AI落地困境 - 模型准确率90%为何业务还是用不起来

原文首发于人人都是产品经理，作者：李嘻嘻 原文链接：点击查看

做AI落地有一个巨大的坑：我们以为的准确率和业务实际的是不一样的。

AI巡店上线前两个月，空洞检测准确率从88%提到92%。然后运营说店长在群里投诉："你们的AI，一个空洞告我100次，我手机一天到晚就是提醒。"

万万没想到，准确率涨了，体验更差了。

模型边界和业务需求的gap

模型看得见"这里空了"，但看不见"空了多久"和"空了几个"。

一个顾客刚拿走的空洞，3分钟后店员补上，和空了半小时没人管——在模型眼里一模一样。店长需要的不是"哪里空了"，而是"哪里一直没人管"。

核心：除了把检测准确率从92%提到98%，还要给系统装上"时间感"。

解决方案

第一步：让系统学会"等一会儿"

检测到空洞后，不立即告警，等10分钟再确认。10分钟内恢复了→静默；还低于阈值→真缺货，发告警。

为什么是10分钟？80%的补货动作能在10分钟内完成，且总部要求30分钟内完成。设太短误报，设太长漏报。

第二步：解决"同一个空洞持续告警"

三个机制：

1. 新告警去重：同一区域同一问题，发过不再发
2. 告警间隔控制：持续缺货每隔N分钟才提醒
3. 等级升级：30分钟普通告警→60分钟超时告警→120分钟直接@店长

第三步："不聪明但很有用"的细节

• 夜间豁免：晚上11点到早上6点不检测
• 高峰时段动态阈值：客流高峰10分钟缩短到5分钟
• 结合店内闲忙程度：人多时走延迟告警

效果

告警量从每天每店几千量级降到几十、一百多。从"催你补货"变成"帮你管店"。

AI产品经理定位

AI落地的核心，往往不是模型本身，而是围绕业务场景设计的时间逻辑和规则。

算法和技术只是基础，真正让系统"好用"的，是耐心去解决"它该不该说话""什么时候说话""说几次"这些看似琐碎的问题。

AI场景下，产品经理的定位更像是**"解决方案专家"**——知道模型能干什么，知道业务需要什么，然后针对需求去想解决方案。

延伸阅读：AI巡店技术细节看最小框法；AI评测方法看四象限法则。

---

关于作者

李嘻嘻，9年产品经理 + 3年AI实践者，专注于AI产品落地和工具开发。

• 个人站：https://yourhelper.me
• 项目：FormAI、TargetLink、XixiType等6个AI工具