验的 Scaling 时刻》。它和“Qwen：迈向真实世界智能体”一起出现在大会开幕式后的核心议程中。 为什么一个 AI 大会，会把“体验”单独拿出来讨论？ 因为 AI 产品正在进入一个新的阶段。 我们先回到传统互联网。 比如一个记账 App。 用户点击“记一笔”，输入“午餐35元”，点击保存，完成。 整个产品的逻辑非常明确：用户输入什么，系统输出什么，基本都是确定的。 所以传统产品经理最重要的工作之一，就是设计功能。 按钮放在哪里，页面怎么跳转，流程有几步，提示语写什么，用户点击之后发生什么。 这些东西虽然复杂，但它们有一个共同特点： 产品行为是可以被提前定义的。 现在假设你做一个 AI 写作产品。 用户输入：“帮我写一篇关于人工智能的文章。” 接下来会发生什么？ AI 可能直接开始写，也可能先问你几个问题，也可能给你三个选题，也可能自己搜索资料，还可能生成一篇非常长的文章。 甚至同一个用户输入两次，得到的结果都可能不一样。 这意味着传统产品和 AI 产品之间存在一个非常大的区别： 传统产品更接近“确定的输入 → 确定的输出”。 AI 产品则更像“模糊的输入 → 动态的输出”。 因此，AI 产品经理设计的东西也开始发生变化。 以前我们可能会问：“这个产品有什么功能？” 现在应该进一步问： “用户和 AI 之间应该如何协作？” 这两个问题完全不同。 还是拿 AI 写作举例。 最简单的设计是给用户一个输入框，然后让用户输入需求，AI 直接生成文章。 但一个更成熟的产品可能会先问用户：“你想写给谁？”“你希望读者看完之后获得什么？”“你更倾向于什么风格？” 然后 AI 给出几个文章结构，让用户选择其中一个，再继续完成写作。写完以后，AI 自己检查逻辑，用户再进行修改。 你会发现，模型能力可能没有发生变化，但是产品体验完全变了。 所以： 模型决定了 AI 能做到什么，而产品体验决定了用户能不能真正用好这些能力。 这是普通用户特别容易产生的一个误区。 我们经常看到一些模型的参数、跑分、推理能力，然后很自然地认为：模型越强，产品就一定越好。 但如果你真正使用一个 AI 产品，你关心的可能是另一件事情： 我能不能快速得到我真正想要的结果？ 比如，我想做一个 PPT。 模型很强，但我要先复制需求、整理资料、上传文件、调整结构、修改页面、重新生成、导出，然后再发现格式不对。 最后我还是花了两个小时。 那么这个 AI 产品对我来说，价值其实并没有真正产生。 反过来，如果另一个产品，我只需要告诉它：“我要给公司做一份关于 AI 行业趋势的汇报，听众是非技术管理者，时间20分钟。” 然后它能够理解受众、帮我确定结构、整理资料、生成页面、检查逻辑，并让我逐页修改，最后直接导出。 即使它背后的模型并不是“跑分最高”的那个，我可能还是更愿意使用它。 为什么？ 因为它解决的是一个完整的问题。 这也是为什么体验越来越重要。 传统产品体验主要解决的问题是： AI 产品体验还需要解决另外一个问题： 这就复杂多了。 AI 不知道用户到底想要什么，怎么办？——主动询问。 AI 不确定自己的答案，怎么办？——展示依据。 任务比较复杂，怎么办？——展示进度。 任务可能出错，怎么办？——允许用户干预。 AI 执行了一半，怎么办？——允许用户修改方向。 AI 给出了多个方案，怎么办？——帮助用户比较。 这些看起来都是“小细节”，实际上决定了用户敢不敢把真正重要的事情交给 AI。 第一次使用 AI，用户追求的是“哇，它居然可以做到这个”。 使用一个月以后，用户真正关心的是： “我敢不敢把这个事情交给它？” 这是两个完全不同的阶段。 第一阶段是惊艳。 第二阶段是可靠。 第三阶段则可能是依赖。 所以一个成熟的 AI 产品，最终不是让用户觉得“这个 AI 好聪明”，而是让用户觉得： “这件事情交给它，我放心。” 这其实是 AI 产品体验和传统产品体验一个非常重要的区别。 这件事情其实和我们每个人都有关。 以后当你发现一个新的 AI 工具，重点看下它到底解决了我什么问题？ 它有没有减少我的判断成本？ 它能不能真正进入我的工作流程？ 使用一个月以后，我还会不会继续使用？ 尤其是最后一个问题。 一个 AI 工具第一次让你觉得惊艳，并不代表它有价值。 真正有价值的产品，是你一个月以后还在使用，半年以后依然愿意把真实工作交给它。 这可能是 AI 产品经理和传统产品经理之间一个越来越明显的区别。 传统产品更多是在设计： 用户 → 页面 → 功能 → 结果。 AI 产品越来越需要设计： 用户 → 目标 → AI 理解 → AI 规划 → 工具调用 → 执行 → 检查 → 反馈 → 结果。 产品经理需要不断考虑： 什么时候应该让 AI 自己做？ 什么时候应该问用户？ 什么时候必须让用户确认？ 什么时候可以让 AI 自己决定？ 什么时候必须停下来？ 这已经不只是页面设计了。 它其实是在设计： 人与机器之间的信任边界。 如果把 AI 比作一个演员，那么模型是演员的能力，工具是演员手里的道具，数据是演员能够看到的剧本，而 Agent 是整个执行过程。 那么产品经理是什么？ 我觉得越来越像导演。 导演不一定亲自演戏，但导演需要知道什么时候让谁出场、什么时候说什么、什么时候停下来、什么时候重新来一遍，以及最终怎样让整个故事成立。 AI 产品经理也是一样。 真正需要设计的，不只是“AI 可以做什么”，而是： “我们应该让 AI 在什么时候做什么？” 今年云栖大会有一个很值得关注的变化：大家讨论 AI 的时候，越来越少只停留在“模型有多强”，而开始讨论 Agent、应用、工作流、体验和真实业务价值。 这背后其实说明了一件事情： AI 真正的竞争，正在从“能力竞争”走向“使用体验竞争”。 对于普通人来说，这也意味着，以后选择 AI 工具的时候，不要只看它“有多强”，更要看它能不能真正进入你的生活。 因为真正好的 AI，不是让你感叹“它居然什么都会”，而是让你用完之后发现： “原来这件事情，我以后真的不用自己做了。” 这才是 AI 从“工具”走向“生产力”的开始。 AI 的价值，不在于它有多神奇，而在于它有没有真正改变你的工作方式。
如果你最近使用过很多 AI 产品，可能会发现一个很有意思的现象。
一、以前做产品，功能是确定的
二、AI 产品不一样
三、AI 产品经理真正设计的，不只是“功能”
四、为什么模型很强，却不一定等于产品好用？
五、AI 产品正在进入“体验工程”
怎么让用户更容易操作？
怎么让用户更容易和一个不确定的智能系统协作？