AI时代下，产品经理的职责以及能力要求有了什么样的变化？为了符合这种趋势，产品经理又要关注哪些点呢？让我们来看正文吧：
在AI产品经理这个概念开始兴起以后，经常有人问我，这AI产品经理和普通的产品经理有什么区别啊？大家在做的事情不都是需求调研，产品设计吗？为什么到了AI这里就变得不一样了呢？
这也是我今天想跟大家探讨的问题，AI到底让产品经理发生了什么样的转变？
我们从四个方面聊这件事情：
AI对互联网的影响是什么
近几年有几个事件让人工智能真正闯进大众的视线：
16年3月，AlphaGo战胜李世石，成为第一个战胜世界围棋冠军的AI机器人，让大众首次见识到人工智能的威力，也让人工智能成为茶余饭后津津乐道的话题；
17年9月，苹果公司在iPhone X上推出的生物识别技术faceID，让大众意识到原来人工智能早已来到我们身边，已经为我们的生活服务了。
18年7月，国务院发布了新一代人工智能发展规划的通知。《规划》是我们国家在人工智能领域进行的第一个系统部署的文件，并提出以提升新一代人工智能科技创新能力为主攻方向。
最近，互联网被一款现象级的网红产品ZAO刷屏，使用AI技术，仅需要一张正脸照，就能用你的脸制作网络热门表情包，出演经典电影片段。实际上ZAO不是第一款换脸软件，但因软件中的安全协议引发了巨大的安全、道德争议。
AI到底是什么？
经过两年的发展，现在我们的生活里到处都是人工智能的痕迹：
早晨在地铁上看新闻，新闻推送的全是我感兴趣的内容；
到了公司不用打卡，直接人脸识别就进去了；
中午需要出趟门，直接问问Siri就能安排好行程；
下班了逛逛淘宝，今天的淘宝仿佛读懂了我的心情一样，推荐了很多我想买的东西。
如同百年前电力的出现一样，人工智能变革了每个产品，仿佛重构了每个人生活的方式。
一直以来都有两种不同的负面声音：
一种认为人工智能是资本的噱头，其实它什么都没有改变；
另一种认为，人工智能还是待在实验室的新事物，它离我们的生活还很远，我们现在接触的人工智能最多算是个人工智障；所以很多人也会感到困惑，AI到底是个什么？
实际上，我们日常生活中已经每天都在使用人工智能了，只是我们没意识到而已。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）这个词。他总是抱怨“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了。”
因为这种效应，所以人工智能听起来总让人觉得是未来的神秘存在，而不是身边已经存在的现实。同时，这种效应也让人们觉得人工智能是一个从未被实现过的流行理念。
AI的出现，为互联网又带来了什么？
笔者私认为，AI对互联网的影响在于两个方面，“提升用户体验”以及“提升决策效率”。
举一个很常见的例子：
在以往的重要直播上，视频会显示实时字幕，这是通过给原有直播信号增加5-10分钟的延时，速记员在这短暂的时间内快速整理并输出字幕，但这需要消耗多名速记员的大量体力和脑力。
在人工智能时代下，语音识别准确率高达97%，通过语音识别和自然语言处理技术，每场直播都能实现低成本、零延迟的实时字幕。有些直播产品还会在视频旁边显示整场内容的字幕，方便用户随时浏览过去的内容，对于经常不在座位旁但需要了解直播内容的用户来说，这是很棒的用户体验。
俞军曾言，产品经理的行业变化，无不伴随着新要素往人类生活中的融入。虽然人工智能出现在上世纪，但此刻，人工智能正以一种全新的姿态，让产品经理发生巨大的转变。
转变产品经理的思维方式
在传统互联网时代，由于流量效应带来的红利，产品经理的工作主要是围绕着挖掘用户需求以及提升用户体验这两方面。
随着人工智能的发展，产品经理行业中出现了一个细分领域，称为AI产品经理。他们的工作围绕着AI技术在场景中的运用而展开，将AI能力作为一种强有力的武器解决问题，让产品功能具备AI能力从而实现用户体验与效率提升。
虽然两者在本质上都是满足用户的需求，但是在思维模式以及解决方式上存在很大的差异。具体表现在以下两个方面：
从用户思维到数据思维
在互联网时代，流量为王，“用户至上”成为了各大互联网企业的共识。无论是电商领域还是社交领域，产品经理们每天都在研究用户的行为与表现，希望以此挖掘用户内心的想法，创造出满足用户需求的产品。
到了人工智能时代，数据为王，数据成为了企业的风向标。
我们的产品、用户都能用数据去描述他，而不是想当然的经验主义去思考这个用户要什么。这时候我们有更具象、可量化的方式判断客户的需求。
