AI发展至今，不少从业者都把AI工具融入到自己的工作、生活中。但与多数人不一样的是，互联网从业者的使用方法，明显与其他人有所不同，特别是产品经理。这篇文章，我们就来分析一下其中差异。

　　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！

　　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”……

　　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。

　　最后，如果你也想跟一众先行者、实战派交流、探讨如何用好 AI，欢迎加入我和人人都是产品经理社区一起发起的《AI学习行动圈》。

　　以及，我周一到周四每天 19:30-21:30 会在视频号直播为大家演示 AI 在实际工作中的应用。

　　最后，如果你想体系化的学会使用 AI、抢占这波新技术浪潮的红利，可以加入我的《AI 重塑职场竞争力行动营》。

　　这套课程从去年 7 月打磨迭代至今，已经几乎涵盖了 AI 在职场中的所有应用场景。

　　56 节体系化课程 + 全年 44 场直播课程（每周一场），确保你能用好 AI、学到最新的 AI 应用。