AI時代下，產品經理的職責以及能力要求有了什么樣的變化？為了符合這種趨勢，產品經理又要關注哪些點呢？讓我們來看正文吧：

在AI產品經理這個概念開始興起以后，經常有人問我，這AI產品經理和普通的產品經理有什么區別??？大家在做的事情不都是需求調研，產品設計嗎？為什么到了AI這里就變得不一樣了呢？

這也是我今天想跟大家探討的問題，AI到底讓產品經理發生了什么樣的轉變？

我們從四個方面聊這件事情：

AI對互聯網的影響是什么

近幾年有幾個事件讓人工智能真正闖進大眾的視線：

• 16年3月，AlphaGo戰勝李世石，成為第一個戰勝世界圍棋冠軍的AI機器人，讓大眾首次見識到人工智能的威力，也讓人工智能成為茶余飯后津津樂道的話題；
• 17年9月，蘋果公司在iPhone X上推出的生物識別技術faceID，讓大眾意識到原來人工智能早已來到我們身邊，已經為我們的生活服務了。
• 18年7月，國務院發布了新一代人工智能發展規劃的通知?！兑巹潯肥俏覀儑以谌斯ぶ悄茴I域進行的第一個系統部署的文件，并提出以提升新一代人工智能科技創新能力為主攻方向。
• 最近，互聯網被一款現象級的網紅產品ZAO刷屏，使用AI技術，僅需要一張正臉照，就能用你的臉制作網絡熱門表情包，出演經典電影片段。實際上ZAO不是第一款換臉軟件，但因軟件中的安全協議引發了巨大的安全、道德爭議。

AI到底是什么？

經過兩年的發展，現在我們的生活里到處都是人工智能的痕跡：

• 早晨在地鐵上看新聞，新聞推送的全是我感興趣的內容；
• 到了公司不用打卡，直接人臉識別就進去了；
• 中午需要出趟門，直接問問Siri就能安排好行程；
• 下班了逛逛淘寶，今天的淘寶仿佛讀懂了我的心情一樣，推薦了很多我想買的東西。

如同百年前電力的出現一樣，人工智能變革了每個產品，仿佛重構了每個人生活的方式。

一直以來都有兩種不同的負面聲音：

• 一種認為人工智能是資本的噱頭，其實它什么都沒有改變；
• 另一種認為，人工智能還是待在實驗室的新事物，它離我們的生活還很遠，我們現在接觸的人工智能最多算是個人工智障；所以很多人也會感到困惑，AI到底是個什么？

實際上，我們日常生活中已經每天都在使用人工智能了，只是我們沒意識到而已。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）這個詞。他總是抱怨“一旦一樣東西用人工智能實現了，人們就不再叫它人工智能了?！?/p>

因為這種效應，所以人工智能聽起來總讓人覺得是未來的神秘存在，而不是身邊已經存在的現實。同時，這種效應也讓人們覺得人工智能是一個從未被實現過的流行理念。

AI的出現，為互聯網又帶來了什么？

筆者私認為，AI對互聯網的影響在于兩個方面，“提升用戶體驗”以及“提升決策效率”。

舉一個很常見的例子：

• 在以往的重要直播上，視頻會顯示實時字幕，這是通過給原有直播信號增加5-10分鐘的延時，速記員在這短暫的時間內快速整理并輸出字幕，但這需要消耗多名速記員的大量體力和腦力。
• 在人工智能時代下，語音識別準確率高達97%，通過語音識別和自然語言處理技術，每場直播都能實現低成本、零延遲的實時字幕。有些直播產品還會在視頻旁邊顯示整場內容的字幕，方便用戶隨時瀏覽過去的內容，對于經常不在座位旁但需要了解直播內容的用戶來說，這是很棒的用戶體驗。

