第二十三章 需求文档
第二天早上七点，林知行醒来时看到姜意发来的消息。
消息是凌晨一点发的，只有一句话："你排课系统的算法，自己写的还是用的开源库？"
林知行愣了一下。没想到她会问这么具体的技术问题。
他回复："自己写的。参考了一些开源方案，但排课约束太杂，通用工具不好使。"
姜意的回复很快："那维护起来不麻烦？"
"现在只有我一个人弄，还行。"林知行打字，"以后人多了可能会头疼。"
姜意没回复。
过了十分钟，她发来一段话："我在互联网公司做过两年产品，见过太多技术方案很强但产品做不好的。共同点就是，技术人做方案时总想着'能不能实现'，不想'用户怎么用'。你的排课系统也是这样——你花大力气优化算法，但有没有想过，一线教师看到系统排出来的课表，第一反应是啥？"
林知行盯着屏幕，没回复。
他想起刘主管说过的话："你这个系统把老师当零件排。"
当时他觉得这是产品需求的问题，不是技术问题。
但姜意的话让他意识到，也许这两件事是一回事。
第二天，聊天变成了辩论。
起因是姜意问了一个问题："你做排课系统的时候，有没有做过用户调研？"
林知行说："做了。去张老板公司蹲了三天，看教务主管怎么排课。"
"你看到的是什么？"姜意问。
"他们怎么排课啊。"林知行说，"先排主科，再排副科；先排有特殊要求的老师，再排普通老师；遇到冲突就手动调。"
"这是操作流程，不是用户需求。"
林知行皱眉："有啥区别？"
"操作流程是'他们怎么做'，用户需求是'他们为什么这么做'。"姜意说，"你想啊，教务主管先排主科再排副科，为啥？因为主科约束多，难度大，先搞定主科，后面调整空间大。但这只是他们的策略，不是需求。他们的需求是'不出错'，不是'最优解'。"
林知行的手指在键盘上停了一下。
他想起张老板说过的话："我不是要最优解，我是要不出事。"
当时他不理解，觉得"不出事"和"最优解"难道不是一回事？
现在他有点明白了。
"你是说，"林知行打字，"用户的需求不是功能，是结果。他们不在乎你用了什么算法，只在乎排出来的课表能不能用、会不会出错。"
"对。"姜意说，"但还不够。你排出来的课表结果是对的，但如果教务主管看不懂你为啥这么排，他们就不信任这个结果。信任不是靠正确性建立的，是靠可解释性。"
林知行盯着这段话，看了很久。
他想起排课系统上线后，有几个校区的教务主管打电话来问："为啥张老师被排到周五下午？她周五下午有事。"他查了系统，发现张老师的"周五下午有事"这个信息没录进去，系统不知道。
当时他觉得这是数据完整性的问题。
但姜意的话让他想到另一层——就算数据是完整的，就算结果是对的，如果教务主管看不懂为啥这么排，他们还是会打电话来问。
因为他们不信任一个看不懂的东西。
"你说得对。"林知行回复，"我之前一直在优化算法的正确性，但忽略了可解释性。用户不信任系统，不是因为结果不对，是因为他们看不懂结果是怎么来的。"
姜意发了一个"👍"。
然后她说："你的方法论最大问题就在这里。把用户当变量，以为拆解需求就是列功能清单。但真正的用户不按功能清单思考——他们按场景和情绪思考。"
林知行没反驳。
因为他知道她说得对。
第三天，姜意开始发案例。
第一个是一家做智能客服的AI公司。系统能处理80%的常见问题，准确率95%。但上线三个月，客户满意度反而下降了。
原因很简单：用户和AI客服对话时，感觉不到被理解。AI回答虽然正确，但语气生硬，用户觉得自己在和机器说话。
姜意说："技术人会说，95%准确率已经很高了。但用户不在乎准确率，他们在乎的是'有没有人听我说话'。"
第二个是一家做智能推荐的电商公司。推荐算法很强，能根据浏览历史精准推荐商品。但用户投诉率反而上升了。
原因也简单：用户觉得被"监控"了。看了一双鞋，第二天首页全是鞋；搜了一次感冒药，首页全是医疗广告。推荐越精准，用户越反感。
姜意说："技术人会说，推荐精准是好事。但用户不在乎精准，他们在乎的是'我有没有选择权'。"
林知行看着这些案例，没说话。
他想起做AI客服项目时，方小满说过的话："有些问题不是算法问题——人家要的不是最准的回答，是让人觉得被听到了。"
当时他觉得方小满说得对，但没往深里想。
现在姜意用具体的案例告诉他，这不只是"对"，这是AI应用成功的核心逻辑。
"你的案例很有说服力。"林知行回复，"但我有个问题——如果用户的需求是'被理解'和'有选择权'，技术能做啥？技术能解决正确性问题，但能解决信任问题吗？"
姜意回："能。但得换思路。不是做更准的算法，是做更透明的算法。让用户看到AI怎么做的决策，让用户知道自己有啥选择。这就是'可解释AI'。"
林知行盯着"可解释AI"四个字，想了一会儿。
他打开浏览器，搜了一下这个概念。
搜索结果很多，大多是学术论文和技术博客。他快速浏览了几篇，发现"可解释AI"主要用在医疗、金融、司法这些高风险领域，让用户理解AI的决策依据。
但在教育领域，这个概念很少被提及。
他回到微信，打字："我搜了一下'可解释AI'，大多是医疗和金融领域的。教育领域好像没人做。"
姜意回复："因为教育领域的AI应用还太早期，大家还在卷算法准确率，没人关心可解释性。但这恰恰是机会。谁先把可解释性做出来，谁就能建立用户信任，形成壁垒。"
林知行盯着"壁垒"两个字，心跳快了一拍。
