产品形态四分法:Copilot、Agent、平台、嵌入式
一句话定义
按「谁掌握控制权、价值闭环在谁手里」,AI 产品可划分为四种形态:Copilot(人主 AI 辅)、Agent(AI 主)、平台(供他人构建)、嵌入式(AI 融入既有流程),形态决定产品经理的工作重心与风险结构。
为什么重要
形态选错是 AI 产品最常见的结构性失误:把该做 Copilot 的事做成了 Agent,错误率与责任风险放大十倍;把该做嵌入式的事做成了独立 App,用户迁移成本高到没人用。形态判断先行,后续的交互设计(kp-015~019)、评测口径(kp-021)与风险清单(kp-029)才有正确的前提。
前置知识
kp-001 定义与边界;kp-002 能力地图(形态是能力组合的「外壳」)。
核心概念
- Copilot(副驾驶):人发起、人决策,AI 生成草稿或建议供人采纳。控制权在人,错误可被人拦截。例:GitHub Copilot 补全代码、Notion AI 续写。工作重心:建议质量、采纳交互、信任建立。
- Agent(智能体):给定目标后由 AI 自主拆解、调用工具、执行多步任务,人只验收结果或审批关键节点。例:自动化客服工单处理、编程 Agent(多步编码-运行-修复)。工作重心:任务边界、审批卡点、失败回滚、责任界定。
- 平台:把模型与构建工具开放给开发者或企业,自身不定义最终场景。例:模型 API、智能体搭建平台。工作重心:稳定性、计费、开发者体验、生态治理。
- 嵌入式:AI 无缝融入既有产品的既有流程,用户甚至不感知「AI」的存在。例:输入法的整句纠错、相册搜索、电商搜索排序。工作重心:无感质量、静默降级、不破坏原流程。
判据两问:任务执行中谁拥有控制权(人 or AI)?价值闭环发生在谁的产品里(自己 or 借助他人流程 or 供他人构建)?
原理与机制
形态是「自动化程度 × 集成深度」的组合结果:自动化程度低且深度集成 → 嵌入式或 Copilot;自动化程度高 → Agent;集成方向是「赋能他人」→ 平台。控制权分配直接决定错误成本的承担方:Copilot 的错误被人拦截,边际成本低;Agent 的错误直接作用于现实(发错邮件、改错数据),因此必须设计审批卡点与回滚机制(见 kp-016 自动化光谱、kp-017 降级)。这也解释了为何 Agent 产品的评测要加入「越界率」「误操作率」这类 Copilot 产品没有的指标。
公式或模型
不适用——本节为分类框架,判据即上述两问。
图示
| 形态 | 控制权 | 价值闭环 | 典型例子 | PM 核心命题 |
|---|---|---|---|---|
| Copilot | 人 | 人的工作流 | GitHub Copilot、Notion AI | 采纳率与信任 |
| Agent | AI | 自主执行 | 工单 Agent、编程 Agent | 边界、审批、回滚 |
| 平台 | 开发者 | 生态内 | 模型 API、智能体平台 | 稳定性、计费、DX |
| 嵌入式 | 产品流程 | 既有产品内 | 搜索排序、相册聚类 | 无感质量、静默降级 |
实例或案例
- 同一个「写邮件」需求的三种形态:Gmail 智能回复(嵌入式/Copilot,一句话补全)、独立 AI 写作工具(Copilot,草稿+编辑器)、邮件 Agent(「把本周投诉邮件归类并各拟一封回复待我确认」,AI 主导+人审批)。形态不同,PRD、评测集、风险清单完全不同。
- 营销话术陷阱:大量自称 Agent 的产品实际是「多轮 Copilot」——AI 能提议但不能执行。判断标准是它能否在没有人工逐步确认的情况下完成一次真实世界动作。
常见误区
- 形态攀比:认为 Agent 比 Copilot 高级。形态没有优劣,只有与任务风险、错误代价的匹配度(见 kp-016)。
- 把平台当产品:平台型需要完全不同的商业化(计费、生态)与组织能力,创业者常低估。
- 嵌入式不配拥有 AI 团队:嵌入式恰恰最难——出错无声、收益无声,更需要评测与静默降级能力。
直观类比
Copilot 是副驾驶座上的老司机帮你看路;Agent 是你把车钥匙交给代驾;平台是租车行把车租给所有人;嵌入式是汽车自带的 ABS——你没感觉到它,但它一直在工作。
自测题
- 「自动审批小额报销、大额转人工」的财务助手是什么形态?
要点:Agent(AI 主导执行)但带审批卡点,属于受限自动化的人机混合形态。
- 为什么形态判断要放在交互设计之前?
要点:控制权分配决定交互范式(确认/展示/无感)与错误承担方,前置错则后续全错。
- 一个产品自称 Agent 但每次执行前都要求用户逐步确认所有动作,它更接近什么?
要点:多轮 Copilot;控制权仍在人,只是交互以对话方式呈现。
与其他知识点的关系
kp-016 把本节的「控制权」连续化为自动化光谱;kp-019 给出每种形态对应的交互范式与案例;kp-028 用商业案例说明形态选择如何决定产品天花板。
延伸阅读
- 《AI·未来》,李开复——对 AI 商业化形态与中美路径的系统梳理。
- "Sparks of Artificial General Intelligence: Early experiments with GPT-4",Bubeck et al.,2023——理解 Agent 形态所依赖的模型能力上限。