11月中旬，由人人都是产品经理与腾讯大讲堂联合主办的2017中国产品经理大会在北京北苑大酒店完美落幕。作为压轴出场的爱因互动创始人&CEO王守崑老师，给我们分享了《AI 时代产品经理的机遇和挑战》，从AI产品经理的日常和挑战说起，分享了对话式AI的商业价值和挑战，并祝愿大家：愿各位 PM 阅尽繁华，归来仍是少年。
分享嘉宾：爱因互动创始人&CEO 王守崑
以下内容为嘉宾分享实录，由人人都是产品经理社区@Ella 汇总整理，部分内容有修改，嘉宾已确认：
20世纪美国经济学家Gavin Wright提出过一个“通用技术”的概念，他认为在历史上，尤其是工业革命的历史上，有很多技术一旦诞生之后，会对人类社会的进程产生巨大的改变。比如说火车、汽车，再往前的蒸汽机、内燃机，以及电力技术、信息技术和互联网等等。
AI的未来：通用技术
那么，AI是通用技术吗？
我们先看一下通用技术有什么样的特点：
通用技术会对人类社会产生重大的影响，它能以十倍、上百倍、甚至若干个数量级这样的程度去提升生产效率。
通用技术可以被应用到各行各业，或者会对各个行业产生巨大的影响。为什么交通类的技术会被认为是通用技术？比如汽车的产生，未来的无人驾驶，都是因为它们可以被各个行业广泛应用。
通用技术一般都需要巨大的投入，需要巨大的基础设施去支撑。
通用技术需要各种各样的人才。不单是技术人才，而是各种行业、各种领域的人才。
通用技术需要一个漫长的成熟期。
AI目前在实验室表现非常好，但是实际生活中未必是这样。在实际应用中，计算机视觉领域是最成熟的领域之一；除此之外，自然语言处理、多模态学习、通用推理、机器人这些在实验室表现非常好的领域，在实际的商业应用中也表现平平。
我有个朋友一直在说：目前我们见到的这些人工智能，如果严格从我们人类的角度来看，其实不应该叫人工智能，而是“人工智障”。
但是，我们还是认为AI是最有可能成为未来的通用技术。
为什么？
我们在有若干年的积累之后，这些历史上积累的数据，这些颗粒和方法能够成十倍、百倍放大，对各个行业产生更大的影响。
每一种通用技术兴起的时候，它会带来什么？
新的产品，新的服务，新的商业模式，新的组织，新的工作方式以及新的就业机会——这些，都将是新的通用技术带来的变革。
很多人一直在疑惑，说AI会不会让更多人失业，或者取代很多人的工作。其实我的看法是：这纯粹是杞人忧天，AI一定会创造更多的就业机会，创造更多的价值。
人类经历农业社会几千年，但是从未吃饱过，是工业社会解决了温饱的问题——这是一个很讽刺的事情。AI也一样：看起来它会取代我们的工作，但我觉得它一定会给我们创造一个特别丰富、特别富足的社会，每个人都会跟AI有关，当前固有的产品、组织、模式都会被更新迭代，这些里面，蕴藏着海量的就业机会。
但是，这并不意味着我们不做改变就能适应社会——要么我们被社会推动着改变，要么我们主动改变。而主动改变的人，才有可能成为这个时代的先行者。
这是第一个观点：AI可能是我们人类社会在工业革命之后面临的最大的变革机会，而现在，就是投身变革的最佳时机。
为什么这样说？
投资领域有一句话：最好的投资时机，永远是十年前和现在。
十年前你买了房，现在你的生活肯定不一样。但是现在买，也不是不可以。
产品经理每天面临的第一件事就是需求的不确定性。AI现在面临的最大的问题，在于各种各样的不确定性。
比如：我们是做对话机器人的，产品经理的工作之一是写测试用例。什么是正常状态，什么情况下会发生异常，会有各种各样的边界条件。但是产品做起来很难——因为对话是完全开放性的，你无法穷举，不确定怎样做这件事情才叫做正确。
我们经常看到两种极端：要么认为AI无所不能，现在已经可以做各种各样的事情，有一个非常高的预期。要么就是非常担心AI出格。比如对话机器人，我们非常担心它不在我们的掌控之下，最后变成了一个用对话做的决策（用决策树），但是这样就和对话没什么关系了。
这两种情况我们都非常容易碰见，要么期待过高，要么期待过低。而现在的实际情况是：肯定达不到过高的期待，但是肯定比最低的期待要好。
产品经理的任务之一就是：降低期待过高用户的预期，提高期待过低用户的预期，让大家有一个一致性的共同认知，在这样的前提下去工作。
第二个是缺乏数据。很多人说我们过去几十年积累了非常多的数据，现在的数据都很丰富——的确，这是现状。我们有很多未经整理的数据，但是我们没有经过整理的、适合现在的技术现在的AI水平使用的数据。
比如说市场的接受程度：市场对不同产品的接收程度，刚才说的过高预期与过低预期这种隐含数据，大家的认知不一致，市场的反馈、用户的反馈这些评价数据——这些都是没有的。
