本文總結(jié)了 AI 產(chǎn)品經(jīng)理入門(mén)前的必備須知，以及入門(mén) AI 產(chǎn)品經(jīng)理前需要建立的初步認(rèn)知框架。

“人工智能是未來(lái)，而未來(lái)已至?！边@種論調(diào)已經(jīng)普及開(kāi)了，可謂是深入人心。

很多產(chǎn)品經(jīng)理或者還未入行的新人，都在糾結(jié)到底要不要做AI產(chǎn)品經(jīng)理，畢竟帶了“AI”就覺(jué)得非常光鮮、非常前沿了，仿佛自己可以趕上一波時(shí)代紅利。

所以在講AI產(chǎn)品經(jīng)理的相關(guān)知識(shí)前，先勸退一波。

前兩年人工智能行業(yè)大熱，如今已經(jīng)降溫了很多，但是目前市場(chǎng)上依舊到處可見(jiàn)各種人工智能培訓(xùn)班或者各種Python培訓(xùn)課，似乎不學(xué)個(gè)Python就跟不上時(shí)代的步伐了。

這里就存在兩個(gè)問(wèn)題，一是學(xué)Python是否真的對(duì)自己有用，二是人工智能行業(yè)是否真的是人們鼓吹的那樣前景無(wú)限。

先說(shuō)第一個(gè)問(wèn)題：

其實(shí)這些培訓(xùn)班都是在營(yíng)造一種焦慮感，并利用人們的焦慮感去買(mǎi)單。

并不是說(shuō)學(xué)Python沒(méi)有用或者學(xué)習(xí)一門(mén)新技能沒(méi)有用，而是說(shuō)要結(jié)合自己的實(shí)際情況，在目標(biāo)明確的情況下選擇要學(xué)的東西。

否則只是跟風(fēng)去做一件事時(shí)，最后不僅花了時(shí)間花了錢(qián)，還經(jīng)歷了一個(gè)痛苦的學(xué)習(xí)過(guò)程，但最后學(xué)到的東西不是淺嘗輒止，就是對(duì)自己的工作根本發(fā)揮不了任何作用。

而關(guān)于行業(yè)的發(fā)展問(wèn)題，如果自己要是明確想沖入人工智能行業(yè)，趕上所謂的時(shí)代紅利，尋找一些工作機(jī)會(huì)，比如做一名AI產(chǎn)品經(jīng)理，那依舊是勸退。

信息的傳播是有延遲的，根據(jù)信息的傳播路徑可以看到，一個(gè)細(xì)分領(lǐng)域的行業(yè)發(fā)展現(xiàn)狀和前沿信息，一定是本行業(yè)從業(yè)者先獲取到的，比如一些專門(mén)做人工智能公司的從業(yè)者，然后是投資圈從業(yè)者，畢竟各種風(fēng)投都在緊密關(guān)注著各種行業(yè)動(dòng)向，對(duì)各行業(yè)的風(fēng)吹草動(dòng)還是很敏感的，最后才是媒體端。

從細(xì)分行業(yè)從業(yè)者，到投資圈人士，再到媒體端，原始的信息經(jīng)過(guò)了N手傳播，不僅已經(jīng)嚴(yán)重失真，而且也沒(méi)有時(shí)效性了。

所以當(dāng)你在媒體上看到鋪天蓋地的新聞，鼓吹一個(gè)行業(yè)非常好時(shí)，這個(gè)行業(yè)早已經(jīng)發(fā)生了天差地別的變化，要么適宜的市場(chǎng)環(huán)境已經(jīng)消失，要么市場(chǎng)格局已經(jīng)成型。

當(dāng)你沒(méi)有從事某一個(gè)行業(yè)，只是在媒體端或者道聽(tīng)途說(shuō)了解到一個(gè)“風(fēng)口”，就不要妄想趕上所謂的時(shí)代紅利了，現(xiàn)在再?zèng)_進(jìn)去就只是韭菜了，只能被割，就比如現(xiàn)在跟風(fēng)各種報(bào)班學(xué)Python的人。

