在開始這個話題之前，我們需要先對設計中臺有個基本的認識，讀者可以通過《SEE Conf 設計工程化三部曲！探索新環(huán)境下「產研協同模式」中的思考與實踐》這篇文章了解到阿里對設計中臺研發(fā)模式和設計工程化的思考和工具方面的進展。我們對產品生產鏈路中多角色協同、可消費物料進行管理，加速生產效率的同時降低成本，同時產品的體驗基線還可以得到保障。

今天我們要討論的重點不是系統產品生產方面，而是 B 端系統的用戶體驗走向以及菜鳥在這一領域的切入點。我們將分 2 期來討論這個話題，第一期將討論 B 端系統的智能化體驗走向，第二期將討論智能化能力應用對體驗帶來的變化。

B 端系統的走向與體驗訴求

首先我看看看 B 端系統在產品層面的發(fā)展歷史：

在 1980 年代，IBM 等公司已經提供了以計算機為核心的管理系統，實現企業(yè)原材料管理、生產加工管理，員工工作時管理的閉環(huán)管理系統。

在 1990 年代這樣的管理系統更加成熟，可以實現財務預測、生產能力和資源的調度等能力，真正成為可以用于產品質量管理、資源管理、財務管理的系統工具，輔助企業(yè)管理者進行決策。我們將這樣的系統稱為 ERP(Enterprise Resource Planning) 。

2000 年開始，互聯網技術的成熟讓企業(yè)的系統實現與供應鏈、客戶上下游系統的數據交換能力，加強了供應鏈各環(huán)節(jié)企業(yè)的聯系，使企業(yè)決策者進行跨企業(yè)協同更加方便。

2010 年至今，基于云計算的 ERP 產品以 SaaS、PaaS 等技術搭建非本地化系統逐漸走上歷史舞臺，為適應企業(yè)個性化業(yè)務訴求而定制的能力在考驗系統「應用市場」規(guī)模和二次開發(fā)能力，其中二次開發(fā)能力以低代碼和零代碼受到行業(yè)關注。

我們可以觀察到行業(yè)的基本走向有 4 個特征：

1. 從解決企業(yè)單點管理問題到解決企業(yè)整理管理問題
2. 從關注自己內部的管理和生產效率到關注供應鏈上下數據與協同效率
3. 從服務事（企業(yè)生產等）到服務人（企業(yè)決策者、系統使用者）
4. 從關注系統模塊的功能到關注系統模塊快速、低成本配置和落地的能力

基于此我們有理由相信，傳統的管理系統向數字化時代的進化就在當下正在進行，當下我們需關注系統以數據處理為手段的信息化和系統自主決策完成目標為導向的智能化體驗手段。

我們以系統在生產過程中，對生產關系所起到的作用和目的為切入點來整理思路，將系統以生產管理為目的圍繞人力處理的階段稱為傳統時代，將系統以數據處理能力替代人類做重復性決策為目的的階段稱之為數字時代。

我們不難發(fā)現，傳統時代的系統需要我們在生產研發(fā)的時候更關注系統為人提供的能力，并且為了大規(guī)模生產最好可以低成本、快速的開發(fā)方式，配合這種研發(fā)模式孕育而出的就是各種技術、設計中臺。比較典型的有 Salesforce 開放平臺、螞蟻的 AntD 等，菜鳥的中臺叫做 Cone，意為 Cainiao One。Cone 提供設計工程化、標準化、低代碼研發(fā)、能力服務平臺、小程序等能力，關注優(yōu)化系統生產鏈路，成本與效率，能力模塊復用和體驗標準化。

在進化的時代下，中臺除了以上需要關注的生產要素以外，還要關注系統目的變化帶來的體驗變化。為了降低系統對人的依賴度，讓系統代替人類做重復性高且低風險的決策，中臺需要提供解決方案沉淀與系統判斷觸發(fā)條件的能力，以及配套的智能化體驗的交互形態(tài)。

智能化轉型的先驅

聽起來智能化似乎還遙遠，其實這個時代已經開始，我們來看幾個企業(yè)智能化轉型的例子：

Google 在 2016 年將企業(yè)戰(zhàn)略由 Mobile First 調整為 AI First，隨之而來的是 Google 產品用戶體驗逐漸走向智能化和人性化。

Google Photos 提供每天超過 50 億張照片被 Google 相冊查看，AI 可以幫助用戶對照片的識別、美化和分享變得更輕松，它利用了 AI 分割圖像，自動修復過度曝光、曝光不足的照片，還可以對照片進行色彩補正等處理。同樣的，Google 助手采用深度學習的 Wavenet 技術，可以提供 6 種真假難辨的自然人聲，提供超過 30 種語言服務在 80 多個國家和地區(qū)（中國區(qū)無覆蓋）。隨著這項技術，人們在內容閱讀方面的體驗會變的更加輕松且人性化。Google Chrome 插件市場使用量最好的幾個插件幾乎都是服務在 Gmail 智能回復上的，這些插件可以分辨郵件的對象和內容，將工作相關的單據自動錄入系統的對應模塊，并且能根據預設條件進行自動化郵件回復。這種智能化的體驗將是日常需要處理大量客戶郵件工作者的福音。

