在开始这个话题之前，我们需要先对设计中台有个基本的认识，读者可以通过《SEE Conf 设计工程化三部曲！探索新环境下「产研协同模式」中的思考与实践》这篇文章了解到阿里对设计中台研发模式和设计工程化的思考和工具方面的进展。我们对产品生产链路中多角色协同、可消费物料进行管理，加速生产效率的同时降低成本，同时产品的体验基线还可以得到保障。
今天我们要讨论的重点不是系统产品生产方面，而是 B 端系统的用户体验走向以及菜鸟在这一领域的切入点。我们将分 2 期来讨论这个话题，第一期将讨论 B 端系统的智能化体验走向，第二期将讨论智能化能力应用对体验带来的变化。
B 端系统的走向与体验诉求
首先我看看看 B 端系统在产品层面的发展历史：
- 在 1980 年代，IBM 等公司已经提供了以计算机为核心的管理系统，实现企业原材料管理、生产加工管理，员工工作时管理的闭环管理系统。
- 在 1990 年代这样的管理系统更加成熟，可以实现财务预测、生产能力和资源的调度等能力，真正成为可以用于产品质量管理、资源管理、财务管理的系统工具，辅助企业管理者进行决策。我们将这样的系统称为 ERP(Enterprise Resource Planning) 。
- 2000 年开始，互联网技术的成熟让企业的系统实现与供应链、客户上下游系统的数据交换能力，加强了供应链各环节企业的联系，使企业决策者进行跨企业协同更加方便。
- 2010 年至今，基于云计算的 ERP 产品以 SaaS、PaaS 等技术搭建非本地化系统逐渐走上历史舞台，为适应企业个性化业务诉求而定制的能力在考验系统「应用市场」规模和二次开发能力，其中二次开发能力以低代码和零代码受到行业关注。
我们可以观察到行业的基本走向有 4 个特征：
- 从解决企业单点管理问题到解决企业整理管理问题
- 从关注自己内部的管理和生产效率到关注供应链上下数据与协同效率
- 从服务事（企业生产等）到服务人（企业决策者、系统使用者）
- 从关注系统模块的功能到关注系统模块快速、低成本配置和落地的能力
基于此我们有理由相信，传统的管理系统向数字化时代的进化就在当下正在进行，当下我们需关注系统以数据处理为手段的信息化和系统自主决策完成目标为导向的智能化体验手段。
我们以系统在生产过程中，对生产关系所起到的作用和目的为切入点来整理思路，将系统以生产管理为目的围绕人力处理的阶段称为传统时代，将系统以数据处理能力替代人类做重复性决策为目的的阶段称之为数字时代。
我们不难发现，传统时代的系统需要我们在生产研发的时候更关注系统为人提供的能力，并且为了大规模生产最好可以低成本、快速的开发方式，配合这种研发模式孕育而出的就是各种技术、设计中台。比较典型的有 Salesforce 开放平台、蚂蚁的 AntD 等，菜鸟的中台叫做 Cone，意为 Cainiao One。Cone 提供设计工程化、标准化、低代码研发、能力服务平台、小程序等能力，关注优化系统生产链路，成本与效率，能力模块复用和体验标准化。
在进化的时代下，中台除了以上需要关注的生产要素以外，还要关注系统目的变化带来的体验变化。为了降低系统对人的依赖度，让系统代替人类做重复性高且低风险的决策，中台需要提供解决方案沉淀与系统判断触发条件的能力，以及配套的智能化体验的交互形态。
智能化转型的先驱
听起来智能化似乎还遥远，其实这个时代已经开始，我们来看几个企业智能化转型的例子：
Google 在 2016 年将企业战略由 Mobile First 调整为 AI First，随之而来的是 Google 产品用户体验逐渐走向智能化和人性化。