俞軍曾言，產品經理的行業變化，無不伴隨著新要素往人類生活中的融入。雖然人工智能出現在上世紀，但此刻，人工智能正以一種全新的姿態，讓產品經理發生巨大的轉變。

轉變產品經理的思維方式

在傳統互聯網時代，由于流量效應帶來的紅利，產品經理的工作主要是圍繞著挖掘用戶需求以及提升用戶體驗這兩方面。

隨著人工智能的發展，產品經理行業中出現了一個細分領域，稱為AI產品經理。他們的工作圍繞著AI技術在場景中的運用而展開，將AI能力作為一種強有力的武器解決問題，讓產品功能具備AI能力從而實現用戶體驗與效率提升。

雖然兩者在本質上都是滿足用戶的需求，但是在思維模式以及解決方式上存在很大的差異。具體表現在以下兩個方面：

從用戶思維到數據思維

在互聯網時代，流量為王，“用戶至上”成為了各大互聯網企業的共識。無論是電商領域還是社交領域，產品經理們每天都在研究用戶的行為與表現，希望以此挖掘用戶內心的想法，創造出滿足用戶需求的產品。

到了人工智能時代，數據為王，數據成為了企業的風向標。

我們的產品、用戶都能用數據去描述他，而不是想當然的經驗主義去思考這個用戶要什么。這時候我們有更具象、可量化的方式判斷客戶的需求。

下圖解釋了數據、信息和知識的層次關系和重要性，我們做任何決策的知識都是要建立在信息的基礎上的，僅僅憑直覺和意識做的一些決策，如果沒有數據支撐，那么是沒有辦法經過積累沉淀下來形成知識的，有些企業只是收集數據， 卻不知道怎么用、應該用在哪里。

數據如果靜靜地放在那里是沒有任何價值的，有效的數據驅動可以將企業里的數據充分地轉化成信息，并且形成結構化的知識 體系，高效地指導企業各個業務快速發展。

如鄧雄博士所言：人工智能代表了一個大變革，我們不再把用戶看成中心，以圍繞用戶來開展各種工作。而是把用戶變成數據，將一切用戶行為都變成數據，用數據的方式將用戶的表現反映到產品中，這種模式就是數據思維導向的結果。

認知升級

以往我們在傳統產品上做創新有兩種方式。一種是將另一個領域的知識經驗借鑒到另外一個領域，例如嬰兒恒溫箱最早是借鑒了動物園使用的恒溫箱，從而創造出適合新生兒使用的產品；

另一種是引用跨行業的新要素，使得產品看起來依然是原來的產品，但它已經成為一個新的物種，例如朵亞朵亞酒店采用眾籌這個新要素，這種消費轉投資的方式讓他們成為朵亞最忠誠的客戶。

而今，AI技術的升級同樣帶動了產品經理的認知升級。我們在產品解決方案上實現的變革是一種顛覆式的創新，這種變革不僅僅是舊元素之間的重組，而是用AI的方式升級新的生產要素。

例如，運輸行業的本質是解決運輸的時效問題，從馬車到汽車的過渡，本質上是從動力這個維度提升速度，減少運輸所需的時間。

到了今天，動力并非限制運輸時效的最大問題，可以看到在公路上，限制大貨車時速的主要原因是貨車在高速狀態下安全不可控，速度太快來不及剎車，容易發生車禍。并且貨車司機不能長時間開車，容易造成疲勞駕駛，這些都是限制貨運速度的因素之一。

而大貨車自動駕駛的研究，則是從調度與控制這兩個維度，用人工智能的方式減少人為帶來的負面因素。在這個升級的過程中，“人”這個因素突然顯得并不是那么重要了。過去我們認為必須有車必須要有人去操縱，無論再怎么優化，“人”的因素還是關鍵的瓶頸，現在我們用人工智能去學習駕駛，讓機器自己去操縱汽車。

這種認知升級就是產品經理在對待同一個場景時，從不同維度思考帶來的改變，我們不再是從舊的因素去思考如何提升效率，而是以一種新的方式升級舊的因素。

精細化、個性化、智能化、多模態的場景

目前市面上大多數AI產品，絕大多數是機器學習與深度學習在過去幾十年的研究成果逐漸落地到具體的場景中。雖然技術層面相比以前已經有不俗的突破，但算法還有存在很大的局限性，只能夠針對單點優化到極致。

