1. AI 场景落地难
AI 场景无法落地是 AI 行业的通病。当年火爆的 AI 四小龙，商汤、旷世、云从、依图，全部折戟 IPO，要么放弃上市，要么折价上市，这几大 AI 公司这几年都是疯狂裁员。
AI 场景里面一大噱头在于过度吹嘘模型和新科技，而不专注场景和价值，很多项目的帐算不过来（不管对于企业自己还是客户，都是一笔亏钱的生意）。虽然能够完成 0 到 1，但是无法完成 1 到 100 的规模化。
所以做 AI 场景，产品经理需要想清楚 2 件重要的事情：
- 我们到底帮客户解决了什么问题，
- 以及怎么让客户及时感知你提供的价值。
我们在上一篇聊过场景价值的重要性，先讲清楚 Why，为什么做这个业务，给客户带来哪些价值（做一款从 0-1 颠覆型产品，希望你早点知道......）。
讲清楚 Why 之后，另一个核心问题是：如何把价值直观地表达出来，让用户直接体验和感受到。
2. AI 业务自带的问题
因为 AI 业务特性，自带价值体验不直观，这里有很多因素，包括：硬件算力，网络，模型等众多问题。本篇我们主要从客户可以感知的角度来分析 AI 这个问题。
2.1 收集训练数据麻烦
上图是 AI 的技术链条，行业术语简称为 Pipeline。AI 应用的第一个环节就是收集训练数据。
训练数据不仅麻烦还要求众多。比如你是否需要客户去采集数据，是否需要数据多种多样。采集是要下载一个 APP，还是在某个地方部署摄像头？
没有训练数据集就没有模型。
此外 AI 还要要求防止过拟合。什么意思？比如下图，你给 AI 的训练数据集都是哈士奇，那么当你放入中华田园犬的样本后，AI 是无法认识的。这就是过度拟合（哈士奇）。
所以如果场景要求 AI 能识别狗，那么就要求训练数据集得有各种各样的狗。这无疑给采集又带来了麻烦。
2.2 技术链路长，客户感知价值慢
除了第一步数据集收集的问题外，AI 场景的反馈是否足够清晰、及时，也是另外一个问题。
比如，我们在做人脸识别系统的使用时，当一个客户走到摄像头面前的时候，能够看到自己的脸和匹配结果（门闸打开，或者提示问题），那么这种 AI 效果就是及时反馈的。
但是实际上还有很多 AI 场景是延迟反馈的。你可以想象一下，今天你驱车 1 个小时，来到了一个自己郊区的民宿里面，使用 3d 建模能力给民宿拍照建模，想要把它上传到各个酒店平台。你拍好照片，系统告诉你需要几天后才能查看，于是你拍完就走了。最终等到的答案是，这次的 3d 建模失败，因为照片被遮挡或者不清晰等原因。你感到很奔溃，还得再开车前往。
2.3 孤立地应用 AI
AI 另外一个常见的问题是，做完 POC (proof of concept）后就没有下文，客户总是浅尝辄止，没有被客户真正使用起来。
我们来看这个故事：
假设你购买了一架直升机作为你每日上班的代步工具，你可以将原来 30 分钟的开车时间缩短为 20 分钟。但考虑到直升机比汽车更难找到停放点，你有可能并不会节省很多时间。但是直升机却能明显地改变你的生活方式。你可以住在一些偏远的地方，并且可以更方便地拜访远距离的客户，但对停放点有了新的要求。你也可以不用大费周章地做这些，或者你没有发现用直升机的其他好处，就浪费了你在直升机和飞行员上的花费。总之，除非你能够充分地利用它，否则就不应该购买直升机。也就是说，用直升机之前你必须规划好这一切。
或者让我们回望历史，回到 20 世纪早期卡车开始代替马车的年代。一份展览在细因州奥尔斯黑交通博物馆的国际商用卡车公司的一则广告（约1910年）中这么写道：
载重卡车取代马车是商业贸易取得的重大突破之一，但仅使用载重卡车替代马车的人并没有充分利用好它。马不是机器，它一天最大的工作量是 5~6 个小时，即行走 15~20 英里（1英里=1.61千米）。载重卡车一天可以连续不间断工作 24 小时，即使在工作的最后一个小时，哪怕在行驶了几百英里之后，它的速度也能和第一个小时一样快。
最为成功地利用载重卡车替代马车的商人才是认真研究过这个问题的人。在大多数情况下，人们有必要改变行程计划，因为马需要休息所带来的延误已经不复存在了，工作计划变成了让卡车整天工作，并且将延误降至最低。
闭坑做法是在 AI 应用的设计阶段（还未开发和实施），就思考 AI 技术如何和客户现有的运营流程更好的结合，让用户在日常中脱不了手。
既然 AI 有这么多自带的问题，做产品设计的时候到底如何设计才能避免 AI 场景应用被打入冷宫？
3. How：如何设计
我们先来了解一位大师，他叫，Don Norman（唐·诺曼）。
Don Norman（唐·诺曼） 是谁？
