第四章 AI能力映射：将AI组件对接到流程节点
1. 适用场景
- 产品团队已完成业务流程图（第3章）并识别出需AI介入的节点。
- 需要为每个节点匹配合适的AI能力（视觉、语音、NLP、推荐）并明确依赖关系。
- 需梳理各能力所需的数据接口，以便后续工程团队开发对接。
- 适用于从概念验证到系统设计的过渡阶段，特别是多人协作的AI产品规划会。
2. 前置条件
- 已产出《业务流程图》（含节点编号、活动描述、角色标注）。
- 已整理《候选AI能力清单》（至少包含视觉、语音、NLP、推荐四大类及子能力）。
- 已确定数据源清单（如用户画像库、图片存储、音频流、日志等）。
- 团队角色明确：业务方、AI算法、后端开发、数据工程师至少各1人。
3. 操作步骤
本步骤将业务节点与AI能力进行严格映射，推荐使用“三步法”并行产出。
| 步骤编号 | 操作描述 | 产出物 | 责任人 |
|---|---|---|---|
| 4.1 | 节点‑能力初匹配 对照业务流程图，每个节点标注主能力类型（视觉/语音/NLP/推荐），若多能力则标注组合关系（串行/并行）。 |
《节点‑能力对照表（初稿）》 | AI产品经理 + 算法工程师 |
| 4.2 | 能力依赖标注 对每个能力节点，列出前置依赖（模型、数据、硬件、第三方服务）。例如：人脸检测依赖人脸库API、推荐依赖用户行为数据表。 |
《能力依赖矩阵》 | 算法工程师 + 后端架构师 |
| 4.3 | 数据接口识别 为每个依赖定义数据接口：入参、出参、协议（REST/gRPC/消息队列）、数据格式（JSON/Binary/Proto）。 |
《数据接口规范表》 | 后端架构师 + 数据工程师 |
| 4.4 | 交叉评审 组织业务方与AI团队评审映射合理性，确保能力边界不越界（如不能用NLP做图像识别）。 |
评审纪要 | AI产品经理（主持） |
| 4.5 | 纳入流程基线 将映射结果更新到主流程文档，同时生成“能力依赖关系图”（见下方SVG）。 |
《AI能力映射V1.0》 | 配置管理/文档管理员 |
4. 输入输出物
| 输入物 | 输出物 |
|---|---|
| 业务流程图（第3章产出） | 《节点‑能力对照表》 |
| 候选AI能力清单 | 《能力依赖矩阵》 |
| 数据源清单 | 《数据接口规范表》 |
| 系统架构初稿（可选） | AI能力映射图（SVG格式） |
5. 责任边界
| 角色 | 职责 | 不负责事项 |
|---|---|---|
| AI产品经理 | 驱动映射流程，维护对照表正确性 | 具体接口实现细节 |
| 算法工程师 | 判断能力可行性，标注依赖和性能指标 | 业务流程合理性 |
| 后端架构师 | 定义数据接口格式、协议、吞吐要求 | 模型训练与调优 |
| 数据工程师 | 提供数据源定义、字段列表、更新频率 | 模型选型 |
| 业务方 | 验证能力映射是否满足实际场景 | 技术实现路线选择 |
6. 记录材料
- 《能力映射评审签到表》
- 《能力依赖矩阵》Excel/CSV
- 《数据接口规范表》Markdown/OpenAPI 3.0 YAML
- 评审会议录屏/录音（可选）
7. 异常处理
| 异常场景 | 处理措施 | 责任人 |
|---|---|---|
| 某业务节点无法匹配任何现有AI能力 | 标记为“待研发/待采购”，记录预期价值与优先级，进入技术预研队列 | AI产品经理 |
| 能力依赖的数据接口不存在或获取成本高 | 触发数据治理流程，或在接口规范中标注“待建设”并填入替代方案 | 数据工程师 + 后端架构师 |
| 同一节点出现多能力冲突（如视觉与NLP同时占主） | 按“用户价值 > 实施成本 > 技术风险”排序，若必须共存则设计调度优先级 | AI产品经理（裁决） |
| 评审时业务方与技术方争议能力边界 | 暂停投票，定义最小可用能力并记录争议项，约定两周后二次评审 | 产品负责人 |
| 能力依赖涉及第三方付费API | 增加费用评估列，统一汇总到《成本预估表》，由管理层决策 | 算法工程师 |
8. 验收标准
- 每个业务流程节点（至少关键节点）均已标注AI能力类型，无遗漏。
- 每个能力节点均列出其直接依赖（模型/数据/服务），并归入《能力依赖矩阵》。
- 每个依赖均定义了数据接口（入参、出参、协议、格式），接口规范覆盖率100%。
- 所有争议/待定项均已记录在案，且附带跟进负责人与截止日期。
- 输出SVG映射图，节点数 ≥5，连接关系完整，配色符合标准色板。
💡 最佳实践： 映射过程中使用“能力卡片”工具（如Miro/FigJam），每个节点贴一张卡片，正面写能力名称，背面写依赖与接口字段。便于评审时快速调整。
🔧 工具推荐： 使用PlantUML或Draw.io导出接口规范，再用脚本生成OpenAPI YAML，减少手动录入错误。
9. 常见疑问与避坑
⚠️ 避免过度映射： 不要为了用AI而强行给简单节点套上深度学习，例如“用户点击按钮”可直接用事件监听，无需NLP。保持映射的性价比意识。
- 接口规范遗漏： 每个依赖至少应定义：入参字段（类型、校验规则）、出参字段（成功/失败）、错误码列表、超时阈值。
- 能力边界模糊： 如“用户意图识别”有时用NLP，有时用规则引擎。映射时应明确哪种场景走AI，哪种走规则，并在备注列标注。
- 依赖循环： A能力依赖B能力的结果，B能力又依赖A能力的结果。如无法解耦，需新增中间缓存或异步队列。