IBM 將智能化分成了三個階段：

第一階段基于云計算、物聯網、數據分析等能力，建設流程自動化能力（RPA），實現過程自動化，人類只需要做決策即可；

第二階段是智能自動化（AI+RPA），是將人工智能和自動化技術的結合，為人類提供更好的客戶體驗。例如 AI 可以幫助創(chuàng)建使用 RPA 自動化流程的指南、AI 利用數據來量化和計算流程效率，并進行簡化，實現更高的效率等。

第三階段則是真正的業(yè)務智能化（AI），IMB 將企業(yè)級 AI 融入開放式混合云的解決方案中，實現自然語言處理、可信、自動化以及隨處運行的能力，這里就不展開了。

Philips 在 2019 年將人工智能技術應用在醫(yī)療領域，通過圖像識別、聲音識別、語言處理、數據挖掘、認知推理能力，服務在預防、診斷、治療、康復、藥物研究和醫(yī)院管理幾個領域，使醫(yī)生的工作從依賴經驗的「直覺醫(yī)療」到依賴數據的「精準醫(yī)療」。我們發(fā)現通過智能化技術收益最大的其實正是產品服務品質和用戶體驗。

B 端系統智能化圖譜

如果我們今天還在使用傳統系統，那么如何逐漸讓系統智能起來？一步到位恐怕不現實，一步步建設需要實現哪些目標？

讓我們來整理一下思路，智能系統的要素有三點：

1. 系統的感知能力——系統需要知道業(yè)務發(fā)生了什么
2. 系統的決策能力——系統需要對需要執(zhí)行什么流程進行決策（含是否需要人類介入決策）
3. 系統的執(zhí)行能力——智能化系統擅長替代人類做大量低風險且重復性高的工作，也是直接產生生產價值的能力。

那么我們可以根據三個要素對系統智能化程度進行劃分：

1. 系統是否能自動完成任務（流程自動化）
2. 系統是否能自主發(fā)起并完成任務（決策+流程自動化）
3. 系統是否能完成自我進化（感知+分析+優(yōu)化執(zhí)行能力）

由此思路我們將人類對系統執(zhí)行的參與度進行劃分，將系統智能化為 5 個階段：

基礎人工（S0）：必須由人工完成所有的信息處理和任務處置，系統僅做信息存儲和呈現，如在線表格。

輔助執(zhí)行（S1）：必須由人工完成所有任務處置，但在處置過程中，能取得系統的輔助。系統在任務分發(fā)、推送或處理中提供數據分析幫助，如推薦、預測等。

條件智能（S2）：人工完成規(guī)則和流程的設定，或完成知識庫的建立。系統基于預設規(guī)則、只是經驗或智能的信息決策分析，能自動完成特定任務處理。

高度智能（S3）：人工僅需訓練系統以完成系統優(yōu)化。系統基于狀態(tài)感知和實時分析，能自主決策，挖掘任務并自動完成任務。

完全智能（S4）：系統具備認知能力，自主完成進化和提升，能自主優(yōu)化業(yè)務流程或提出全新的解決方案。

在建設的過程中，我們需要如何界定系統智能化所處的階段呢？

我們通過大量理論驗證，簡化為上圖表格，通過信息呈現、任務組織分發(fā)、任務處理能力、規(guī)則流程設定、自主優(yōu)化&升級由誰來完成主要工作進行系統智能化等級界定。

菜鳥的系統產品通過中臺能力也在逐步向更高階的智能化能力進化中，那么我們需要建設哪些能力實現系統的智能化轉型呢？

我們在每個階段都設定了高優(yōu)先級的必要能力（寶藍色）和可持續(xù)加強的能力（藍灰色）。我們認為這些能力是系統智能化的關鍵，隨之而來帶來的變化則是用戶體驗顛覆性的變化。

需要能力建設就意味著成本，基于菜鳥 6 年的體驗設計中臺落地的經驗來看，并不是所有系統都需要追求 S4 的完全智能，而是需要根據場景、需求來決策系統智能化水平，按需即可。重復性越高的流程越需要智能化、決策風險越高系統越需要人類的經驗進行判斷，系統僅需提供數據分析能力。

在下篇文章《智能設計中臺——下》中，我們將會討論到一些關鍵能力應用在系統中對用戶體驗帶來的變化，歡迎各位關注。