那怎么才能知道一個(gè)行業(yè)到底好不好呢？

有兩種方法：

一是自己進(jìn)入這個(gè)行業(yè)，親自去做一下，之前聽(tīng)說(shuō)很多大牛產(chǎn)品經(jīng)理在創(chuàng)業(yè)前，都會(huì)先去目標(biāo)行業(yè)摸清狀況，獲取了充分的一手信息后，才真正殺入這個(gè)行業(yè)開(kāi)始創(chuàng)業(yè)。比如在開(kāi)咖啡店前，先去瑞幸或者星巴克打幾個(gè)月的工，而不是貿(mào)然創(chuàng)業(yè)。

第二種方法則簡(jiǎn)單一些，去咨詢這個(gè)行業(yè)的前輩就行，雖然是二手信息，但至少要比在互聯(lián)網(wǎng)各種媒體上看到的各種信息靠譜得多，尤其是一些所謂專業(yè)大機(jī)構(gòu)做的行業(yè)分析報(bào)告，信源都不能保證真實(shí)性，而且很多行業(yè)數(shù)據(jù)也可能是自己捏造的。

人工智能行業(yè)也是一樣的，要想知道人工智能行業(yè)現(xiàn)在到底是什么狀況，要么自己去頭部公司做一下，要么就去和從業(yè)者直接聊聊。

最近看到一個(gè)很有意思的“段子”，

在知乎上有人問(wèn)：人工智能未來(lái)會(huì)替代哪些行業(yè)，會(huì)不會(huì)造成大規(guī)模失業(yè)？

許多人很認(rèn)真地在長(zhǎng)篇大論，分析不同行業(yè)的被替代難度，但是有一個(gè)回答是：不知道未來(lái)能替代多少行業(yè)，也不知道會(huì)造成多少失業(yè)，但現(xiàn)在人工智能的從業(yè)者好多都失業(yè)了。

其實(shí)這就是當(dāng)前人工智能行業(yè)的真實(shí)現(xiàn)狀，在行業(yè)從過(guò)熱到現(xiàn)在的遇冷，熱錢(qián)逐漸退去，也終于知道到底是誰(shuí)在裸泳了。

人工智能行業(yè)面臨的最大問(wèn)題是：難以落地，找不到合適的應(yīng)用場(chǎng)景。

所謂的燒錢(qián)搶市場(chǎng)是不可持續(xù)的，核心是能不能找到真實(shí)的用戶需求，并真正能解決問(wèn)題。

企業(yè)是否能實(shí)現(xiàn)正的現(xiàn)金流，決定了是否能在資本寒冬期活下來(lái)。

能盈利的生意，不一定是一門(mén)好生意，但至少不是一門(mén)壞生意。

能盈利，至少可以靠自己活下來(lái)，說(shuō)明不是一門(mén)壞生意，但是否是一門(mén)好生意還要看市場(chǎng)規(guī)模，也就是天花板是否足夠高，以及自身是否具有規(guī)模效應(yīng)，在擴(kuò)張的過(guò)程中邊際成本能夠降低。

用PPT講故事的，大多是偽需求，現(xiàn)在人工智能落地比較好的幾個(gè)行業(yè)，也是需求已經(jīng)被證實(shí)了的，比如安防、金融等。

結(jié)論就是：不建議其他行業(yè)的產(chǎn)品經(jīng)理或者產(chǎn)品新人現(xiàn)在進(jìn)入人工智能行業(yè)。

最好先在一些成熟行業(yè)做產(chǎn)品，比如電商、金融、內(nèi)容社區(qū)等。

拿自動(dòng)駕駛舉例，自動(dòng)駕駛也許確實(shí)是未來(lái)，但是近5到10年沒(méi)有全面應(yīng)用的可能?，F(xiàn)在你要去做自動(dòng)駕駛產(chǎn)品經(jīng)理，覺(jué)得有先發(fā)優(yōu)勢(shì)，實(shí)際上能學(xué)到的東西很少。