因此，AI技術的特點也決定了AI產品的特點是：精細化、個性化、智能化以及多模態的產品。產品在特定領域、特定場景中足夠智能，并且充滿人性化。

從更細分場景出發

快遞行業因其作業流程標準化，人力成本高，分揀效率低等特點，一直是AI技術落地應用的重要場景之一。實際上快遞行業通常將快遞分為大件貨以及小件貨，并且會根據產品特點分為貴重物品、易碎品以及普通物品。

如果按照傳統的產品設計思路做一個全自動的分揀裝置，我們希望做一個通用型的產品，能夠適應不同的快遞。這就要求我們的分揀裝置有足夠的力量能分出大件貨，同時又有平滑的方式運輸貴重物品或易碎品，甚至于還能應用到別的場景中，例如垃圾的分揀，這種情況是產品經理最喜歡的。但是這對于系統的要求非常高，幾乎不可能完成。

那么在這個場景下我們就不沒法做任何提升嗎？非也，如果我們只針對小件的普通物品，使用AI技術去實現這個分揀裝置，難度則大大降低?？梢娫诩毞謭鼍爸?，AI技術的應用能夠極大地提升物流效率。

如果我們一開始就想做滿足通用需求的產品，可能AI技術并不能給我們提供太大的幫助。只有將大的不確定性不斷細分，才能找到技術與場景相匹配的部分，再通過不斷的演進滿足我們的需要。精細化建設，是AI產品最大的特點。

發散式的交互

以往主流的人機交互方式是，人向計算機發出一個指令，然后計算機返回一個結果，是一個很具體的過程。但是在AI時代，我們可以通過一種發散式、個性化的交互創造出更多充滿想象力的場景。

當我們用搜索引擎尋找電影時，我們的核心訴求是找一部“我想看”的電影，而不是增加很多的維度讓我們去選定一部電影。以往我們只能根據影片類型圈定一個范圍，然后再慢慢瀏覽每部電影的簡介或評價，尋找自己感興趣的電影。

這種方式非常低效，而且很多時候用戶并沒有一個明確的需求，怎么讓用戶更高效地找到合適的電影是產品經理需要解決的核心問題。

通過AI技術，我們可以告訴搜索引擎，我想看帶有“神反轉”的懸疑電影，或者是直接尋找“長安十二時辰中追擊狼衛的片段”。甚至是在沒有明確觀影目標時，讓計算機根據我現在的狀態推薦一部帶有用戶喜好的電影。

這個過程更像是我在和一位很喜歡看電影的朋友交流，你問他一個問題，他在給你反饋的同時給你很多的意見，同時還會思考你下一步想要什么東西，并且主動提供給你。個性化，是AI產品與傳統產品最大的不同。

更聰明的解決方案

電話推銷坐席的違規銷售檢測是各家金融機構都很頭疼的事情，如果坐席在銷售過程中出現違規行為，很容易被客戶投訴。

早期金融機構只能通過抽查的方式聽電話錄音判斷這個坐席有沒有出現違規行為，但是這種方式的效率非常低，而且是一種事后的檢測，客戶投訴可能早已發生。

如今，AI技術早已代替人工完成質檢的工作。使用語音識別，判斷通話內容對應的語義，可以高效得檢測所有坐席的違規情況。甚至在通話過程中，實時判斷坐席的談話內容，將違規行為防范于未然。這是AI產品智能化的體現，也是AI產品的價值所在。

多模態整合，實現多維感知

所謂模態，是德國生理學家赫爾姆霍茨提出一種生物學概念。即生物憑借感知器官與經驗來接受信息的通道，比如人類有視覺模態、聽覺模態等等。

假如我們把“模態”通俗地理解為感官，那么智能音箱就是只具備聽覺模態的物聯網設備，而加載AI分析能力的攝像頭可以視為視覺模態的物聯網設備。把聽覺、視覺甚至更多模態組合到一起，多模態物聯網也就誕生了。