他想起自己在孵化器报告里写的那句话："垂直行业深度理解才是AI创业的真正壁垒。"
现在姜意告诉他，还有另一个维度的壁垒——用户信任。
而建立用户信任的方式，不是做更准的算法，是做更透明的算法。
这时候，手机震了一下。
是父亲的消息："吃了没？"
林知行看了看时间，晚上九点。他回复："吃了。你呢？"
"刚从石家庄回来，路上啃了俩馒头。"林建国的语音消息，声音有点哑，"你妈让我问你，五一回不回？"
林知行算了算日子，还有两周。"看情况吧，最近项目多。"
"行。"林建国顿了顿，"钱够花不？"
"够。"
"那就行。"
语音消息结束了，全程不到二十秒。
林知行把手机放下，继续看姜意发来的案例。
他忽然想起，父亲问"钱够花不"的时候，他正在看一个关于"用户信任"的报告。
父亲不关心什么用户信任，他只关心儿子吃没吃饭、钱够不够花。
这就是另一种信任——不需要解释的信任。
第四天，姜意发来了一份文档。
标题是《AI教育产品用户调研报告》，PDF格式，十二页。
林知行点开，从第一页开始看。
报告开头是调研背景：姜意在过去两个月里，访谈了四十七位一线教师、三十一位家长、十二位教务管理人员，覆盖K12阶段的五个学科。
然后是核心发现。
第一个：教师对AI工具的接受度与"可理解性"正相关。教师不排斥AI，但他们排斥看不懂的AI。当AI的决策过程是透明的、可解释的，教师的接受度会显著提高。
第二个：家长对AI教育产品的期待不是"更准"，是"更公平"。他们担心AI会强化现有的教育不平等——比如，AI推荐的资源总是偏向成绩好的学生，忽视成绩差的学生。
第三个：教务管理人员对AI系统的核心需求是"不出事"，不是"最优解"。他们需要一个能兜底的系统，而不是一个追求极致的系统。
林知行看到第三个发现的时候，手指停住了。
"不出事，不是最优解。"
这是张老板说过的话，是刘主管表达过的意思，是他在项目中反复遇到但没有总结出来的东西。
现在姜意用调研数据把它写成了结论。
他继续往下看。
报告后半部分是案例分析。姜意引用了三个真实的AI教育产品案例，分析它们成功或失败的原因。其中一个案例，就是林知行的排课系统。
她写得很客观，没有夸大也没有贬低。她肯定了排课系统的技术方案和落地效果，但也指出了它的问题："系统上线后遭遇教师投诉，根本原因不是算法错误，而是数据透明度不足。教师不知道系统为什么这么排课，因此不信任系统的结果。"
林知行盯着这段话，看了很久。
他想起那三个校区的教师投诉，想起连夜去补数据道歉的经历，想起那个女教师说的"你们做的系统只看效率，不看人"。
当时他以为问题出在数据完整性。
现在他意识到，数据完整性只是表象，真正的问题是——教师看不懂系统为什么这么排。
如果系统能告诉教师"你被安排在周二上午三四节，是因为周二上午你没有其他课且距离校区最近"，教师还会投诉吗？
也许还是会，但至少不会因为"看不懂"而产生不信任。
林知行把报告翻了三遍。
第一遍快速浏览，了解整体结构和核心结论。
第二遍细读案例，对比自己的项目经验。
第三遍标注重点，把和排课系统相关的段落都画了出来。
在第三遍的某个段落旁边，他画了一个问号。
那段话说的是"用户对AI推荐结果的信任度与推荐解释的可理解性正相关"。
他盯着这句话，脑子里突然冒出一个想法。
排课系统的每一条排课结果，能不能加上一条人类可读的解释？
比如，"张老师被安排在周二上午三四节，因为周二上午她没有其他课且距离校区最近"。
比如，"数学课被安排在上午，因为数学是主科，上午学生注意力更集中"。
比如，"体育课被安排在下午最后一节，因为体育课后学生容易出汗，需要时间整理"。
这些解释不需要很复杂，只需要告诉用户"系统为什么这么排"。
技术上实现起来不难。排课算法在做决策的时候，会考虑多个约束条件，每个约束条件都会影响最终结果。只需要在生成课表的同时，把主要的约束条件提取出来，转化成人类可读的文字，附在每条结果旁边就行。
这不是算法优化，是产品优化。
但这个产品优化，可能会解决一个他一直没解决的问题——用户信任。
林知行打开微信，给姜意发了一条消息："报告看完了。"
姜意回复："怎么样？"
林知行想了想，打字："你比我更懂用户。"
姜意回："你比我更懂技术。所以我们应该合作而不是吵架。"
林知行盯着"合作"两个字，心跳又快了一拍。
他还没来得及回复，姜意又发来一条："报告里有个观点，你可能会感兴趣——'用户对AI推荐结果的信任度与推荐解释的可理解性正相关'。你的排课系统可以试试这个方向。"
林知行笑了。
他已经想到了。
他回复："我正在想这个。"
然后他合上手机，打开代码编辑器。
屏幕上的光标闪烁着，等待他输入第一行代码。
他想了一会儿，在注释栏里写下一行字：
"# 新模块：AI解释层——让每条排课结果都有一个可读的理由"
窗外，太阳已经西斜。
方小满从食堂回来，看到林知行盯着屏幕发呆，问了一句："干嘛呢？"
林知行没回头："写代码。"
"写什么？"
"一个新模块。"林知行说，"让用户信任AI的模块。"
方小满没听懂，但也没追问。他把饭盒放在桌上，打开手机刷视频。
林知行的手指落在键盘上，开始敲下第一行代码。
他不知道这个模块最终能不能解决问题。
但他知道，这是他第一次不是在优化算法，而是在优化信任。
（本章完）