还有就是多模态的数据：声音、视觉、语言组合成我们对外界的认知。
现在的AI基本上都是以单一结构来解决单一的问题。做CV（计算机视觉）的，解决视觉的问题；做语音的SAT就解决声音的问题；做自然语言处理的，解决文本的问题——但是人类沟通的时候，肯定不是以单一渠道来沟通的，我们都是以多模态的混合方式去沟通的。
但很遗憾，我们现在手机的数据集里面，多模态的数据非常匮乏，而且这种数据的标定非常困难，这就大大限制了我们当前的AI产品能够达到的水平，这是第二个挑战。
现在整个AI产品的开发，还没有形成一个有效的、公认的产品迭代方式。不管是瀑布式，还是敏捷开发，这些用在AI产品上，都会让人感觉别扭。
所以，各个公司，各个行业，各个项目都会有一定的差异——这也是我觉得很有意思的一件事：我们过去在互联网和移动互联网的产品开发上积累了非常多的经验，如何把这些经验有效地迁移到AI产品开发，这是一个很有意思的课题。在这个课题上，产品经理一定会发生一个非常重要的作用。
我个人的分析就两点：人，和事。
人：沟通协调能力、领导力和同理心，决定了一个产品经理的上限，决定了你能走多远。
事：对细节的掌控力，思考的深度和大局观、决断力，决定了一个产品经理的下限：如果你达不到这个要求，就不是一个合格的产品经理。
理论上来说，一个人不可能拥有所有的、完整的能力。更重要的是，你抓住重点之后形成一套自己的方法论，你知道自己在哪些方面更擅长，如何运用这些能力、这些知识来解决你当前面临的各种各样的问题——这是产品经理的一个思考范式，或者说是工作范式。基本上就是：观察、思考、表达、实践 这样的一个循环。
和工程师相比，有一个重要的区别：工程师没有表达那一项，因为不是必须。
对工程师来说，会表达会更好，但是没有也不影响他成为一名合格的工程师。但是对产品经理来说，没有表达，就不是一名合格的产品经理。
为什么我会特别强调“表达”？
因为它是一个中间环节——产品经理是一个中间环节，他需要做各种沟通、各种协调的事情。而所谓的“表达”，并不是单纯的“说”，并不是你能表述，能劝别人，能有说服力；而是包括问答设计、产品理念具象化能力——这些都是“表达”的一部分。
产品经理的表达还有一个作用：向上管理。如何说服你的BOSS，说服你的上级来支持你的观点，这些也需要通过表达的方式来实现——这也是强调产品经理在“表达”上需要下功夫的一个原因。
AI的现在：大航海时代
15世纪到17世纪时期，欧洲的船队出现在世界各处的海洋上，寻找着新的贸易路线和贸易伙伴，以发展欧洲新生的资本主义。
麦哲伦完成首次环球航行时，他的设备和人员都是极其简陋的；最重要的是：这件事情从来没有人去做过，没有人知道做这件事的时候你面临的是什么。对AI来说，现在也是这样：前途完全是未知的，大家都是第一次在做这样的事情。
第一个挑战：不确定性
现在投身这个大航海时代，未来的不确定性是产品经理面临的第一个挑战：
对于需求的快速变化，你要做一个缓冲区，你要做到八分的成绩；对于落地的场景，你需要做一个猎手，要有敏锐的感觉去捕捉那些可以快速落地的事情。对于各种各样的可能性，你要做一个Filter，要把合理的东西剥离出来。
我一直在强调一个事情：在团队中面临不确定性的时候，产品经理应该是最乐观的，我希望产品经理更是一名理性乐观的创业者。作为一名创业者，如果不乐观，每天的工作就没法做。
第二个挑战：技术黑盒
产品经理一般都不含有技术背景（当然有些有技术背景的同学做产品经理做得非常好），那你一定会面临技术黑盒：你知道这件事情的需求是怎样的，但是你并不知道这件事情是怎么做出来的。
怎么办呢？
不要试图打开技术黑盒——你可以从外部去定义它，但是不能打开它。
我个人不建议你打开技术黑盒，因为打开的过程是要给事倍功半的事。你可以了解一些技术的行话，这些可以帮你拉近与研发的距离。而你只需要在黑盒外面做这些事情即可——知道它到底是一个怎样的表现。
如何从外部定义技术黑盒？
首先，从效果去定义：它能给你带来什么？它的输入、输出是什么？从需求的方向去把握它。
其次，从适用的环境去定义。AI产品很特殊的一点，它的基础设施并不完善，很多AI的项目可能要求私有化部署，需要用到巨大的计算资源或者非常大的带宽；那你要熟悉各种数字跟逻辑的结合——它并不牵扯到什么高深的东西。