Don Norman（唐·诺曼）是一位在设计领域具有极高影响力的人物。他是「用户体验设计」（User Experience Design，简称UX）这个概念的创始人之一，也是人机交互和认知科学领域的重要学者。他的著作，尤其是《设计心理学》（The Design of Everyday Things）对设计领域产生了深远影响，被誉为设计领域的经典之作。
唐·诺曼的设计理念强调以人为本，关注用户的需求和体验。他提出的「人性化设计」理念，强调设计应该以人的需求和行为为出发点，而不是以技术或商业目标为出发点。他的这些理念对现代设计领域产生了深远影响，尤其是在产品设计、交互设计和用户体验设计等领域。
3.1 适合AI 场景设计的理念方法
那么如何以人为本，设计 AI 场景？
人是有目的的生物，目的产生行为，行为作用于外部世界，外部世界产生反馈，人对反馈进行评价，这便是交互的基本单位。
比如：你感觉房间有些暗，你会生成一个目标：得到更多光线。这时会有许多可选的意图，比如拉开窗帘，打开台灯，在房间点篝火。经过快速复杂的大脑运算，你确定了开台灯的意图。
从人的角度出发，人的交互设计可以总结为以下 7 步，即 Don Norman 提出的行动7阶段理论：
通过 Don Norman（唐·诺曼） 的 7 步行动理论，我们可以绘制出自己用户在每一个场景里面的目标、计划、确认、执行、感知、诠释、对比分别是什么。然后画出每个步骤里面，用户感知的痛点，和现有方案里面存在的障碍。
需要注意的是，不一定每一个步骤都存在，需要因地制宜进行裁剪。
4. 案例分析
Luma Flythroughs 是一款使用生成式 3D AI 和 NeRF 技术的应用，让用户低成本、高体验地去创建房屋、公寓和其他空间的 3D 视角，此过程不需要无人机、专业设备、预约或复杂的设置。3D 视角为潜在的访客提供了独特而沉浸式的体验，让他们可以像亲临现场一样探索室内空间。而用户只需使用手机即可创建具有专业外观的 Flythroughs。
这款产品特色就是体验友好，用户无需拥有专业的摄像经验。
我们不妨用唐·诺曼的理念带入，探索 Luma flythroughs 是如何通过 AI 技术将其平民化的。
4.1 计划
所以首先我有一个计划：我想要拍摄我的闲置房屋/办公室，用以出租出去。现在我希望无需去找专业的团队，花额外的钱，只需要下载这个 app 就可以满足我的诉求。如果这个软件可以使用，那么至少能帮我省下几千块钱。
4.2 确认
当我打开这个 app 之后，我首先确认了它的 Gallery，查看了其他房屋拍摄的效果。
然后我开始创建自己的拍摄了。我点击「创建」，印入眼帘的是如何使用这款产品的onboarding 介绍说明。下图是对空间的要求：
- 确保室内有足够的光线；
- 你需要自己设计一下空间路径；
- 打开所有的门；
- 安置好会移动的小动物（不要让他们乱跑）。
确认好后，我点击「下一步」，Flythroughs 对拍摄也提出了要求：
- 不要快速移动；
- 找到一个最佳角度；
- 着重拍一些有趣的物体；
- 把你的手机横放。
针对每一步，它都有图画说明。
4.3 执行
阅读完拍照说明后，我点击「开始」进行拍摄。在拍摄过程中，手机通过重力传感器，手机可以知道自己是竖直放置还是水平放置。并且及时给我反馈，一旦我水平放置了，则会出现上图效果，绿色代表正确。这是一个及时的反馈效果。
4.4 感知
我在拍摄过程和拍摄完毕后，Flythroughs 给了我及时反馈。拍摄完成后，通过视频播放房间的录制效果，我可以通过视频查看。如果哪里不满意，我可以当场再次拍摄。
4.5 诠释
拍摄完成后，Flythroughs 告诉我 3 件事情：
- 文件正在上传，若关闭手机是没有关系的
- 等 45min 之后再回来查看效果。
- 并且让我打开通知，若它完成了 3D 建模，会及时告诉我
这里是一个技术和体验的平衡点，因为目前手机还无法支持在手机侧完成建模，必须要上传云端使用 GPU 才可以。所以这里就无法做到实时反馈结论。但是产品设计者把上传过程，可以关闭软件，45min 之后来看，一一给使用者讲明白了。
4.6 对比
等 45 min 后，我又再次打开这个应用。首页上引入眼帘的就是刚拍摄完的空间。我可以直接查看建模后的效果。不过建模的效果一般，还不够成熟。
整体的用户体验非常流畅，不存在看不懂的地方，在能给予及时反馈的地方给予及时反馈。在有技术限制的部分，反馈也从用户角度说清楚了我现在可以做什么。
总结
AI 场景想要规模化落地，核心注意事项清单：
- 先讲清楚场景和价值是什么
- 思考如何缩短、简化客户 onboarding
- 将 AI 设计到客户的工作流中去，不要独立出来
- 使用唐·诺曼的 7 步行动理论，来重新细化用户路径，让用户体验丝滑且友好
书单推荐
《设计心理学》1-3册