AI产品的核心价值并非堆砌“智能”标签，而是回归用户体验的常识。近期滴滴与支付宝的AI功能实践，恰好为我们提供了一个观察窗口：它们如何将基础功能包装成创新，以及真正有价值的AI产品设计究竟该走向何方。
2026年3月，滴滴推出了AI出行助手“小滴”。用户只需说“身体不舒服，有点晕车，尽快叫车”，AI便会将这句话解析为“驾驶平稳”“油车”“最近的车”等具体条件。[1]
同年6月，支付宝开始内测AI版“阿宝”。根据官方介绍，用户在一个对话框内即可调用上万种服务——公积金查询、缴费、挂号、寄快递等，过去需要四处翻找的功能，现在一句话就能找到。[2]
两家公司讲述的是同一个故事：过去是人找服务，现在则由AI理解人，一句话完成所有操作。这套叙事听起来很先进，但实际体验后却会感到别扭。许多所谓的AI化，并没有让用户减少操作步骤，反而让用户多说了几句话。
先说滴滴。小滴并非没有价值，打车场景中确实存在许多难以用固定选项表达的需求：容易晕车、需要放置婴儿车、临时增加途经点、每周固定预约等。让用户直接说出需求，再由AI翻译成调度系统能处理的条件，比摆出几十个筛选项自然得多。这正是自然语言适用的场景：目标大致明确，但条件多、组合复杂，产品很难提前穷举所有可能。
然而滴滴公布的数据却耐人寻味。在小滴收到的个性化叫车需求中，“又快又便宜”排名第一，占57%；第二是“空气清新”，占12.5%；第三是“最近的车”，占9.9%。打车用户想要又快又便宜，这需要AI才能理解吗？快、便宜、近，本就是打车产品最基本的目标。用户打开滴滴，难道默认希望平台派一辆又慢又贵、距离自己十公里远的车？如果说一句“又快又便宜”真能明显改善结果，说明默认调度并未照顾最普遍的需求；如果说不说差别不大，AI只是让用户重新描述了一遍系统早该知道的事情。
小滴真正有价值的部分，其实不一定要放进聊天框。用户输入目的地后，AI完全有能力根据目的地和历史行为，推测用户是否有放婴儿车或带老人出行的诉求，再结合价格、距离、车型和司机服务，给出几个清晰的方案。猜不准也没关系，用户可以再修改。优秀的产品应该先替用户做一轮判断，再让用户确认和修正，而不是一开始就摆出空白输入框，让用户替系统完成理解工作。AI可以参与整个过程，却没必要站在首页等用户聊天。
滴滴的问题，主要是把一部分基础目标包装成了AI个性化。支付宝的问题则更深：它承诺的是“办事”，但现阶段最稳定的能力却更像“找路”。公众号“饭后服用”的一篇群体内测记录显示，阿宝推荐咖啡时列出了一批无法直接下单的品牌，规划路线时给出了一段文字“路书”，未能顺畅调用现成的地图能力。让它转账，它只是打开转账页面；同一句“转1000块”，不同测试者分别进入了转账和余额充值页面。充话费时，界面显示充值已完成，但测试者称实际并未到账；基金推荐中，基金名称与代码没有对应上。[3]
刺猬公社的一次内测中，它统计淘宝系支出时漏掉了一部分盒马消费；用户提出质疑后重新计算，又把山姆、小红书和天鹅到家算进了淘宝系。[4]
这些测试暴露出一类问题：阿宝不仅会找错路，有时连执行状态和专业信息也会出错。当然，这些都只是内测案例，不能据此推导阿宝的整体准确率。但支付宝与普通聊天机器人有一个根本区别：它管钱。豆包聊历史时胡说八道，用户顶多笑笑就完事，最多在小红书发帖子调侃一下；转错一笔钱，问题立刻变成谁来赔偿。
阿宝因此陷入一个难以绕开的矛盾：如果AI不碰钱，只负责理解意图、寻找入口和准备流程，它更像语义搜索与智能导航；如果真让AI自主转账、替用户还款甚至购买理财产品，大模型的不确定性又会撞上金融产品最看重的确定性。支付宝自己也承认这条边界：涉及资金变动和支付的环节，必须由本人确认。只要最后还要本人确认，关键一步就绕不开图形界面。这让支付宝陷入一种很拧巴的困境：前面聊了半天，真正重要的金额和授权，仍然要由用户自己看、自己选、自己负责。
