起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識愛因互動創始人王守崑：AI 時代產品經理的機遇和挑戰
11月中旬，由人人都是產品經理與騰訊大講堂聯合主辦的2017中國產品經理大會在北京北苑大酒店完美落幕。作為壓軸出場的愛因互動創始人&CEO王守崑老師，給我們分享了《AI 時代產品經理的機遇和挑戰》，從AI產品經理的日常和挑戰說起，分享了對話式AI的商業價值和挑戰，并祝愿大家：愿各位 PM 閱盡繁華，歸來仍是少年。
分享嘉賓：愛因互動創始人&CEO 王守崑
以下內容為嘉賓分享實錄，由人人都是產品經理社區@Ella 匯總整理，部分內容有修改，嘉賓已確認：
20世紀美國經濟學家Gavin Wright提出過一個“通用技術”的概念，他認為在歷史上，尤其是工業革命的歷史上，有很多技術一旦誕生之后，會對人類社會的進程產生巨大的改變。比如說火車、汽車，再往前的蒸汽機、內燃機，以及電力技術、信息技術和互聯網等等。
AI的未來：通用技術
那么，AI是通用技術嗎？
我們先看一下通用技術有什么樣的特點：
- 通用技術會對人類社會產生重大的影響，它能以十倍、上百倍、甚至若干個數量級這樣的程度去提升生產效率。
- 通用技術可以被應用到各行各業，或者會對各個行業產生巨大的影響。為什么交通類的技術會被認為是通用技術？比如汽車的產生，未來的無人駕駛，都是因為它們可以被各個行業廣泛應用。
- 通用技術一般都需要巨大的投入，需要巨大的基礎設施去支撐。
- 通用技術需要各種各樣的人才。不單是技術人才，而是各種行業、各種領域的人才。
- 通用技術需要一個漫長的成熟期。
AI目前在實驗室表現非常好，但是實際生活中未必是這樣。在實際應用中，計算機視覺領域是最成熟的領域之一；除此之外，自然語言處理、多模態學習、通用推理、機器人這些在實驗室表現非常好的領域，在實際的商業應用中也表現平平。
我有個朋友一直在說：目前我們見到的這些人工智能，如果嚴格從我們人類的角度來看，其實不應該叫人工智能，而是“人工智障”。
但是，我們還是認為AI是最有可能成為未來的通用技術。
為什么？
我們在有若干年的積累之后，這些歷史上積累的數據，這些顆粒和方法能夠成十倍、百倍放大，對各個行業產生更大的影響。
每一種通用技術興起的時候，它會帶來什么？
新的產品，新的服務，新的商業模式，新的組織，新的工作方式以及新的就業機會——這些，都將是新的通用技術帶來的變革。
很多人一直在疑惑，說AI會不會讓更多人失業，或者取代很多人的工作。其實我的看法是：這純粹是杞人憂天，AI一定會創造更多的就業機會，創造更多的價值。
人類經歷農業社會幾千年，但是從未吃飽過，是工業社會解決了溫飽的問題——這是一個很諷刺的事情。AI也一樣：看起來它會取代我們的工作，但我覺得它一定會給我們創造一個特別豐富、特別富足的社會，每個人都會跟AI有關，當前固有的產品、組織、模式都會被更新迭代，這些里面，蘊藏著海量的就業機會。
但是，這并不意味著我們不做改變就能適應社會——要么我們被社會推動著改變，要么我們主動改變。而主動改變的人，才有可能成為這個時代的先行者。
這是第一個觀點：AI可能是我們人類社會在工業革命之后面臨的最大的變革機會，而現在，就是投身變革的最佳時機。
為什么這樣說？
投資領域有一句話：最好的投資時機，永遠是十年前和現在。
十年前你買了房，現在你的生活肯定不一樣。但是現在買，也不是不可以。
產品經理每天面臨的第一件事就是需求的不確定性。AI現在面臨的最大的問題，在于各種各樣的不確定性。
比如：我們是做對話機器人的，產品經理的工作之一是寫測試用例。什么是正常狀態，什么情況下會發生異常，會有各種各樣的邊界條件。但是產品做起來很難——因為對話是完全開放性的，你無法窮舉，不確定怎樣做這件事情才叫做正確。
