AI现在已经这么火，以后可能会发展成什么样？这篇文章，作者从工具型产品的变化过程，以一个椅子为案例，为我们详细分析讲解了以后AI的可能，供大家参考。
一、AI产品困境
从2022年11月ChatGPT发布以来，全球迎来了一波AI热潮，模型厂商卷模型，应用厂商卷应用，市面上出现了各种各样不同模态的AI应用和服务，大家都想做第一个吃螃蟹的人。作为互联网从业者“AI会淘汰所有无法使用AI的人”的口号为我们带来了焦虑，大家一致的观点是AI成为了当前各行各业的突破式创新，不论你身处什么行业，都在筹划部署各种AI应用，好与时俱进，防止自己被科技的进步所淘汰。
然而两年过去了，很多公司好像陷入了困境，市面上的大模型每隔一段时间性能就会大幅提升，企业自己大力投入的AI业务也有了很多技术上的进展，但始终无法成功变现，产品投入市场之后的反馈总是不达预期，加上开放的环境让每个竞争对手都可以很快地复制你的新奇创意造出比你更好的产品。在市场期望和用户反馈的双重压力下，大家都感到举步维艰。
二、工具型产品演进过程
从事工具型产品经理多年，我学习验证并且相信的一套工具类型的产品演进过程给我在产品规划和预测中提供很好的参考，我觉得这个规律大概也可以延伸至其他产品领域。这是一个综合用户和技术发展的角度总结出的发展规则，大致是这样的：
固定形态（单一功能）→可调节（多功能化）→自适应调节（自动化）
举个例子：
起初市面传播较广的椅子可能是固定形态的，可能是单关节的折叠椅或者直接由圆钢焊接出来的固定形状的办公椅，它们所提供的就是单一的用来“坐”的功能。这一阶段是“固定形态”阶段。
之后，随着用户的分群、场景差异化，不同的需求显现，加上技术的进步使得产品的成本降低，市面上开始流行多关节的人体工学椅，它能够支持在单纯坐的前提下更多的调节功能。例如扶手、靠背、高度、腰部支撑、腿托等附加的功能，从而满足用户更深层次的需求。这一阶段是“可调节”阶段。
再向后发展，一味地堆叠功能已经不能在市场上赢得份额了，因为消费者都清楚，购买功能再丰富的产品，大概率很多功能自己根本用不到，自己在掏钱为用不到的功能付费，并且越复杂的产品学习成本越高。因此产品开始走向细分领域，针对每个特定的场景进行充分地深化，而不论是特定细分领域的深化还是通用产品的深化，都会开始发展自动化，也就是“自适应调节”。
用户在使用产品的过程中，产品会适应用户，记住用户，甚至用户不需要学习如何使用产品的功能，产品能自动地为用户提供服务。我想这也是苹果手机之所以在功能复杂度上总是不及安卓同级产品，但是总能赢得用户追捧的原因之一。这一阶段是“自适应“阶段。
同样的，在B端软件工具领域，这套规律也很符合，早期企业信息电子管理，使用Excel文档、Access数据库这些基础产品，他们提供最基本的记录、查询功能。之后，开始有了各种管理系统：ERP、WMS、OMS、TMS等等。现在企业电子系统能够获取到的信息更多了，于是有了数字化、智能化的概念，有了各种业务中台、BI，加上AI技术的应用，部分企业管理业务开始步入自动化、智能化。
值得注意的是，当我们在实现“自适应”的进程中，免不了要更深层次地获取用户信息（行为、意图、行业等等方面），这个过程间接为业务建立起来一个潜在的“知识壁垒”，一旦你的壁垒建起来，可能短期内你就成为了在这方面“最懂用户”的人，竞争对手想要超越你就有了难度。因为你的壁垒会短期让用户具有共同的认知，于是品牌效应就出现了。
三、未来趋势猜测
首先，我认为AI技术（包括生成式AI和传统的机器学习）都应该是推动传统产品从“可调节”步入“自适应”阶段的重要工具，借助AI技术，我们能够在产品感知上通过获取到的用户信息来让产品“理解用户”，在应用上实现更加自动化的主动行为，从而让产品做到“适应用户”。张勇所说的“所有行业都值得基于人工智能技术重做一遍”这一点，我的理解他主张的是应用AI技术，来让传统产品过度到“自适应”阶段。所以对于AI产品之后的发展趋势，我预测，更容易成功的切入口也是如何用AI来把现阶段用户使用上最困难的、繁琐的复杂功能改良为自动化、智能化、自适应的功能。
其次，就AI产品自己，在我看来，目前也已经处在了“可调节”阶段，一线大模型开发商提供了各种模型调试工具。头部企业开放了各种Agent创建平台，随便一个Agent市场，随便哪个工作/生活场景，输个关键词，都能查到很多相关的Agent。但是问题在于这些产品都没有进入到“自适应”的下一阶段，他们中很多仍然需要用户进行输入、拖动的相关交互，然后还需要给出一定的指令。有些需要用户自己录入，配置一些AI所需要的“记忆”。这些问题，有些是因为技术局限，有些是因为数据安全合规性要求。但是我认为都应该可以考虑通过交互体验设计、配合其他传统工具、AI工具来改善。
举个例子：
AI翻译，大模型推广后，目前很多的B端软件都提供了AI翻译工具，我们初次使用都会被AI的翻译效果所惊艳。但是尴尬的局面随之出现，用户在了解这个功能的情况下，在我们预设的很多高频使用场景并不会去主动使用这个功能。
其实用俞军的产品价值理论能够很好的解释这个现象：用户价值=新体验-旧体验-替换成本，有翻译需求的用户很多之前就安装了各种划词翻译软件，新的AI产品仅仅在翻译效果上有一定的提升，在用户的使用体验上并没有较大的改善，用户还需要适应你新产品的交互方式。传统的划词翻译软件，用户选择内容后自动就弹窗显示翻译了，而目前集成在B端产品中的翻译工具往往需要用户划词后点击按钮或者给出指令。
从这个角度上讲，这些AI翻译应用在用户价值上没有优势。突破思路，应该是想办法让产品功能“自适应”。如果我设计这样一个产品，在不考虑合规性要求的情况下，我会设计成这样：
应用提供一定的配置功能，让用户能够根据自己的使用习惯配置应用功能的触发条件；
通用的情况下，程序获取到用户的操作系统所使用的官方语言；
当在我们的B端软件内，一些划定的高频场景页面，如果检测到非官方语言的文本内容（例如邮件、对话等）不需用户主动操作，应用自动调用AI翻译，并在合适的区域展示翻译好的内容；
如果业务相关的场景，B端软件可以结合存储在软件内用户授权的长期记忆调用AI进行分析，并提供进一步的行动/决策建议。
以上，就是我基于工具型产品的演进过程，对AI产品的发展趋势的猜测。
本文由 @Sailors 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
