AI2.0 時代“TPF”模式為什么會提升PM的核心競爭力?
前兩天跟朋友討論了“在極客公園創新大會中,王小川認為在AI 2.0 時代,PM應該具備 TPF 能力”這一話題。TPF:Technology - Product - Fit,即:技術產品契合度。
本文小編將對以下三個話題進行較為詳細的觀點闡述,同時也歡迎更多有思考的業內朋友給小編提出寶貴建議。
- 在AI 2.0 時代,為什么大模型廠重提 TPF ?
- 在AI 2.0 時代,大模型廠的TPF模式是怎樣進行的?
- 在AI 2.0 時代,AI應用廠的PM應該具備“TPF”能力嗎?
一、在AI 2.0 時代,為什么大模型廠會提 TPF ?
小編作為一個產品人在遇到新鮮事物時,通常會在歷史中尋找它的影子。AI 2.0的開啟是由于OpenAI發布的chatGPT3.5 對中國的互聯網生態產生了巨大沖擊而導致的。而最近一次類似的場景是產業互聯網爆發(2019年)。在當時,王淮(線性資本)也提出了一個相似的概念:Technology-Problem Fit(技術與行業現存問題相契合度)
1. 創業就是從一開始的Technology – Problem – Fit轉換為最后能夠變革到有效Product – Market – Fit的過程。
2. 當創業公司提供的不再是一款消費品或是 App,而是依托于新興技術的一項解決方案或企業服務。這個時候,Technology – Problem – Fit 可能會比 Product – Market – Fit 更適合當作突破口,來指導技術創業項目的冷啟動。
3.這樣的產業變化對人才提出了什么要求?第一個是懂技術,原來搞技術或者做有技術 Sense的產品經理,都要是非常好的人才,這是一個必要條件;
我們可以發現這兩個場景有非常多的相似之處:
- 都是依托于新興技術,提供一項解決方案或企業服務;
- 都認為項目創業初期,應從技術角度出發,而非市場角度出發;
- 都認為產品經理需要懂技術,或具備技術Sense。
從王淮和王小川的分享中,小編得到的結論是:
以技術驅動增長的團隊在創業初期,團隊需結合自身的技術特點能力和市場需求,不斷打磨平衡兩者之間的契合點,從而解決用戶痛點,形成市場規模。
那為何兩位行業KOL大佬,都是站在以技術為核心的角度,但卻提出兩個不同的觀點呢?
因在 “產業互聯網” 爆發時:
- 5G等技術是相對成熟的,技術能力領先于市場痛點。
- 大多數產品人對5G、大數據、云計算等非全新技術的能力優勢和缺陷都有足夠的認知能力;
而在 “AI 2.0 時代” 爆發時:
- 大模型技術不夠成熟的,大模型技術能力落后于市場痛點。
- 大多數產品人對大模型的能力優勢和缺陷都沒有足夠的認知能力;
如果讓小編用大白話說差異:
- Technology – Problem – Fit:典型的錘子找釘子;我(技術)是高富帥,你(PM)按我的標準幫我找個白富美吧~~
- Technology – Product – Fit:我(技術)就是只青蛙,你(PM)就說怎么穿搭,能讓我吃到天鵝肉吧~
通過這樣的復盤,就不難理解在AI 2.0時代,作為國內模型廠賽道KOL的王小川為什么會對AI產品人提出在“PMF”之前要具備“Technology – Product – Fit”能力要求,而非“Technology – Problem – Fit”能力要求。
二、在AI 2.0 時代,大模型廠的 TPF 模式是怎樣進行的?
王小川:TPF 首先對產品經理有要求。
第一,一定能把需求轉化成測試集,測試集能讓技術工程師在滿足需求時發現「手感」在進步。以及把 Demo 往外推出的時候,用戶提的需求分布正好和產品經理提的評測集分布一致,評測集里的結果能滿足用戶需求。
第二,推產品的時候會提到 PMF,看市面上的 Marketing Fit(市場契合度)分布是否一致,用戶是否滿意。
首先小編先基于王小川的描述,對在大模型廠工作的產品經理的“TPF”環節進行流程梳理。
在上述的流程圖中,涉及到模型訓練的術語,這里小編就請Kimi Chat進行名詞解釋:
在王小川的分享中,多次提到了“評測集”這個名詞。評測集(即:測試集)對于傳統產品經理的需求設計流程中其實就是“需求實現的效果評估標準”的含義。
那王小川為什么如此在意產品經理對“評測集”定義的能力呢?因為王小川是站在如何設計一款用得爽的AI-Native角度來思考這個事情,而非如何設計一款用得好的Native+AI的角度。
這里你可能又有疑問什么是用得爽的 AI-Native?什么是用得好的Native+AI ?