下图解释了数据、信息和知识的层次关系和重要性，我们做任何决策的知识都是要建立在信息的基础上的，仅仅凭直觉和意识做的一些决策，如果没有数据支撑，那么是没有办法经过积累沉淀下来形成知识的，有些企业只是收集数据， 却不知道怎么用、应该用在哪里。
数据如果静静地放在那里是没有任何价值的，有效的数据驱动可以将企业里的数据充分地转化成信息，并且形成结构化的知识 体系，高效地指导企业各个业务快速发展。
如邓雄博士所言：人工智能代表了一个大变革，我们不再把用户看成中心，以围绕用户来开展各种工作。而是把用户变成数据，将一切用户行为都变成数据，用数据的方式将用户的表现反映到产品中，这种模式就是数据思维导向的结果。
认知升级
以往我们在传统产品上做创新有两种方式。一种是将另一个领域的知识经验借鉴到另外一个领域，例如婴儿恒温箱最早是借鉴了动物园使用的恒温箱，从而创造出适合新生儿使用的产品；
另一种是引用跨行业的新要素，使得产品看起来依然是原来的产品，但它已经成为一个新的物种，例如朵亚朵亚酒店采用众筹这个新要素，这种消费转投资的方式让他们成为朵亚最忠诚的客户。
而今，AI技术的升级同样带动了产品经理的认知升级。我们在产品解决方案上实现的变革是一种颠覆式的创新，这种变革不仅仅是旧元素之间的重组，而是用AI的方式升级新的生产要素。
例如，运输行业的本质是解决运输的时效问题，从马车到汽车的过渡，本质上是从动力这个维度提升速度，减少运输所需的时间。
到了今天，动力并非限制运输时效的最大问题，可以看到在公路上，限制大货车时速的主要原因是货车在高速状态下安全不可控，速度太快来不及刹车，容易发生车祸。并且货车司机不能长时间开车，容易造成疲劳驾驶，这些都是限制货运速度的因素之一。
而大货车自动驾驶的研究，则是从调度与控制这两个维度，用人工智能的方式减少人为带来的负面因素。在这个升级的过程中，“人”这个因素突然显得并不是那么重要了。过去我们认为必须有车必须要有人去操纵，无论再怎么优化，“人”的因素还是关键的瓶颈，现在我们用人工智能去学习驾驶，让机器自己去操纵汽车。
这种认知升级就是产品经理在对待同一个场景时，从不同维度思考带来的改变，我们不再是从旧的因素去思考如何提升效率，而是以一种新的方式升级旧的因素。
精细化、个性化、智能化、多模态的场景
目前市面上大多数AI产品，绝大多数是机器学习与深度学习在过去几十年的研究成果逐渐落地到具体的场景中。虽然技术层面相比以前已经有不俗的突破，但算法还有存在很大的局限性，只能够针对单点优化到极致。
因此，AI技术的特点也决定了AI产品的特点是：精细化、个性化、智能化以及多模态的产品。产品在特定领域、特定场景中足够智能，并且充满人性化。
从更细分场景出发
快递行业因其作业流程标准化，人力成本高，分拣效率低等特点，一直是AI技术落地应用的重要场景之一。实际上快递行业通常将快递分为大件货以及小件货，并且会根据产品特点分为贵重物品、易碎品以及普通物品。
如果按照传统的产品设计思路做一个全自动的分拣装置，我们希望做一个通用型的产品，能够适应不同的快递。这就要求我们的分拣装置有足够的力量能分出大件货，同时又有平滑的方式运输贵重物品或易碎品，甚至于还能应用到别的场景中，例如垃圾的分拣，这种情况是产品经理最喜欢的。但是这对于系统的要求非常高，几乎不可能完成。
那么在这个场景下我们就不没法做任何提升吗？非也，如果我们只针对小件的普通物品，使用AI技术去实现这个分拣装置，难度则大大降低。可见在细分场景中，AI技术的应用能够极大地提升物流效率。
如果我们一开始就想做满足通用需求的产品，可能AI技术并不能给我们提供太大的帮助。只有将大的不确定性不断细分，才能找到技术与场景相匹配的部分，再通过不断的演进满足我们的需要。精细化建设，是AI产品最大的特点。
发散式的交互
以往主流的人机交互方式是，人向计算机发出一个指令，然后计算机返回一个结果，是一个很具体的过程。但是在AI时代，我们可以通过一种发散式、个性化的交互创造出更多充满想象力的场景。
当我们用搜索引擎寻找电影时，我们的核心诉求是找一部“我想看”的电影，而不是增加很多的维度让我们去选定一部电影。以往我们只能根据影片类型圈定一个范围，然后再慢慢浏览每部电影的简介或评价，寻找自己感兴趣的电影。
这种方式非常低效，而且很多时候用户并没有一个明确的需求，怎么让用户更高效地找到合适的电影是产品经理需要解决的核心问题。
通过AI技术，我们可以告诉搜索引擎，我想看带有“神反转”的悬疑电影，或者是直接寻找“长安十二时辰中追击狼卫的片段”。甚至是在没有明确观影目标时，让计算机根据我现在的状态推荐一部带有用户喜好的电影。
