Sora出来后，你发现大部分人并没有真正想表达的东西；
所以好奇心和表达欲，仍然是你最美好的品质，保护好它。
—
什么才算情感陪伴？
很多人对AI情感陪伴产品的最大误解，是觉得只有半夜情绪系统崩盘后的抑郁孤独寂寞，才叫情感陪伴痛点，然后讲个童话来抚慰你。
但我一直觉得，你每一次在下班地铁上无意识解锁手机乱划屏幕，每一次想憋出点金句发朋友圈，每一次在群里发烧，每一次看到梗图表情包思考能转发给谁，每一次点赞女神动态，每一次想刷存在感，都是情感陪伴需求痛点。
哆啦A梦不能直接取代静香满足大雄对静香的爱慕，但可以帮助大雄争取静香的注意力。没必要把需求理解的那么狭义，别难为自己。
利用大模型的幻觉，惊喜就是信息
有情感和情绪寄托的AI ChatBot，用户潜意识里就降低了预期，动辄就觉得它们真聪明、真性感、太贴心。
而面对生产力工具型的GPT们，用户潜意识里就提高了预期，只要出了一些差错，立即就觉得它们白痴、笨拙、无用。
在现阶段，AI在解放生产力发展生产力方面越进步，人类对AI工具的死亡凝视就越深邃。任何大语言模型都没解决“AI幻觉（Hallucinations）”，也就是胡说八道的问题。但这些胡说八道搁 AI女友男友身上，弄不好就制造个甜蜜小惊喜，换成智能办公助手和写作机器人，就只能是灾难。
AI产品需要适当留白
现阶段的AI产品基于大模型底座，而大模型内部本身的不确定性，给我们带来了足够多的开放性。和传统互联网产品不同的是：互联网产品经理一上来就要精准定义一个产品，会丈量技术实现能力，计算成本，然后聚焦到一个点。
但AI产品应该适当留白，让用户应用的过程中留给我思考的空间。当然，很多人还是会问我：你们的用户是谁，画像是怎样的，有什么样的 use case，我承认有些问题现阶段我很难回答，但这并不是二极管，AI产品当然也需要预测需求轮廓，但内部更精确的需求，某种程度上是可以由用户来定义的。
现阶段，锤子就是这个锤子，你需要开始定义并且寻找合适的钉子，而不是等锤子被磨合适后再下场。所以这里的假设是：AI 时代产品需求的精准程度，和以前是不一样的。
做AI产品，还是做AI的外卖小哥？
基于大模型的产品如果不采取按量定价，就一定会陷入困境：1% 的人消耗了 99% 的 token。
我真实遇到过这样的情况，内测期间，有用户连续跟我们的Bot聊了12个小时，导致这个用户的 API 调用成本超过第二到第十名用户的总和，真的很痛…
但相较于按使用量计费，个人更喜欢打包订阅，前者会让用户在使用时倍感压力。这就导致面前只有两条路可选：要么提高月费，让全体用户共同买单；要么限制最高使用量。
我倾向于后者：你可以设置一个超出日均日均消耗token30%-50%之间的用量上限数值，这既照顾到了大部分中、轻度用户，也能保证产品在不提高价格的情况下避免亏本运营。
但说实话，这都是短期方案，目前AI这种以实际用量来收费的方式，就像美团的动态份子钱一样，他们会拿走你的超额利润，导致你永远无法完成积累，只能给模型公司打工。
所以一个暴论是：ChatBot类产品，聊天本身溢价能赚的有限（token成本限制），ChatBot UI 上的高级功能收费利润才有保障。
优先思考PTF，然后才是PMF
现阶段做AI产品，优先是思考“PTF”，远没有到“PMF”，你需要对技术有充分的的理解，能够找到Technology-Product Fit，明确当前不完美的技术适合做什么样的产品。
这里需要产品经理自己就是一个大模型的超级用户，每天把自己泡在大模型的各种使用场景里，深度了解现有模型能力的边界。
时刻问自己：这件事为什么现在做，两年前能不能做？
什么时候会有网络效应？
做AI产品这段时间，经常会被问到的另外一个问题是：“有网络效应吗？壁垒在哪里？”脑袋一拍！好像是没网络效应！
但仔细想想：AI应用目前不具备网络效应，是因为行业还在极早期，Agent还没出来，Agent之间还没连通。等跨越鸿沟后，应该是购物助手和导购助手交流，小秘书之间相互约时间。
这就像在互联网早期，门户时代，是没有网络效应的。到了中期，网页多了、商品多了，搜索、电商、社交出来后，才有了网络效应。
AI时代的产品设计，也重视“情感壁垒”
以后To C的产品，可能会多一个壁垒：情感壁垒。
在过去很长一段时间，互联网产品带给用户的核心价值就是使用价值，但AI时代的产品是可能和用户建立起来比较深度的情感连接，从而产生情感价值。
人与人之间形成和深化情感链接的过程往往是一起经历事情，携手完成任务，这也非常符合copilot的特点。
如何设计AI产品和用户的情感互动，做到长期有积累又不喧宾夺主让人尴尬，可能是产品经理新的重要课题。
AI产品像种地，不止田园牧歌，还要面对自然挑战
在互联网领域，尤其是过去10年这段技术已经极其成熟的周期里，从「想法」到「做出可用的产品」往往并不需要花很多的时间和资源，甚至几个人在车库写代码就可以把MVP上线，然后通过获客增长，持续迭代形成壁垒。
而AI领域，往往是想法早已被提出来了（机器人管家，聊天机器人，自动驾驶等），但从「想法」到「做出可用的产品」需要很长时间和很多资源。
一方面，传统互联网产品需要的步骤和工作量它一个都不少，此外你还要摸索并理解大模型的能力边界，并定义成用户可以正常使用的“交互流”，基于大模型的工程开发也是额外工作量。
在这个过程中，简单套用互联网逻辑去思考往往会导致低估需要的时间和成本。
你在学习“AI”还是在学习“AI新闻”？
作为从业者，时刻告诫自己“不要把研究 AI 新闻当做研究 AI”。
这两个是完全不同的领域，远离那些让自己感觉学到了很多东西，却在夜深人静的时候不记得什么的信息源。
读一篇文章的时候，可以问一下自己「我一年以后还在乎这篇文章吗？」，花时间在相对不变的稳定的东西上面，比如论文、课程、底层知识，才能帮我理解每天都在变化的东西。
-Enri-
2024.02.25 深圳
