人工智能时代，产品依然是围绕用户需求定义的，这个本质是不变的。
如果你在互联网上搜索不同公司对产品经理的岗位描述，你会发现无论在任何行业、任何级别的产品经理岗位中都会出现“需求”这个关键词。
需求管理、需求定义、需求确认、需求跟踪等与需求相关的职责都是公司对产品经理最基本的要求。原因是产品经理是对公司产品的负责人，而产品是为用户解决某种特定需求的，因此即使我们来到了人工智能时代，产品依然是围绕用户需求定义的，这个本质是不变的。
互联网时代，电商平台的诞生是为了满足顾客能够快速、精准的购买到合适的产品，即构建了人与商品之间的关系升级。移动社交平台或产品是为了降低人与人的沟通成本，即构建了人与人之间的关系升级。医院的HIS（医院信息系统）的诞生是为医院管理和医疗活动中进行信息管理和联机操作的产品，即构建了医生、患者、设备的关系升级。
那么在人工智能时代的产品本质上是全面优化和提升上述所有场景中现有技术手段，实现用户的体验升级和解决方案的效率升级。互联网时代的产品经理构建的是基础设施，从人与人、人与物、人与数据的关系的角度构建了桥梁，实质上是优化了信息存储和互通的方式，因此产品经理关注的主要是入口以及流量的走向。
而人工智能实际上给人类带来的是技术创新驱动下的产业升级，本质上更关注产品本身的价值，如图1所示。
图1 从互联网时代到人工智能时代
重新定义需求分析
人工智能技术的飞跃发展为产品设计和需求定义带来了新的思路和逻辑。新的趋势和变化可以被总结为以下六方面：
1.产品逻辑化繁为简，用户学习成本降低
人工智能产品的目标之一就是降低用户的使用门槛，尽量减少用户的交互流程和难度，让产品的使用过程接近用户的自然行为。
例如：语音交互产品，与传统的鼠标、键盘、手机触屏等交互方式不同，用户通过说话即可完成唤醒、查询、关闭和一系列复杂的人机语音交互操作；人脸识别身份验证，过去登录产品需要输入账号、密码、验证码，现在可以通过在镜头前露个脸实现快速登录。
由于新技术的诞生，产品经理不能用“线性思维”设计产品，需要了解更多的技术可能性，尝试用“颠覆式思维”设计产品。
2. 从用户角度考虑投入产出比
人工智能产品的由于具有更复杂的系统架构和实现逻辑，实现某一功能往往伴随着高昂的代价，而与此匹配的功能价值却在很多情况下不成正比。因此对于产品经理来说，选择更容易展现其商业价值的需求作为产品的切入点很重要。尤其当产品或功能还没有被用户认可或当产品属于一个新的市场中，最终的实现效果和价值都很难预估，产品经理应选择用户最“痛”的点或者直接和利益挂钩的点作为需求切入点。
这道理也阐释了在制造业中人工智能产品的落地实践相对较快的原因，研发的人工智能产品投入尽管很高，但产生的直接回报对于用户来说仍然非常划算，如图2所示。另外，广告精准投放、电商平台中的搜索推荐都是效果比较直观，价值量化相对容易的场景，产品经理应在所处行业中找到这些场景。
图2 人工智能在工业场景中的实践应用
3. 算法可解释性差，产品需要逐渐获取用户的信任
使用到复杂算法模型的人工智能产品对于用户来说大多属于“黑盒产品”，工程师或产品经理均无法很好的解释实现的原理。在很多领域中对于用户来说如果不能证明算法的有效和准确性就不会接受付费使用产品，甚至会对品牌产生强烈的抵触情绪。
例如在某些基于数据挖掘的商品推荐引擎产品中推荐给用户的商品广告如果不能让用户有被尊重的感觉、或有一种被侵犯了隐私的感觉会遭到投诉或弃用。
人工智能产品首先需要通过某个具体场景中的预测和推断能力证明技术实力，进而树立领域专业形象，步步为营的争取用户的信任。尤其当公司和品牌都处于刚起步的阶段，更忌讳大步向前，这样反而容易遭到用户的抛弃。
4. 传感器技术的飞速进步，带来了多元化交互行为
人工智能与传感器的融合，产生了良性循环，传感器采集的数据用来进行对算法模型的训练，算法模型的完善也提升了传感器数据采集的效率。
例如在无人驾驶产品中，关键系统和解决方案分别是传感器、高精度地图、高级辅助驾驶系统（Advanced Driver Assistant System, ADAS）和车联网。传感器作为无人驾驶汽车的感应系统，用来接收和感知行驶时环境的动态变化（如图3所示）；高精度地图为无人驾驶汽车提供全局视野；ADAS负责对静态、动态物体进行辨识、侦测与追踪从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性；车联网能够保证传感器数据更新上传，保证无人驾驶汽车的状况与周围环境实时处于更新的最新状态。
正是因为传感器的技术发展和成本的降低，使得ADAS的部署成本大幅降低。过去ADAS只能安装在高端汽车上，目前已经被普遍使用在入门级乘用车上。传感器不仅在机器人、无人驾驶领域有广泛成功的应用案例，而且日新月异的传感器也可以为产品设计和定义提供了更大的想象空间。产品经理应学会合理利用多种传感设备创造更多交互方式来满足用户的需求。
图3 无人驾驶产品
5. 产品的需求并不一定来源于确定的因果关系
在过去，产品经理根据用户明确的需求设计产品，产品研发出来的结果会和原型设计保持一致。但是人工智能的产品需要完全不同的思维模式，产品经理不再花大量的时间和资源来寻找确定的因果关系，而是通过大量的数据挖掘手段探索出相关性，并用数据指导产品设计。产品经理的输出的需求未必是确定的页面内容，而是一堆规则和策略。
例如，Google Adwords，关键词竞价广告，是一种通过使用Google的关键字广告或者内容联盟网络来推广网站的付费网络推广方式，如图4所示。设计这个产品的产品经理一定不会告诉算法工程师给什么样的用户推送什么样的广告信息，因为产品是“千人千面”的。
产品经理只需要给广告主提供后台的推广喜好配置功能以及推广效果管理功能即可，至于最终用户打开的页面是怎么显示的是由算法模型计算后得出的结果，即搜索结果页面都是基于商家偏好配置和用户精准匹配算法实现的个性化页面。
图4 Google Adwords，关键词竞价广告
产品经理在开始需求定义前充分了解目前技术水平和资源的局限性，避免定义一些研发很难实现的需求。由于一个完整的人工智能产品体系的搭建通常需要考虑基础设施、数据采集、数据处理、推理和决策等若干环节，产品最终的实现效果取决于上面所有因素的协同。
例如，设计一个提供多场景复杂交互的机器人产品时，由于对交互实时性要求较高，系统应具备足够的硬件支撑，包括计算能力（GPU、CPU、FPGA、ASIC等）、储存能力以及各种智能模组（如视觉模组、语音模组）等，因此需要产品经理在提出需求的同时综合考虑配套硬件要求。
另外，在不同场景中对算法模型的准确率、召回率的要求大相径庭，需要在需求设计时区别规定不同场景对算法的衡量标准。
相关阅读
人工智能PM系列文章（二）PM要学会使用数据
人工智能PM系列文章（三）AI工程化的系统思维框架