这个过程更像是我在和一位很喜欢看电影的朋友交流，你问他一个问题，他在给你反馈的同时给你很多的意见，同时还会思考你下一步想要什么东西，并且主动提供给你。个性化，是AI产品与传统产品最大的不同。
更聪明的解决方案
电话推销坐席的违规销售检测是各家金融机构都很头疼的事情，如果坐席在销售过程中出现违规行为，很容易被客户投诉。
早期金融机构只能通过抽查的方式听电话录音判断这个坐席有没有出现违规行为，但是这种方式的效率非常低，而且是一种事后的检测，客户投诉可能早已发生。
如今，AI技术早已代替人工完成质检的工作。使用语音识别，判断通话内容对应的语义，可以高效得检测所有坐席的违规情况。甚至在通话过程中，实时判断坐席的谈话内容，将违规行为防范于未然。这是AI产品智能化的体现，也是AI产品的价值所在。
多模态整合，实现多维感知
所谓模态，是德国生理学家赫尔姆霍茨提出一种生物学概念。即生物凭借感知器官与经验来接受信息的通道，比如人类有视觉模态、听觉模态等等。
假如我们把“模态”通俗地理解为感官，那么智能音箱就是只具备听觉模态的物联网设备，而加载AI分析能力的摄像头可以视为视觉模态的物联网设备。把听觉、视觉甚至更多模态组合到一起，多模态物联网也就诞生了。
在一些新的智能空调解决方案中，空调会在语音交互的基础上通过机器视觉来判断用户的位置，提供智能送冷，并且会结合传感器判断屋内温度和湿度，提供更精准的环境方案。
把不同信号模态整合在一起，实现设备的多维感知，今天正在以比较快的速度来到应用市场。
懂技术对产品经理的重要性
当前的产品市场中，技术领先但产品认可度较低的情况屡见不鲜，像投影键盘虽然很创新，但真正买单的人并不多。很多用户对新技术的采用并没有强烈的感知，导致企业在新技术的投入往往与其实现的商业价值不成正比。
因此AI产品经理的职责是找到技术与市场相匹配的地方，将核实的技术应用到核实的场景中，提供一套切实可行的人工智能解决方案，从而为用户创造更多的价值。我们都知道，技术与市场并非一成不变，两者都是处于动态演变的过程中，这一点在人工智能领域尤为明显。
技术的发展推动了新场景的出现。新技术的突破，让人们看到两个希望：
原有一些应用场景可以被颠覆式优化
会创造出全新的应用场景，产生全新的市场
以往“想做但是没办法做”的场景以及“没想到可以这样做”的场景，可能只需要一两年的时间，就出现了更成熟的技术能够满足这个场景的需求。
例如图像识别是一项广泛应用在我们生活中的人工智能技术，在2012年以前，基于机器学习的图像识别技术的精确率并不高，所以在当时，图像识别只能用于车牌识别、符号识别这类简单的场景。
在2012年以后，随着深度学习技术的崛起，图像识别技术的精确率有巨大的提升，这时候我们尝试运用图像识别帮助我们做更多的事情，例如将人脸识别应用在考勤和车站人流检测的场景上，甚至是在畜牧业采用猪脸识别实现农场的智慧管理。
直到2015年，对抗生成网络技术将图像识别的精确率在一夜之间推到一个前所未有的高度，图像识别技术开始应用在鉴定、安防以及金融等对精度要求很高的领域，例如假钞验真、名画鉴定等专业场景。
由此可见，技术的发展存在阶段性，但是每个阶段产品经理都能够为其找到合适的应用场景。
因此，AI产品经理除了需要具备对市场的判断能力、对需求的分析能力以外，还需要掌握模型和算法的实现原理。这样才能更好地评估技术的可行性，评估算法在这个场景下能够达到的最优度，并根据内外部资源评估产品价值与技术实现之间的平衡点，让人工智能技术在产品中发挥出最大的价值。
AI产品经理应该熟悉常用的人工智能技术逻辑，主流算法的实现原理并关注技术的趋势与领先型。只有对技术有充分的了解，才能让产品经理在整个产品周期发挥自身最大的价值。
在需求调研阶段，产品经理能够评估哪些技术可以解决当下场景遇到的问题，并带来什么样的收益；
在开发阶段，产品经理关注现有数据与模型之间的匹配度，通过业务经验帮助工程师快速实现产品目标；
在应用阶段，产品经理需要评估算法的有效性甚至是可提升的空间，同时根据场景确定指标计算收益。在这个基础上，我们还可以挖掘新场景，尝试去做以往“做不到”的事情。
当然，我们说场景经理要懂AI技术，并非说要掌握整个算法的数学推导过程，而是要知道这个算法能做什么，不能做什么，为什么能做，以及天花板在哪里。这样才能确保产品能够在算法达不到100分的状态下充分发挥作用。
以上内容来自笔者在将门创投的主题分享“AI浪潮下的产品经理变革”。