这种拧巴也说明，许多AI产品不愿承认的一点是：GUI仍然很有价值。至少在这些高风险场景里，AI版支付宝还没有证明自己比传统图形界面更具价值。最后退回老方案，不是因为老方案落后，而是因为老方案更合理。所谓AI化如果只是加个聊天框，就没有真正给用户带来体验升级，甚至做不到对原有路径的平滑替换。
很多AI产品经理似乎过于迷信自然语言交互，觉得产品里只要还有菜单、卡片和表单，就不够AI Native；只有留一个空白输入框，让用户把需求从头说一遍，才算进入未来。然而历史上图形界面取代命令行，并非因为图标比较可爱，而是因为人更擅长识别，不擅长凭空回忆。选项、状态和操作路径摆在眼前，用户看一眼就知道能做什么；面对空白输入框，用户反而要先猜系统有什么能力，再琢磨应该怎么说。[5]
大模型确实把命令行翻译成了人话，但人话依然可能是命令行。用户仍要先理解系统，再组织一条指令交给机器。区别只是过去输入taxi --cheap --fast，现在输入“帮忙叫一辆又快又便宜的车”。过去产品经理总说要少让用户思考一步，现在有些AI产品却反过来教育用户如何提问，多少有点黑色幽默。
自然语言并非没有价值。当用户目标模糊、条件很多、不知道入口在哪里时，对话可以显著降低门槛。但这件事要分场景看：目标模糊、条件多、风险低，对话有价值；目标明确、路径成熟、操作只有一两步，再加一轮对话就不一定是升级；目标明确但风险很高，尤其涉及钱和授权，AI最多适合准备流程，最后还是应该回到清晰、可核对的界面。很多AI产品的问题，是把第一种场景里的价值，硬套到了所有场景里。
这种交互迷信背后还有一个更大的误会：把AI带来的生产力提升，直接当成了用户价值提升。几年前作者在《GPT只会让互联网行业更不值得卷》里写过，AI首先是一场生产力革命，但许多行业真正缺少的不是生产能力，而是需求。[6]移动互联网降低了接入成本，带来了更多用户和使用时长。AI首先降低的却是生产成本：功能更容易做，Demo更容易演示，故事也更容易包装。前者扩大市场，后者先扩大供给。当聊天框越来越容易做出来，“能做”就很容易冒充“该做”。
这件事还有一个组织层面的诱惑：聊天框最容易展示AI化。它适合发布会截图，适合产品PR，适合让老板、媒体和用户一眼看见“我们已经接入AI了”。但真正有价值的东西，往往没有那么好展示。后台调度、默认值、状态校验、履约治理、异常识别，这些更像“脏活”。它们不一定能在首页变成一个漂亮入口，却更可能真正减少用户麻烦。
模型能给所有App加上对话框，不代表所有App都需要对话；Agent能替用户点击按钮，也不代表点击按钮本身是个问题。真正优秀的AI产品往往没有那么强的“AI味”。它可能只是自动填好一张表，提前发现一个错误，在后台完成一次更好的匹配，把十分钟机械操作压缩成一次确认，或者在用户不知道怎么办时，给出一个可以继续修改的结果。
判断产品的价值，可以回归俞军的用户价值公式：用户价值 =（新体验 - 旧体验）- 替换成本。[7]旧路径到底有几步？AI理解错一次，用户要花多少时间检查和修正？它是在缩短任务，还是只增加了一轮对话？把“AI”两个字去掉，这个功能还值得做吗？
模型越强，越需要这些常识。过去一些蠢想法会因为技术做不到而自然死掉，现在却可以被迅速做成Demo，包装得十分精致，再推到用户面前。AI产品真正应该消灭的是用户的麻烦，而不是用户已经会用的按钮。