因?yàn)楝F(xiàn)在自動(dòng)駕駛依舊在實(shí)驗(yàn)和測(cè)試階段，產(chǎn)品還沒(méi)有成型，且產(chǎn)品的核心也在技術(shù)團(tuán)隊(duì)，產(chǎn)品經(jīng)理能發(fā)揮的價(jià)值非常有限。

所以現(xiàn)在直接去做自動(dòng)駕駛產(chǎn)品經(jīng)理，可能會(huì)無(wú)事可做，因?yàn)闆](méi)有那么多用戶，沒(méi)有那么多場(chǎng)景，自然也沒(méi)那么多需求。

不過(guò)，可以先去滴滴這樣的出行公司，因?yàn)榈蔚位疽呀?jīng)成為出行行業(yè)的“水電煤”，承擔(dān)了互聯(lián)網(wǎng)行業(yè)基礎(chǔ)設(shè)施的角色，不但行業(yè)非常成熟，而且積累了大量的出行數(shù)據(jù)，做自動(dòng)駕駛自然也非常有優(yōu)勢(shì)。

當(dāng)你在出行行業(yè)積累了大量經(jīng)驗(yàn)后，等到自動(dòng)駕駛成熟，再進(jìn)去也不遲，因?yàn)榭梢詮?fù)用已有的經(jīng)驗(yàn)，反而會(huì)優(yōu)勢(shì)更大、進(jìn)步更快。

比如特斯拉，馬斯克做電動(dòng)汽車時(shí)，高薪挖了大量傳統(tǒng)汽車行業(yè)的人才，在已有行業(yè)基礎(chǔ)上再進(jìn)行創(chuàng)新。

科技的發(fā)展一定是連續(xù)的，在已有技術(shù)的基礎(chǔ)上不斷迭代改進(jìn)，最終在某個(gè)節(jié)點(diǎn)上，實(shí)現(xiàn)從量變到質(zhì)變。

如果經(jīng)過(guò)上面的勸退，你的目標(biāo)依舊沒(méi)有被動(dòng)搖，并已經(jīng)有了充分的心理預(yù)期，那要進(jìn)入人工智能行業(yè)，做一名AI產(chǎn)品經(jīng)理，也是非常不錯(cuò)的。

因?yàn)闊o(wú)論做什么事，信念堅(jiān)定是第一步，自己相信自己才能把事情做好。

在AI行業(yè)做產(chǎn)品經(jīng)理和其他行業(yè)做產(chǎn)品經(jīng)理，沒(méi)有什么本質(zhì)不同，產(chǎn)品方法論是基本一致的，但是不同點(diǎn)是AI行業(yè)更強(qiáng)調(diào)業(yè)務(wù)落地。

以下是在讀《人工智能產(chǎn)品經(jīng)理》一書(shū)時(shí)，我整理的10個(gè)問(wèn)題，可以對(duì)入門(mén)AI產(chǎn)品經(jīng)理建立初步的認(rèn)知框架。

1. 人工智能和互聯(lián)網(wǎng)時(shí)代的不同是什么？

互聯(lián)網(wǎng)主要是重構(gòu)生產(chǎn)要素（即重構(gòu)商業(yè)模式），人工智能則是升級(jí)生產(chǎn)要素。

比如在出行領(lǐng)域，出行平臺(tái)直接連接了司機(jī)和乘客，重構(gòu)了線上、線下的出行流程；但是人工智能則是從自動(dòng)駕駛技術(shù)切入，重構(gòu)了車輛和司機(jī)本身。

2. 人工智能的本質(zhì)是什么？

人工智能產(chǎn)品本質(zhì)上都和一個(gè)概念有關(guān)，即概率。

基于過(guò)往積累的數(shù)據(jù)，計(jì)算接下來(lái)可能發(fā)生事件的概率，這就是所謂的預(yù)測(cè)未來(lái)。

人工智能做出的每一個(gè)推斷和預(yù)測(cè)都伴隨著行為結(jié)果的不確定性。

3. 人工智能沒(méi)有普及的原因是什么？

人工智能沒(méi)有普及的原因是：在不同行業(yè)的不同場(chǎng)景中，人們對(duì)人工智能在概率表現(xiàn)方面的期望值不同，這就造成了不同領(lǐng)域的普及速度不一樣。

