产品经理用AI，跟普通人有什么不同？

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！

某千亿大模型AI截图

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”……

自作主张解释

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。

​

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！