在一些新的智能空調解決方案中，空調會在語音交互的基礎上通過機器視覺來判斷用戶的位置，提供智能送冷，并且會結合傳感器判斷屋內溫度和濕度，提供更精準的環境方案。

把不同信號模態整合在一起，實現設備的多維感知，今天正在以比較快的速度來到應用市場。

懂技術對產品經理的重要性

當前的產品市場中，技術領先但產品認可度較低的情況屢見不鮮，像投影鍵盤雖然很創新，但真正買單的人并不多。很多用戶對新技術的采用并沒有強烈的感知，導致企業在新技術的投入往往與其實現的商業價值不成正比。

因此AI產品經理的職責是找到技術與市場相匹配的地方，將核實的技術應用到核實的場景中，提供一套切實可行的人工智能解決方案，從而為用戶創造更多的價值。我們都知道，技術與市場并非一成不變，兩者都是處于動態演變的過程中，這一點在人工智能領域尤為明顯。

技術的發展推動了新場景的出現。新技術的突破，讓人們看到兩個希望：

1. 原有一些應用場景可以被顛覆式優化
2. 會創造出全新的應用場景，產生全新的市場

以往“想做但是沒辦法做”的場景以及“沒想到可以這樣做”的場景，可能只需要一兩年的時間，就出現了更成熟的技術能夠滿足這個場景的需求。

例如圖像識別是一項廣泛應用在我們生活中的人工智能技術，在2012年以前，基于機器學習的圖像識別技術的精確率并不高，所以在當時，圖像識別只能用于車牌識別、符號識別這類簡單的場景。

在2012年以后，隨著深度學習技術的崛起，圖像識別技術的精確率有巨大的提升，這時候我們嘗試運用圖像識別幫助我們做更多的事情，例如將人臉識別應用在考勤和車站人流檢測的場景上，甚至是在畜牧業采用豬臉識別實現農場的智慧管理。

直到2015年，對抗生成網絡技術將圖像識別的精確率在一夜之間推到一個前所未有的高度，圖像識別技術開始應用在鑒定、安防以及金融等對精度要求很高的領域，例如假鈔驗真、名畫鑒定等專業場景。

由此可見，技術的發展存在階段性，但是每個階段產品經理都能夠為其找到合適的應用場景。

因此，AI產品經理除了需要具備對市場的判斷能力、對需求的分析能力以外，還需要掌握模型和算法的實現原理。這樣才能更好地評估技術的可行性，評估算法在這個場景下能夠達到的最優度，并根據內外部資源評估產品價值與技術實現之間的平衡點，讓人工智能技術在產品中發揮出最大的價值。

AI產品經理應該熟悉常用的人工智能技術邏輯，主流算法的實現原理并關注技術的趨勢與領先型。只有對技術有充分的了解，才能讓產品經理在整個產品周期發揮自身最大的價值。

• 在需求調研階段，產品經理能夠評估哪些技術可以解決當下場景遇到的問題，并帶來什么樣的收益；
• 在開發階段，產品經理關注現有數據與模型之間的匹配度，通過業務經驗幫助工程師快速實現產品目標；
• 在應用階段，產品經理需要評估算法的有效性甚至是可提升的空間，同時根據場景確定指標計算收益。在這個基礎上，我們還可以挖掘新場景，嘗試去做以往“做不到”的事情。

當然，我們說場景經理要懂AI技術，并非說要掌握整個算法的數學推導過程，而是要知道這個算法能做什么，不能做什么，為什么能做，以及天花板在哪里。這樣才能確保產品能夠在算法達不到100分的狀態下充分發揮作用。

以上內容來自筆者在將門創投的主題分享“AI浪潮下的產品經理變革”。

#專欄作家#

阿翹，微信公眾號：阿翹AKIU。平安科技資深產品經理，《產品經理進階：100個案例搞懂人工智能》作者；擅長人工智能技術在金融領域的商業化應用，實踐經驗豐富，對產品設計方法論有深入洞察。

本文原創發布于人人都是產品經理，未經許可，不得轉載。

題圖來自 Unsplash，基于 CC0 協議