小編舉個例子:
- AI-Native:ChatGPT、Claude、Midjourney;
- Native+AI:Adobe-Firefly、通義聽悟;
在小編理解,AI-Native 解決的是一個多維度的領域需求,而Native+AI解決更多是一個單維度的場景需求。
可能這樣的描述比較抽象,那小編用一個類比的方式:AI-Native 是在構建一個小說的世界觀,而Native+AI是構建小說中的某個章節或場景;
當作為產品經理的我們,面對一個單維度的場景需求時,定義痛點解決的效果評估標準相對較為輕松。而當面對一個多維度的領域需求,定義痛點解決的效果評估標準就變現不那么輕松了。
由于目前的大模型的不完美性,在生成過程中缺乏可解釋性;在結果輸出方面的諸多缺陷(如:幻覺、災難性遺忘、局部最優解困局等)。
評測集的合理性定義是作為產品經理,在當下為數不多可以控制大模型輸出效果的解決方案。
王小川提到在需求推向市場進行驗證時,期望產品經理定義的評測集可以覆蓋用戶的需求場景。同時也印證了小編的觀點。
到這里,不知道小編是否表達清楚:為什么大模型廠會重視“TPF”,以及在大模型廠的產品同學如何運用“TPF”完成需求設計呢?
三、在AI 2.0 時代,AI應用廠的 PM 應該具備TPF能力嗎?
1. 有大模型自研能力的互聯網大廠
前兩天跟@Super黃討論這個話題時,Super黃引用了李彥宏分享的一段內容:
張鵬:這個也引發一個話題,你看過去移動互聯網的時候,我們要做一個開發,大概知道是個什么流程——要有產品經理畫出原型,前端、后端實現。在 AI 時代,基于大模型做 AI-Native 的開發,我們到底開發的是什么?
李彥宏:我覺得從應用的角度來講,倒沒有什么特別的,就是你要解決什么問題、給別人帶來什么樣的價值,這個跟過去時代的開發相比是一樣的。
但是使用的方法確實不一樣,對產品經理的要求,對于研發人員的要求,對于一個公司的組織能力,可能都是跟以前不太一樣的。
今兒小編在寫這篇分享前,仔細閱讀了李彥宏的全部發言后,對這個@Super黃的論點有一些不太一樣的思考。
首先我們先看一下上文中的后半段內容:
但是使用的方法確實不一樣,對產品經理的要求,對于研發人員的要求,對于一個公司的組織能力,可能都是跟以前不太一樣的。今天在百度的話,PM(產品經理)和 R&D(研究與開發)的比例是發生變化的。過去我們一個PM要對很多 R&D,今天可能是 1:1 了。或者說很多做法在前期進行測試的時候不太需要 R&D 介入,PM 自己攢一個東西就可以做到,這是跟以前比較不一樣的地方。
李彥宏雖然沒有提到“TPF”這個概念,但字里行間內又表示,在很多idea(需求)的前期測試階段:不太需要 R&D 介入,PM自己“攢”一個東西就可以做到。
作為產品人,咱們都知道在MVP階段,PM自身具備開發能力,且能夠獨立完成需求測試的人是少數的。所以小編理解,這個“攢”就是PM自己完成的了“TPF”階段。
李彥宏的另一句話 “過去我們一個PM要對很多 R&D,今天可能是 1:1 了。”在小編看來也有可能在一定程度上印證了小編的猜想。
2. 有大模型微調能力的垂類頭部公司
在小編的上一篇《如何跨界成為AI 2.0 PM?》中提到AI 2.0領域可以分為以下四類公司:
大模型廠和有模型自研能力的互聯網大廠,小編都已經聊過了。接下來還有一類公司(有大模型微調能力的垂類頭部公司)也涉及到模型訓練工作。
那在這類公司里,“TPF”模式對產品經理有幫助嗎?
答案是有的!
從業務層面考慮,在上文中小編已經闡述了“TPF”模式的作用及價值。雖然垂類頭部公司大多發力于Native+AI方向,評測集定義的難度遠小于另外大模型廠。但不可否認的是,好的評測集定義對需求的最終輸出效果的將產生了質的提升。
從個人層面考慮,“TPF”模式似乎已經成為 AI2.0 產品經理(與模型訓練有交集的)工作中必不可少的一個環節??赡芡瑯I的你已經在或多或少的進行這一個環節的流程,但自己還沒有感知。
在AI 2.0 時代,“TPF”中的測試集定義能力,可能會逐步演變為:產品力的一個基礎能力要求,并且是一個極具競爭力的能力項。
3. 為什么說“TPF”中的測試集定義能力會是AI產品經理的核心競爭力呢?
“TPF”能力對于AI-Native場景的重要性就不再贅述了;
在Native+AI場景中,產品人“通過TPF不斷優化評測集解決了一個場景需求”的經驗,就可以歸納總結為這個場景的AI產品能力的一個技能點(知識),當你解決的場景需求數量達到一個量級后,就變成了你的一項方法論(智慧,亦或者 神性)。
基于TPF的分享就到這里了,期待各位AI 2.0 的產品同行者提出自己看法。
參考文章
- 對話王小川:大模型創業核心,是想好技術如何匹配產品
- 李彥宏:卷 AI 原生應用才有價值,別卷大模型了!
- 線性觀點|當我們說“灰科技”時,說的是用前沿科技解決產業升級中最痛的問題
- 楊植麟、王小川、李彥宏激辯:TPF vs PMF
專欄作家
楊三季,微信公眾號:楊三季,人人都是產品經理專欄作家。7年互聯網經驗的高級產品官,深耕內容電商,互聯網保險領域,擅長產品增長、數據分析、中臺架構等內容。
本文原創發布于人人都是產品經理。未經作者許可,禁止轉載。
題圖來自Unsplash,基于CC0協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!