← 回到演讲实录
产品与创新 · 跨场阅读

当 AI 什么都能生成,我们究竟还需要设计什么?

从产品定义,到专家判断,再回到真实试用
4 场分享3 个问题

从定义价值、封装判断,到真实试用,这篇专题沿着三个问题串起四场分享。正文选段保留现场表达,灰色文字为编辑衔接;段末编号可查看原始出处。

一、先弄清楚,什么值得做

能生成一个界面、写出一段代码,并没有替产品回答最初的问题:它为谁创造价值?先回到产品定义,再看 AI 带来了什么新的可能。

这套画布有个特点,我发现它特别适合两种情况。十年前还不需要这么细,现在为什么产品定义要越来越细?第一,整个竞争供给越来越卷了,要找更精细、更精准的方式;第二,以 AI 技术为代表,新技术下面有太多产品还在摸索——以前你想好市场定位、做个采购就行,今天很多新技术的原理,会从底层去影响产品的结构。要说明的是,我这套画布的重点,不在“怎么规模化”和“怎么打竞争”,而在“怎么去做一个好产品”。[1]

用这九宫格还有一个要点:要确定最大的变量和最大的不变量是什么。比如人形机器人,毫无疑问是技术推动、技术驱动的事情,它最大的变量不是市场问题,而是技术成不成熟。所以不同的产品会处在不同的阶段:市场主导的往往很卷;我更多关注的,是从技术到产品之间的这一段。[1]

技术变化提供了条件,但机会未必只在技术产品本身。在面向 SUTD 学生的分享中,邱懿武用汽车与物流作类比,把注意力移到技术进入生活和业务后产生的应用。

我讲这个例子是想说:AI 的产品和 AI 的应用,要分开来看。今天的 AI 产品,有点像是因为有了 T 型车,所以要有石油、要有轮胎——而 AI 的应用,会出现 UPS,会出现麦当劳。AI 时代的麦当劳和 UPS 是什么样的?现在还远远远远远没有到出现的时候。这正是留给这一代年轻人可以去探索的空间。[2]

从这两场分享接着往下问:如果新机会来自具体业务,那么一个 AI 产品究竟需要承载怎样的能力?

二、把专家的判断放进产品

在企业产品训练营中,“认知产品”被用来描述这样一种变化:产品不仅执行动作,也承载专家的方法与判断。

那 AI 时代当中,产品最重要的特点是什么?我把它比喻成:AI 是一个认知产品。就像我今天早上讲的,如果你是一个销售专家,把你的专家方法 AI 化,本质上你就做出了一个 AI 时代的智能体和产品。未来可能会出现智能体的平台、智能体的分发。但 AI 时代产品最小的单元,跟工业时代那种“一个物体的产品”不一样——AI 时代最小的产品,就是一个带有专家知识的智能体。前几年有人叫它小模型,有人叫它智能体,叫法都无所谓,最关键的是:能不能把你的认知方法,分装成一个可以被别人调用的能力接口。[3]

举个例子:你用 AI 编程做了一个番茄闹钟提醒你,那你只是用 AI 编程的能力做了一个工具,番茄闹钟是个工具;但如果这个番茄闹钟能感知你时间的规律,知道什么时候该提醒、什么时候不该提醒,你把这套规则做进去,它本质上就变成了一个能理解你意图、理解你需求的认知模型。所以我们不该只是用 AI 做数字化工具——这当然很好,但在数字化工具的基础上,再把它变成一个认知的智能体,它的价值才会更高。我们后面的选题,也尽可能往原生 AI 产品的方向去做。[3]

同样是聊天界面,背后的能力可以很不一样。另一场创新课堂把这个区别说得更具体:

市面上有很多AI玩具,也有很多对话产品。它们都会聊天,差别在哪里?我在课堂上用一个类比:同学帮你看看身体不舒服,和有经验的医生帮你看,表面都在问答,背后的知识、判断方法和处理经验却不同。[6]