我們經常看到兩種極端：要么認為AI無所不能，現在已經可以做各種各樣的事情，有一個非常高的預期。要么就是非常擔心AI出格。比如對話機器人，我們非常擔心它不在我們的掌控之下，最后變成了一個用對話做的決策（用決策樹），但是這樣就和對話沒什么關系了。
這兩種情況我們都非常容易碰見，要么期待過高，要么期待過低。而現在的實際情況是：肯定達不到過高的期待，但是肯定比最低的期待要好。
產品經理的任務之一就是：降低期待過高用戶的預期，提高期待過低用戶的預期，讓大家有一個一致性的共同認知，在這樣的前提下去工作。
第二個是缺乏數據。很多人說我們過去幾十年積累了非常多的數據，現在的數據都很豐富——的確，這是現狀。我們有很多未經整理的數據，但是我們沒有經過整理的、適合現在的技術現在的AI水平使用的數據。
比如說市場的接受程度：市場對不同產品的接收程度，剛才說的過高預期與過低預期這種隱含數據，大家的認知不一致，市場的反饋、用戶的反饋這些評價數據——這些都是沒有的。
還有就是多模態的數據：聲音、視覺、語言組合成我們對外界的認知。
現在的AI基本上都是以單一結構來解決單一的問題。做CV（計算機視覺）的，解決視覺的問題；做語音的SAT就解決聲音的問題；做自然語言處理的，解決文本的問題——但是人類溝通的時候，肯定不是以單一渠道來溝通的，我們都是以多模態的混合方式去溝通的。
但很遺憾，我們現在手機的數據集里面，多模態的數據非常匱乏，而且這種數據的標定非常困難，這就大大限制了我們當前的AI產品能夠達到的水平，這是第二個挑戰。
現在整個AI產品的開發，還沒有形成一個有效的、公認的產品迭代方式。不管是瀑布式，還是敏捷開發，這些用在AI產品上，都會讓人感覺別扭。
所以，各個公司，各個行業，各個項目都會有一定的差異——這也是我覺得很有意思的一件事：我們過去在互聯網和移動互聯網的產品開發上積累了非常多的經驗，如何把這些經驗有效地遷移到AI產品開發，這是一個很有意思的課題。在這個課題上，產品經理一定會發生一個非常重要的作用。
作為產品經理，如何應對這些挑戰？
我個人的分析就兩點：人，和事。
- 人：溝通協調能力、領導力和同理心，決定了一個產品經理的上限，決定了你能走多遠。
- 事：對細節的掌控力，思考的深度和大局觀、決斷力，決定了一個產品經理的下限：如果你達不到這個要求，就不是一個合格的產品經理。
理論上來說，一個人不可能擁有所有的、完整的能力。更重要的是，你抓住重點之后形成一套自己的方法論，你知道自己在哪些方面更擅長，如何運用這些能力、這些知識來解決你當前面臨的各種各樣的問題——這是產品經理的一個思考范式，或者說是工作范式?；旧暇褪牵河^察、思考、表達、實踐 這樣的一個循環。
和工程師相比，有一個重要的區別：工程師沒有表達那一項，因為不是必須。
對工程師來說，會表達會更好，但是沒有也不影響他成為一名合格的工程師。但是對產品經理來說，沒有表達，就不是一名合格的產品經理。
為什么我會特別強調“表達”？
因為它是一個中間環節——產品經理是一個中間環節，他需要做各種溝通、各種協調的事情。而所謂的“表達”，并不是單純的“說”，并不是你能表述，能勸別人，能有說服力；而是包括問答設計、產品理念具象化能力——這些都是“表達”的一部分。
產品經理的表達還有一個作用：向上管理。如何說服你的BOSS，說服你的上級來支持你的觀點，這些也需要通過表達的方式來實現——這也是強調產品經理在“表達”上需要下功夫的一個原因。
AI的現在：大航海時代
15世紀到17世紀時期，歐洲的船隊出現在世界各處的海洋上，尋找著新的貿易路線和貿易伙伴，以發展歐洲新生的資本主義。
麥哲倫完成首次環球航行時，他的設備和人員都是極其簡陋的；最重要的是：這件事情從來沒有人去做過，沒有人知道做這件事的時候你面臨的是什么。對AI來說，現在也是這樣：前途完全是未知的，大家都是第一次在做這樣的事情。
第一個挑戰：不確定性
現在投身這個大航海時代，未來的不確定性是產品經理面臨的第一個挑戰：
