2. 定义期 · WorkKit
AI 问题框定模板
PM
把模糊的"做个 AI 功能"转化为开发团队和评测体系都能接住的规格
触发场景
当团队已经确认 AI 是正确的解法（通过适用性评估），需要把业务需求翻译成 AI 可执行的问题定义。这一步做不好，后面所有开发都是浪费。
输入清单
- ◆ AI 适用性评估报告
- ◆ 业务需求文档或口头需求描述
- ◆ 目标用户画像
- ◆ 成功指标（可量化）
▶ 提示词
你是一位 AI 产品经理。我需要把一个业务需求转化为 AI 可执行的问题定义。
业务需求：
{{BUSINESS_REQUIREMENT}}
请帮我完成以下框定：
1. **问题重述**：用 AI 术语重新描述这个需求（输入是什么、输出是什么、评判标准是什么）
2. **边界定义**：明确 AI 负责什么、人不负责什么、人机协作的交接点在哪
3. **输出规格**：输出的格式、精度要求、延迟要求
4. **失败定义**：什么样的输出算"失败"，失败时怎么兜底
5. **约束条件**：数据限制、合规要求、成本上限
产出记录
将 AI 返回的结果填入下方模板，形成可追踪的项目文档。
AI 问题框定记录
业务需求原文：___
问题重述
- 输入：___
- 输出：___
- 评判标准：___
边界定义
- AI 负责：___
- 人工负责：___
- 人机协作交接点：___
输出规格
- 格式要求：___
- 精度要求：___
- 延迟要求：___
失败定义与兜底
- 失败定义：___
- 兜底方案：___
约束条件
- 数据限制：___
- 合规要求：___
- 成本上限：___
框定结论：清晰 / 需补充 评估人 / 日期：___ / ___
查看填写示例
示例场景
【示例】AI 问题框定——智能客服意图识别
业务需求原文：客服中心需要一个 AI 功能，自动识别来电用户的意图并路由到对应处理流程。
问题重述
- 输入：用户来电转写文本（ASR 输出，可能含噪声）
- 输出：意图分类标签（7 类：退款、物流、账户、投诉、产品咨询、技术支持、其他）
- 评判标准：Top-1 准确率 ≥ 85%，置信度 < 0.6 的转入人工
边界定义
- AI 负责：意图分类 + 置信度评估
- 人工负责：置信度 < 0.6 的复杂案例 + 情绪安抚
- 人机协作交接点：AI 输出置信度 → 低于阈值自动转人工，同时展示 AI 分类建议
输出规格
- 格式要求：JSON
{"intent": "refund", "confidence": 0.92} - 精度要求：Top-1 准确率 ≥ 85%，置信度校准误差 ≤ 5%
- 延迟要求：< 500ms（从文本输入到分类输出）
失败定义与兜底
- 失败定义：置信度 < 0.6 或分类为"其他"
- 兜底方案：转入人工队列，同时展示 AI 推荐的 Top-3 意图供客服参考
约束条件
- 数据限制：历史工单 2 万条，粤语/英语样本不足
- 合规要求：电话号码需脱敏后输入 AI
- 成本上限：月均 ¥3,000 Token 成本
框定结论：清晰 评估人 / 日期：张明 / 2026-04-16
自检 Checklist
- 是否明确定义了输入和输出？
- 是否有可量化的成功指标？
- 失败场景是否有兜底方案？
- 是否考虑了边缘案例？
衍生动作
- 框定清晰：进入评测集设计工序包
- 框定模糊：回到业务方补充需求细节
作者 手记
问题框定最重要的是定义"失败"。大部分团队只定义了成功长什么样，却没想过 AI 输出错误时怎么办。一个清晰的失败定义 + 兜底方案，比完美的成功定义更有价值。