Google Photos 提供每天超过 50 亿张照片被 Google 相册查看，AI 可以帮助用户对照片的识别、美化和分享变得更轻松，它利用了 AI 分割图像，自动修复过度曝光、曝光不足的照片，还可以对照片进行色彩补正等处理。同样的，Google 助手采用深度学习的 Wavenet 技术，可以提供 6 种真假难辨的自然人声，提供超过 30 种语言服务在 80 多个国家和地区（中国区无覆盖）。随着这项技术，人们在内容阅读方面的体验会变的更加轻松且人性化。Google Chrome 插件市场使用量最好的几个插件几乎都是服务在 Gmail 智能回复上的，这些插件可以分辨邮件的对象和内容，将工作相关的单据自动录入系统的对应模块，并且能根据预设条件进行自动化邮件回复。这种智能化的体验将是日常需要处理大量客户邮件工作者的福音。
IBM 将智能化分成了三个阶段：
- 第一阶段基于云计算、物联网、数据分析等能力，建设流程自动化能力（RPA），实现过程自动化，人类只需要做决策即可；
- 第二阶段是智能自动化（AI+RPA），是将人工智能和自动化技术的结合，为人类提供更好的客户体验。例如 AI 可以帮助创建使用 RPA 自动化流程的指南、AI 利用数据来量化和计算流程效率，并进行简化，实现更高的效率等。
- 第三阶段则是真正的业务智能化（AI），IMB 将企业级 AI 融入开放式混合云的解决方案中，实现自然语言处理、可信、自动化以及随处运行的能力，这里就不展开了。
Philips 在 2019 年将人工智能技术应用在医疗领域，通过图像识别、声音识别、语言处理、数据挖掘、认知推理能力，服务在预防、诊断、治疗、康复、药物研究和医院管理几个领域，使医生的工作从依赖经验的「直觉医疗」到依赖数据的「精准医疗」。我们发现通过智能化技术收益最大的其实正是产品服务品质和用户体验。
B 端系统智能化图谱
如果我们今天还在使用传统系统，那么如何逐渐让系统智能起来？一步到位恐怕不现实，一步步建设需要实现哪些目标？
让我们来整理一下思路，智能系统的要素有三点：
- 系统的感知能力——系统需要知道业务发生了什么
- 系统的决策能力——系统需要对需要执行什么流程进行决策（含是否需要人类介入决策）
- 系统的执行能力——智能化系统擅长替代人类做大量低风险且重复性高的工作，也是直接产生生产价值的能力。
那么我们可以根据三个要素对系统智能化程度进行划分：
- 系统是否能自动完成任务（流程自动化）
- 系统是否能自主发起并完成任务（决策+流程自动化）
- 系统是否能完成自我进化（感知+分析+优化执行能力）
由此思路我们将人类对系统执行的参与度进行划分，将系统智能化为 5 个阶段：
- 基础人工（S0）：必须由人工完成所有的信息处理和任务处置，系统仅做信息存储和呈现，如在线表格。
- 辅助执行（S1）：必须由人工完成所有任务处置，但在处置过程中，能取得系统的辅助。系统在任务分发、推送或处理中提供数据分析帮助，如推荐、预测等。
- 条件智能（S2）：人工完成规则和流程的设定，或完成知识库的建立。系统基于预设规则、只是经验或智能的信息决策分析，能自动完成特定任务处理。
- 高度智能（S3）：人工仅需训练系统以完成系统优化。系统基于状态感知和实时分析，能自主决策，挖掘任务并自动完成任务。
- 完全智能（S4）：系统具备认知能力，自主完成进化和提升，能自主优化业务流程或提出全新的解决方案。
在建设的过程中，我们需要如何界定系统智能化所处的阶段呢？
我们通过大量理论验证，简化为上图表格，通过信息呈现、任务组织分发、任务处理能力、规则流程设定、自主优化&升级由谁来完成主要工作进行系统智能化等级界定。
菜鸟的系统产品通过中台能力也在逐步向更高阶的智能化能力进化中，那么我们需要建设哪些能力实现系统的智能化转型呢？
我们在每个阶段都设定了高优先级的必要能力（宝蓝色）和可持续加强的能力（蓝灰色）。我们认为这些能力是系统智能化的关键，随之而来带来的变化则是用户体验颠覆性的变化。
需要能力建设就意味着成本，基于菜鸟 6 年的体验设计中台落地的经验来看，并不是所有系统都需要追求 S4 的完全智能，而是需要根据场景、需求来决策系统智能化水平，按需即可。重复性越高的流程越需要智能化、决策风险越高系统越需要人类的经验进行判断，系统仅需提供数据分析能力。