比如醫(yī)療領(lǐng)域，人工智能實(shí)現(xiàn)85%的診斷準(zhǔn)確率，是不能得到普及使用的，但是概率上升到99.99%，就可以實(shí)現(xiàn)普及使用。

但是這個(gè)要注意一個(gè)問(wèn)題：計(jì)算概率時(shí)的樣本。

之前特斯拉因?yàn)樽詣?dòng)駕駛出了多個(gè)事故，馬斯克發(fā)推特說(shuō)自動(dòng)駕駛比人工駕駛安全得多，發(fā)生事故的概率遠(yuǎn)遠(yuǎn)低于現(xiàn)在社會(huì)的整體交通事故概率。

這似乎也符合人們的直覺(jué)，特斯拉發(fā)生的交通事故可能只是個(gè)位數(shù)，但是路上的交通事故天天都有，所以是不是對(duì)新技術(shù)太過(guò)苛責(zé)了？

其實(shí)馬斯克的言論犯了一個(gè)錯(cuò)誤： 他在說(shuō)特斯拉的事故率時(shí)，樣本是很少的，而整體交通事故率是基于整個(gè)社會(huì)上的車輛數(shù)和里程數(shù)，這個(gè)樣本則是巨大的，可能特斯拉自己再多出幾次事故，事故率馬上就翻番了。

因此基于現(xiàn)有樣本計(jì)算出的特斯拉事故率是不準(zhǔn)確的，不能直接下結(jié)論說(shuō)，自動(dòng)駕駛的事故率就低于人工駕駛的事故率。

只有等到特斯拉自動(dòng)駕駛的車輛數(shù)和里程數(shù)積累到一定量級(jí)，樣本足夠大后，才能和人工駕駛的事故率進(jìn)行比較，也才能真正證明自動(dòng)駕駛是否更優(yōu)于人工駕駛。

4. 產(chǎn)品經(jīng)理設(shè)計(jì)AI產(chǎn)品的核心是什么？

產(chǎn)品經(jīng)理在設(shè)計(jì)AI產(chǎn)品時(shí)，要能夠平衡概率最優(yōu)和成本投入。

產(chǎn)品經(jīng)理需要判斷能滿足用戶需求的概率是多少、用戶接收的最低標(biāo)準(zhǔn)是什么、超出用戶預(yù)期的標(biāo)準(zhǔn)是什么，依據(jù)這些判斷去決定產(chǎn)品研發(fā)的投入策略。

不要追求完美，因?yàn)楫a(chǎn)品的商業(yè)化成功才是第一位。

5. 產(chǎn)品經(jīng)理設(shè)計(jì)AI產(chǎn)品時(shí)要從哪些方面考慮問(wèn)題？

人工智能的三要素是：算法、算力、數(shù)據(jù)。

那么AI產(chǎn)品也要從這三個(gè)要素入手考慮問(wèn)題：

（1）算法層面：產(chǎn)品經(jīng)理應(yīng)該對(duì)主流的算法模型和框架有基本的認(rèn)知，要做到在不同算法在不同場(chǎng)景下的使用效果進(jìn)行量化評(píng)估；

（2）算力層面：產(chǎn)品經(jīng)理要從需求出發(fā)，衡量產(chǎn)品功能所需算法模型需要怎樣的系統(tǒng)架構(gòu)支撐，并能夠評(píng)估硬件開(kāi)銷，綜合評(píng)估后要判斷采用平臺(tái)即服務(wù)還是自建計(jì)算平臺(tái)；

（3）數(shù)據(jù)層面：產(chǎn)品經(jīng)理在設(shè)計(jì)之初就要考慮數(shù)據(jù)從哪里來(lái)、數(shù)據(jù)質(zhì)量怎么保證、數(shù)據(jù)治理的工作怎么開(kāi)展等問(wèn)題；