對于需求的快速變化，你要做一個緩沖區，你要做到八分的成績；對于落地的場景，你需要做一個獵手，要有敏銳的感覺去捕捉那些可以快速落地的事情。對于各種各樣的可能性，你要做一個Filter，要把合理的東西剝離出來。
我一直在強調一個事情：在團隊中面臨不確定性的時候，產品經理應該是最樂觀的，我希望產品經理更是一名理性樂觀的創業者。作為一名創業者，如果不樂觀，每天的工作就沒法做。
第二個挑戰：技術黑盒
產品經理一般都不含有技術背景（當然有些有技術背景的同學做產品經理做得非常好），那你一定會面臨技術黑盒：你知道這件事情的需求是怎樣的，但是你并不知道這件事情是怎么做出來的。
怎么辦呢？
不要試圖打開技術黑盒——你可以從外部去定義它，但是不能打開它。
我個人不建議你打開技術黑盒，因為打開的過程是要給事倍功半的事。你可以了解一些技術的行話，這些可以幫你拉近與研發的距離。而你只需要在黑盒外面做這些事情即可——知道它到底是一個怎樣的表現。
如何從外部定義技術黑盒？
首先，從效果去定義：它能給你帶來什么？它的輸入、輸出是什么？從需求的方向去把握它。
其次，從適用的環境去定義。AI產品很特殊的一點，它的基礎設施并不完善，很多AI的項目可能要求私有化部署，需要用到巨大的計算資源或者非常大的帶寬；那你要熟悉各種數字跟邏輯的結合——它并不牽扯到什么高深的東西。
你還能從環境去定義它：它現在是什么環境，有什么樣的效果？你能給多少計算資源，產品做出什么樣的事情。你要能從資源消耗去定義它，不光是硬件的資源小號，還有軟件、人力的資源消耗：為了達成一個任務，需要多少人、什么樣的人、團隊要怎樣的，要有科學家嗎？要有研發工程師嗎？還是要有人專門去負責算法？你要對不同產品、不同項目需要什么樣的資源非常清楚。
第三個挑戰：團隊
產品經理會對接各種各樣的團隊，和各種不同的人打交道，這也是大家共總的日常，也是產品經理的挑戰和成就感所在。
對創業公司來說，產品經理事醉了解事情的人，他幾乎無所不知：細節事怎樣的，這個東西會帶來怎樣的影響，造成什么樣的效果，那個坑具體在那里等等。
AI與產品經理
在當前的技術水平和市場環境下，哪些事適合AI去做的呢？
參考“一秒法則”：人類在一秒內能完成的事情，以目前的技術水平來看，基本上都是可以被AI替代的，或者是某種程度上被AI替代。
這些事情有什么樣的特性呢？
- 大規模、重復性：每天都會發生的事，比如人臉識別。
- 限定領域：它是單一領域的事情，一旦是多領域的，你不太可能在一秒之內完成。
- 快速反饋：這個對當前的AI算法來說，幾乎是最重要的一件事情。比如自動駕駛，我們在開車的時候反應必須非常快，大概幾十毫秒幾百毫秒這種量級，如果到一秒，就會出危險。很大程度上，你能多快獲得反饋，決定了算法能做到多好；而算法有多好，就越能快速得到反饋——正向循環，越簡單，算法效果越好。
我在念書的時候有一個機器人的經典例子：你用機械手臂去拿一個杯子的時候，理論上你有兩種算法、兩種模型去做這種事情：
第一種算法是從物理定律出發。先看你和杯子有多遠，然后建立一個特別復雜的物理方程，一次性把杯子拿起來。
第二種算法是用一種類似梯度下降的方式，不停地去看胳膊，在機械臂朝一個大致的方向運動，同時視覺部分不停反饋機械臂和杯子之間的距離、方位、角度、速度等，通過快速迭代的方式，最后在有確定性的時候，把杯子拿起來。
第二種算法非常簡單，它不需要簡歷那么復雜的物理學定律，但是實驗效果會更好——因為它利用了快速和大量的反饋。
對各位產品經理來說，你希望在AI時代做一名AI產品經理，核心還是回歸本質，回到原點；從產品經理的技能樹出發，從你的職責出發，面對需求的不確定性，面對新的團隊、新的工作方式，做團隊中最理性樂觀的一個人。
案例：對話機器人
我們來看一個具體的案例：作為一名對話機器人的產品經理，你是如何去思考這些問題，或者說大致的流程是怎樣的。
相比前幾年，APP的紅利已經消失，下載的量級也下降了很多，但是消息平臺卻有爆發性的增長。國外是Facebook，國內是微信這樣的，這些都是對話機器人興起的原因。