我认为,AI产品的重要变化,是它成为一种认知工程。产品背后需要什么专家方法、Know-how和推理逻辑?如何找到用户、场景和需求?在手机上、玩具上、毛绒形态里交互,体验又有什么不同?这些要一起设计。[6]

专家能力需要落在具体任务上。接下来回到训练营里的场景选择:先找哪些判断值得交给 AI,而不是先决定做一个什么样的界面。

下午我们进了小组讨论,第一件事是挖场景。我提醒大家,AI 今天有点像万金油,理论上人力能碰到的场景它都能碰,但不是所有场景都值得先做——如果一个场景是颗“软柿子”,通常具备几个条件:有人在反复做同样的决策和判断;这件事费时费力,卡住了不少人;而且已经有足够多的经验或数据,能让 AI 做出符合人的判断质量的东西来。评估完场景,大概会落在几类:价值高、可行度也高的,是“快赢型样板”,适合新手先切进去,快速拿到反馈;价值高但链路长、可行性一般的,适合长期做;可行度高但价值一般的,练练手也无妨。[4]

三、在真实使用中,把能力做出来

选好场景、写下规则以后,还要面对用户真正使用它的方式。在“球球老师”的尝试中,孩子的反应暴露了设计时没想到的情况。

有人建议把这个过程做成产品。我先整理成一个Skill,加入引导话题、继续追问的方法,再找几个小朋友试用。结果各种情况都出现了:有人不知道聊什么,有人发现性别被记错,还有人告诉我:“老师,我把你的AI聊崩溃了。”[5]

我回看才发现,这位小朋友先让另一个AI生成了一段“唱反调”的提示,再交给我的AI。聊了二十多轮,我的AI最后主动说不聊了,让他回去玩游戏。孩子觉得自己把AI挑战成功了。[5]

我原来以为已经考虑了很多情况,但真实使用会把漏洞暴露出来。我把大家的反馈整理回给Agent,让它复盘为什么会这样,再调整约定和策略。比如,小朋友没有主动结束话题时,系统应当怎样回应,不能只让模型自由发挥。[5]

这个产品后来叫“球球老师”,我想做的是因材施教的助手,让孩子的兴趣和问题被认真看见。对话、引导策略、分析方法和后续积累,都要围绕这个目标组织,而不只是做一个会说话的界面。[5]

把这些现场放在一起,得到的是一条可以带回自己项目的检查顺序:先说明价值,再明确判断方法,最后用真实使用检验它。产品的边界,也在这一轮轮反馈中变得具体。

把问题带回自己的产品

用一个正在做的产品,回答下面三个问题。哪里还说不清楚,哪里就是下一步需要验证的地方。

  1. 价值:谁会在什么情况下使用它?它帮助对方完成什么,而不只是生成什么?
  2. 判断:哪些环节依赖专家经验?这些判断的依据、边界和例外,是否已经说清楚?
  3. 验证:让真实用户完成一次任务,会出现什么意外?怎样判断这次帮助确实有效?

原文出处

正文为实录选段,灰色段落为编辑衔接。各场表达保留当时语境。

  1. [1] 产品定义方法论与 AI 时代的产品思维 · 2025-06-21九宫格产品定义法
  2. [2] 做 AI 时代的产品 · 2026-09-21UPS 的故事车不是它造的,价值却比福特还高
  3. [3] AI 是一个认知产品 · 2026-09-15从物质边界到认知产品AI 时代最小的产品单元,是一个智能体
  4. [4] AI 是一个认知产品 · 2026-09-15软柿子场景先挑一个好切的场景,别硬啃
  5. [5] AI时代的新产品创新设计:方法与案例 · 2026-10-20真实试用会暴露设定里没想到的情况
  6. [6] AI时代的新产品创新设计:方法与案例 · 2026-10-20都会对话,为什么能力不同

正文选段保留现场表达,灰色文字为编辑衔接。