AI產(chǎn)品的核心競(jìng)爭(zhēng)力在三要素交叉的黃金地帶。

6.人工智能產(chǎn)品的成功和哪些要素有關(guān)？

核心技術(shù)、產(chǎn)品化、商業(yè)化三要素對(duì)一款人工智能產(chǎn)品的成功缺一不可。

（1）核心技術(shù)：核心技術(shù)是人工智能產(chǎn)品成功的第一要素。

（2）產(chǎn)品化：宣傳產(chǎn)品價(jià)值（以快捷、低門(mén)檻的形式觸及用戶）、快速證明價(jià)值（制定策略使用戶快速了解產(chǎn)品、快速用價(jià)值打動(dòng)用戶）、交付用戶價(jià)值（保證長(zhǎng)期穩(wěn)定地將價(jià)值傳遞給用戶）、延展價(jià)值（讓用戶依賴產(chǎn)品，將產(chǎn)品融入用戶的生活中）。

（3）商業(yè)化：產(chǎn)品化決定了產(chǎn)品的價(jià)值空間，商業(yè)化決定了產(chǎn)品將價(jià)值變現(xiàn)的能力。

7. 產(chǎn)品經(jīng)理商業(yè)化AI產(chǎn)品的思路是什么？

兼顧技術(shù)和市場(chǎng)前瞻性是人工智能產(chǎn)品經(jīng)理必備的素質(zhì)。

8. 產(chǎn)品經(jīng)理是否應(yīng)該懂技術(shù)？

了解基本的機(jī)器學(xué)習(xí)算法，知道各種算法的應(yīng)用場(chǎng)景是什么、分別能解決什么問(wèn)題、各自的優(yōu)劣是什么就足夠了。

（1）產(chǎn)品經(jīng)理應(yīng)該對(duì)所在領(lǐng)域的產(chǎn)品研發(fā)過(guò)程中每一個(gè)技術(shù)動(dòng)作的原理和最佳實(shí)踐有深刻的理解，能夠進(jìn)行熟練的解釋說(shuō)明。

（2）產(chǎn)品經(jīng)理要能夠融入到研發(fā)過(guò)程，比如想辦法為團(tuán)隊(duì)提供高質(zhì)量的學(xué)習(xí)數(shù)據(jù)集；

（3）掌握前沿技術(shù)的實(shí)踐應(yīng)用；對(duì)技術(shù)發(fā)展趨勢(shì)有所洞見(jiàn)，才能設(shè)計(jì)出有競(jìng)爭(zhēng)力和前瞻性的產(chǎn)品；

9. 人工智能的核心技術(shù)有哪些？

人工智能的應(yīng)用和服務(wù)分為三大類：語(yǔ)音和文字處理、圖像和視覺(jué)、大數(shù)據(jù)分析和預(yù)測(cè)。

10. 人工智能公司有哪些類型？分別對(duì)產(chǎn)品經(jīng)理有哪些要求？

（1）行業(yè)+人工智能公司：依賴自身的多年領(lǐng)域積累，給用戶提供人工智能賦能后的產(chǎn)品或服務(wù)；比如福特、通用等研發(fā)自動(dòng)駕駛技術(shù)的傳統(tǒng)車企；

在此類公司，產(chǎn)品對(duì)行業(yè)的理解力和對(duì)行業(yè)趨勢(shì)的洞察力是核心；

應(yīng)用AI技術(shù)公司的商業(yè)模式以TO B為主，產(chǎn)品經(jīng)理的KPI是項(xiàng)目回款，因此產(chǎn)品經(jīng)理需要有一定的商務(wù)技能（售前、銷售）；同時(shí)因?yàn)樾枰ㄖ苹_(kāi)發(fā)，產(chǎn)品經(jīng)理要明確區(qū)分標(biāo)準(zhǔn)化產(chǎn)品和定制化產(chǎn)品；

（3）研究核心技術(shù)/基礎(chǔ)平臺(tái)的公司：從底層平臺(tái)需求出發(fā)，構(gòu)建AI計(jì)算平臺(tái)的硬件單元研發(fā)、數(shù)據(jù)治理、AI建模等；

在研究核心技術(shù)/基礎(chǔ)平臺(tái)的公司，產(chǎn)品經(jīng)理側(cè)重于對(duì)底層技術(shù)框架的理解。