我個人使用手機的時間大概占 了88%，有大量的用戶也是這樣（有調研數據支持），大量的用戶習慣于以消息的方式來進行工作溝通，這也是一個市場傾向，或者說是一個現實的情況——這也正是巨頭在對話系統，包括語音識別領域做出巨大投入的原因之一。
作為產品經理，你看到這樣一個現象；你非常興奮，立刻投身其中；但實際上，你會發現面臨巨大的挑戰：
大家都用過Siri，智能音箱或者其他類似的應用，分享一些有意思的調研數據：使用前三位的功能是鬧鐘，查天氣和聽新聞。聽新聞的頻次不超過10%，查天氣大概是接近70%——嗯，看起來智能音箱這些在我們的生活場景中起到了作用，但是非常有限。
而從產品表現來看，Siri之類的前言不搭后語，缺乏常識，缺乏自學能力，這些的根本問題，在于技術的限制——我們當前的技術水平，沒有辦法讓機器真正理解人類的語言。
在當前的市場環境和技術水平之下，我們應該用什么樣的產品來應對我們當前市場的發展趨勢——這是我們產品經理面臨的一個巨大挑戰，這也是產品經理思考的一個過程：市面上這么多做對話的，到底是在做什么？為對話而對話？對話是一種高效的溝通方式嗎？對話到底能給用戶提供怎樣的價值？
- 從效率來講，CUI對話更適合做信息的深度展示，GUI更合適做信息廣度的展示。如果有幾百個選擇，更適合用圖形界面，如果只有幾個選擇，每個選擇都需要做很深入的溝通（幾步幾十步這樣的溝通），那圖形界面就未必是好的選擇，用戶會在過程中迷失。
- 從用戶感受來講，圖形界面更強調空間感：打開一個界面后我們知道哪里是重要的內容，哪里有廣告，哪里有次要的內容。但是對話更強調時間感：隨著時間流逝，有因果關系的產生；隨著時間的流逝，他有更深入的交流。
- 從用戶預期來講，CUI更強調個性化參與和自我學習，而人們對GUI的預期，其實是一個差不多或者不完全一致但基本類似的一個預期。
從這三點來看，對話未必適合所有的場景，但某些場景下，對話是更合適的。所以需要深度溝通，更強調時間上的因果關系，更強調個性化參與這些具體的場景。
那么，我們到底應該做一個什么樣的事情？
結論是：作為創業公司，應該去做高用戶價值、高稀缺性的事情。高用戶價值、高技術成熟度的一定是充分競爭的，大家都一窩蜂擠進去；而如果是稀缺性技術、成熟度都很高，那就是夕陽產業，再往下坡路走了——因為用戶價值越來越低。而如果三個都很高，那是壟斷企業做的事情。
AI商用的原則是什么呢？
在當前的技術水平和市場接受程度來說，一共是通過對話能夠高效解決問題的場景。你要找到這個場景，選擇合適的技術（并不追求技術領先或絕對的技術成熟），去成為細分領域的關鍵業務環節，讓別人離不開你。
這些場景有清晰的知識結構和邊界，在對話這件事情上，它一定不是開放的（因為開放域的問題限制還沒有非常好的解決方案），對非標準的服務信息不對稱，需要深度溝通，然后你通過數據的積累去提升服務質量，并建立知識和技術壁壘。
也就是說，以對話為界面，綜合其他各項技術（管他是AI也好，或者其他的），為用戶提供價值。對話本身不是目的，他的內容、領域、知識才是你真正提供給用戶的知識。
通過這樣的分析，我們回去看幾個有意思的場景：
智能投顧保險理財，它的銷售轉化就是用對話的方式帶動。
以對話時的發現解釋和推薦。它有可能是產品，也有可能是信息，甚至是其他東西。
最后一點分享：
作為產品經理，你要在這些case上把你的規劃落地，要考慮各種各樣的問題：和商業相關的問題，跟具體場景相關的問題，渠道的問題，定價的問題，技術的問題；你的語料從什么地方來？你的軟硬件環境是怎樣的，具體的技術架構是如何等等。
以上為本次大會分享內容。
嘉賓PPT：關注 人人都是產品經理微信（ID：woshipm）公眾號，在后臺回復關鍵詞“大會”即可獲取下載地址。
相關閱讀：
本文為2017中國產品經理大會北京站嘉賓分享整理總結，未經許可，禁止轉載。謝謝合作
個人感覺AI將作用于機械領域，代替人力勞動，互聯網AI可能是泡沫
AI現在很火，未來會發展成什么樣，還很難說