什么情况适合用 AI，什么情况不要乱用 AI
不是所有问题都该用 AI。成熟 PM 的第一反应不该是“用哪个模型”，而应该是“这里真的需要 AI 吗”。
AI 最容易被误用在两类场景：
- 规则已经足够清楚，却硬要加一个“智能层”
- 风险极高、容错极低，却把概率系统当确定系统用
AI Fit Assessment 的基本判断
graph TD
A["有问题要解决"] --> B{"规则是否清晰稳定"}
B -->|是| C{"是否需要复杂语义理解"}
B -->|否| D["优先评估 AI"]
C -->|否| E["优先规则引擎/流程优化"]
C -->|是| D
D --> F{"错误是否可被兜底"}
F -->|否| G["先做人机协作"]
F -->|是| H["进入 AI 方案设计"]
适合 AI 的典型场景
| 场景 | 适合原因 |
|---|---|
| 语义理解 | 文本、语音、图像等非结构化输入多 |
| 知识问答 | 信息量大且更新频繁，需要检索与组织 |
| 内容生成 | 需要草稿、摘要、改写、提案等能力 |
| 辅助决策 | 需要给建议、给候选项，而非直接拍板 |
不适合直接上 AI 的典型场景
| 场景 | 更适合什么 |
|---|---|
| 固定规则审批 | 规则引擎、工作流 |
| 强合规且零容错 | 人工审核 + 系统校验 |
| 高风险自动决策 | 人机协作、分级处理 |
| 数据基础极差 | 先补数据与流程，不急着上模型 |
PM 至少要问的七个问题
- 当前问题是否需要复杂语义理解
- 规则系统是否已经足够解决 80% 问题
- 错误输出会造成什么后果
- 是否存在人工接管和回滚机制
- 数据或知识源是否足够支持 AI
- 推理成本、延迟和维护成本是否可接受
- 上线后是否有评估与纠错闭环
一个简化的 AI Fit 评分器
def ai_fit_score(
semantic_complexity: int,
data_readiness: int,
error_tolerance: int,
business_value: int,
fallback_ready: int,
) -> int:
return (
semantic_complexity * 3
+ data_readiness * 2
+ error_tolerance * 2
+ business_value * 3
+ fallback_ready * 2
)
score = ai_fit_score(
semantic_complexity=5,
data_readiness=4,
error_tolerance=3,
business_value=5,
fallback_ready=4,
)
print("AI 适配得分:", score)
这个分数不是为了做数学，而是为了逼团队把“为什么这里适合 AI”说清楚。
常见误区
| 误区 | 表现 | 风险 |
|---|---|---|
| 为了显得先进而用 AI | “竞品有，我们也要有” | 价值不清，成本高 |
| 把 AI 当万能胶水 | 哪里乱就往哪里贴 | 问题没解决，复杂度上升 |
| 只看 Demo 效果 | 忽略异常和长尾 | 上线后质量失控 |
案例演练：退货政策问答
如果退货政策逻辑稳定、条文明确，而且用户提问大多是固定问题，那么优先方案可能是：
- 先统一政策内容
- 建规则化 FAQ
- 必要时再加 AI 重写答案和多轮理解
也就是说，AI 不是第一步，而可能是第二步。
课堂案例：什么时候该用 RAG，什么时候只用规则
案例背景
某平台想做退货政策问答。团队内部出现两派意见：
- A 派：直接上大模型问答
- B 派：先做规则化 FAQ
教学拆解
PM 应该先判断：
- 退货政策是否稳定、条款是否清晰
- 用户问法是否高度多样，需要语义理解
- 回答错误的代价是否很高
- 是否必须给出可追溯依据
如果政策结构清晰、错误代价高，那么更合理的路径通常是：
规则化 FAQ + 检索增强 + 必要的 AI 重写
而不是把全部判断直接丢给模型。
练习题
- 为什么“能用 AI”不等于“该用 AI”
- 哪三类场景最不适合直接上 AI
- Human-in-the-loop 在 AI Fit 判断里为什么重要
标准答案提示
- 重点从价值、复杂度、容错和风险的平衡回答
- 可从零容错、强规则、强合规、高风险决策角度回答
- 人工兜底会直接影响上线可行性与风险暴露程度
本章 checklist
- 我是否先判断“需不需要 AI”，再讨论“用哪种 AI”
- 我是否识别出规则可解和必须语义理解的边界
- 我是否确认错误容忍度和人工兜底机制
- 我是否评估过“规则 + AI”而不是只在“纯规则/纯 AI”之间二选一
本章小结
- AI 的价值来自适配，而不是来自标签
- 规则清晰、容错极低的场景，不该被 AI 化
- AI Fit Assessment 是 AI PM 最重要的早期判断动作之一
下一节：02-AI-Fit-Assessment实战框架 — 用评分矩阵系统地评估任意场景是否适合引入 AI，以及适合哪种 AI 方式。