AI无疑是2017最火热的风口之一，越来越多的产品经理开始了解与AI有关的一切。如何转型AI产品？AI产品如何做？这篇文章，我们来了解一下，AI产品在哪些领域能具体应用。
最近身边有很多产品的朋友开始研究AI人工智能了，买了一本又一本高深莫测的书，如深度学习和机器学习等，我也顺手借阅了几本，发现确实是不太适合适合我这种学渣来看，里面涉及到大量的算法原理，数学公式等，虽然看得似懂非懂，但是依然被里面的一些核心思维所震撼到。
就目前来看，人工智能领域是一个非常复杂的领域。若想做成一款好的人工智能产品，除了基础的技术设备、硬件设施以外，更核心的我认为是人才——对于技术层面需要非常优秀的数据科学家，数据建模专家，算法分析师等。但是在AI商业化的领域，则是需要对综合素质十分强的产品经理。
AI-时代产品经理
对于产品经理而言，我们可能永远无法在垂直领域达到算法科学家那样的高度，但是我们可以在横向的应用领域找到自己的位置，那么以下三点是十分重要的：
懂行业中的所有痛点，能将问题描述清楚，同时不被传统思维束缚，提出新型的AI解决方案
理解算法，洞察技术发展的趋势，能找到最适合当前行业应用的AI技术
能将解决方案和AI技术结合进行产品化，能将AI产品商业化
对于非常资深的行业专家来说，他们在思考问题上往往会给自己设限，比如公司老板说我们要做一个大型的购物中心，那么专家的工作流程可能就是，首先给这个购物中心定位，它是一个高端的购物中心，还是一个低端的，然后再针对这个定位去选择进驻的品牌，接下来再是后续的内容，但是AI就的思维模式就不同了，可能我就不会直接去帮助你定位购物中心是否高端，而是回归商业的本质，使用算法让这个商业中心賺很多钱，讲求生产效率、投资回报，而非品牌是否高端。但是这个AI当然不可能凭空产生，而是出自于某位产品经理之手。
对于算法科学家来说呢，由于只能针对某一类具体问题，才能应用到自己的数学模型，然后不断的迭代去优化他的算法参数，在技术或者产品商业化的领域是有先天劣势的，所以也需要产品经理帮助其拆解行业问题，分解好各个模块，依次交给他们进行处理。
总之AI-产品经理要在自身的行业领域中扮演好“画龙点睛”的角色，而这个【睛】就在于商业化应用，将技术和商业二者进行有机结合，如若是你还有艺术细胞，那就厉害了，三位一体之后就直接向“乔老爷”挥手了。
AI产品商业化
接下来我们就来看看，目前的行业中有哪些AI智能已经开始进行具体应用了，大家可以从中找找感觉和启发。
1、交通运输业
核心生产效率问题：如何能更快，更省油，人工成本更低，交通事故更少
AI解决方案：无人机、智能导航减少时间成本和燃油成本，无人驾驶降低人工成本和事故成本
应用案例：滴滴派车的算法，Google无人驾驶系统，DJI无人机，Amazon自伺服仓储
2、传统制造业
核心生产效率问题：如何能生产周期更短，人工成本更低，良品率更高
AI解决方案：可以24小时不停歇的精密作业工业机器人
应用案例：生产特斯拉的KUKA机械手臂，用于维修高空电缆为QKM机械手臂
3、高端制造业
核心生产效率问题：如何能更高效的设计出更优秀的产品方案
AI解决方案：通过学习历史数据，更快的找到更好的设计方案
应用案例：国内某芯片制造巨头通过AI算法将芯片模具设计时间大幅缩短，AI还能大幅提升药物晶体选型速度。
4、教育
核心生产效率问题：如何能快速提高学习成绩，如何能个性化培养出更优秀的人才
AI解决方案：自适应考试，自适应学习，个性化生涯规划
应用案例：Knewton通过自适应评测精确诊断学生对知识点掌握的情况，并制定有针对性的学习方案。iPIN的完美志愿根据个人特质和数千万人的职业发展经历，为学生制定个性化的生涯规划。
5、法律
核心生产效率问题：如何能更准确的断案，预测案情走势和匹配法律资源
AI解决方案：案情分析，案情推理，律师背景分析，法律文书写作
应用案例：基于IBM Watson开发的ROSS，基于iPIN开发的法律谷可以帮法官分析案情和匹配律师
6、财务
核心生产效率问题：如何能提升对账、盘点、审计合规的效率
AI解决方案：数据录入，异常行为监测，自动文书写作
应用案例：德勤全球率先将人工智能引入会计、税务、审计等工作中，代替人类阅读合同和文件
7、金融
核心生产效率问题：更短资金周期内，如何得到更高的投资回报
AI解决方案：财报新闻解读，投资回报预测，财报新闻写作
应用案例：高盛旗下Kensho分析大量数做智能投顾分析，某券商用机器人代替数据录入员，香港某教授用AI赌马赚8000万， Virtu Financial用用户交易行为数据做投资1500天仅一天亏损
8、医疗
核心生产效率问题：如何能更快速准确低成本的诊断，并给出治疗方案
AI解决方案：疾病诊断，结合基因技术的精准医疗
应用案例：IBM Watson的肿瘤诊断模块，腾讯的肺癌诊断，国防科大的肺结核诊断，碳云的精准医疗
9、文字工作
核心生产效率问题：如更快的写作，更精妙的文笔，更吸引人的情节构思
AI解决方案：标准文书写作，….
应用案例：百度机器人写古诗，今日头条写作机器人报道体育赛事，iPIN的JD机器人创作招聘需求，日本小说机器人写小说
10、艺术创作
核心生产效率问题：如何获得更多更优质的灵感，如何构思更精妙的作品，如何降低制作成本
AI解决方案：灵感生成器，辅助制作
应用案例：Google绘画机器人，Google谱曲机器人Magenta
11、新零售
核心生产效率问题：如何能提升销售利润率
AI解决方案：智能招商运营系统，智能定价系统，智能推荐系统，智能广告投放系统
应用案例：万达用AI提升商铺坪效，沃尔玛用AI做动态定价，宝洁用AI辅助品牌广告投放
12、编程
核心生产效率问题：如何能提升写代码的速度和测试通过率
AI解决方案：自动代码生成器
应用案例：Viv 通过一系列的自然语言处理来实现语言识别， 并且基于英语词汇库建立了复杂的自我适应性计算机程序
在我看来，每一次的技术革命都是效率的革命，蒸汽机的发明是人类体力劳动的效率提升；互联网的发明是人类信息传递的效率提升；而现在的AI则是人类脑力劳动的效率提升，这次的提升是真正意义上解放人力的，让我们有更多的时间可以去思考新的问题，而把那重复的90%的脑力劳动交给机器。
AI-产品经理要怎么做？
重要的事情说三遍：回归商业本质，回归商业本质，回归商业本质
找到当前阻碍公司或者行业效率的核心问题，按照业务流程进行逐级拆解，针对每级提出多重的解决方案，并对方案评级，以工程思维选取最优解
构建自己的人工智能技术库，紧跟技术发展趋势
选取最合适的技术，应用到自己的解决方案中，看是否能大幅提高流程效率，同时评估性价比，择机进行产品化
以上就是我对于人工智能的思考，欢迎与大家多多交流