你还能从环境去定义它：它现在是什么环境，有什么样的效果？你能给多少计算资源，产品做出什么样的事情。你要能从资源消耗去定义它，不光是硬件的资源小号，还有软件、人力的资源消耗：为了达成一个任务，需要多少人、什么样的人、团队要怎样的，要有科学家吗？要有研发工程师吗？还是要有人专门去负责算法？你要对不同产品、不同项目需要什么样的资源非常清楚。
第三个挑战：团队
产品经理会对接各种各样的团队，和各种不同的人打交道，这也是大家共总的日常，也是产品经理的挑战和成就感所在。
对创业公司来说，产品经理事醉了解事情的人，他几乎无所不知：细节事怎样的，这个东西会带来怎样的影响，造成什么样的效果，那个坑具体在那里等等。
在当前的技术水平和市场环境下，哪些事适合AI去做的呢？
参考“一秒法则”：人类在一秒内能完成的事情，以目前的技术水平来看，基本上都是可以被AI替代的，或者是某种程度上被AI替代。
这些事情有什么样的特性呢？
大规模、重复性：每天都会发生的事，比如人脸识别。
限定领域：它是单一领域的事情，一旦是多领域的，你不太可能在一秒之内完成。
快速反馈：这个对当前的AI算法来说，几乎是最重要的一件事情。比如自动驾驶，我们在开车的时候反应必须非常快，大概几十毫秒几百毫秒这种量级，如果到一秒，就会出危险。很大程度上，你能多快获得反馈，决定了算法能做到多好；而算法有多好，就越能快速得到反馈——正向循环，越简单，算法效果越好。
我在念书的时候有一个机器人的经典例子：你用机械手臂去拿一个杯子的时候，理论上你有两种算法、两种模型去做这种事情：
第一种算法是从物理定律出发。先看你和杯子有多远，然后建立一个特别复杂的物理方程，一次性把杯子拿起来。
第二种算法是用一种类似梯度下降的方式，不停地去看胳膊，在机械臂朝一个大致的方向运动，同时视觉部分不停反馈机械臂和杯子之间的距离、方位、角度、速度等，通过快速迭代的方式，最后在有确定性的时候，把杯子拿起来。
第二种算法非常简单，它不需要简历那么复杂的物理学定律，但是实验效果会更好——因为它利用了快速和大量的反馈。
对各位产品经理来说，你希望在AI时代做一名AI产品经理，核心还是回归本质，回到原点；从产品经理的技能树出发，从你的职责出发，面对需求的不确定性，面对新的团队、新的工作方式，做团队中最理性乐观的一个人。
案例：对话机器人
我们来看一个具体的案例：作为一名对话机器人的产品经理，你是如何去思考这些问题，或者说大致的流程是怎样的。
相比前几年，APP的红利已经消失，下载的量级也下降了很多，但是消息平台却有爆发性的增长。国外是Facebook，国内是微信这样的，这些都是对话机器人兴起的原因。
我个人使用手机的时间大概占 了88%，有大量的用户也是这样（有调研数据支持），大量的用户习惯于以消息的方式来进行工作沟通，这也是一个市场倾向，或者说是一个现实的情况——这也正是巨头在对话系统，包括语音识别领域做出巨大投入的原因之一。
作为产品经理，你看到这样一个现象；你非常兴奋，立刻投身其中；但实际上，你会发现面临巨大的挑战：
大家都用过Siri，智能音箱或者其他类似的应用，分享一些有意思的调研数据：使用前三位的功能是闹钟，查天气和听新闻。听新闻的频次不超过10%，查天气大概是接近70%——嗯，看起来智能音箱这些在我们的生活场景中起到了作用，但是非常有限。
而从产品表现来看，Siri之类的前言不搭后语，缺乏常识，缺乏自学能力，这些的根本问题，在于技术的限制——我们当前的技术水平，没有办法让机器真正理解人类的语言。
在当前的市场环境和技术水平之下，我们应该用什么样的产品来应对我们当前市场的发展趋势——这是我们产品经理面临的一个巨大挑战，这也是产品经理思考的一个过程：市面上这么多做对话的，到底是在做什么？为对话而对话？对话是一种高效的沟通方式吗？对话到底能给用户提供怎样的价值？
从效率来讲，CUI对话更适合做信息的深度展示，GUI更合适做信息广度的展示。如果有几百个选择，更适合用图形界面，如果只有几个选择，每个选择都需要做很深入的沟通（几步几十步这样的沟通），那图形界面就未必是好的选择，用户会在过程中迷失。
从用户感受来讲，图形界面更强调空间感：打开一个界面后我们知道哪里是重要的内容，哪里有广告，哪里有次要的内容。但是对话更强调时间感：随着时间流逝，有因果关系的产生；随着时间的流逝，他有更深入的交流。
从用户预期来讲，CUI更强调个性化参与和自我学习，而人们对GUI的预期，其实是一个差不多或者不完全一致但基本类似的一个预期。
从这三点来看，对话未必适合所有的场景，但某些场景下，对话是更合适的。所以需要深度沟通，更强调时间上的因果关系，更强调个性化参与这些具体的场景。
那么，我们到底应该做一个什么样的事情？
结论是：作为创业公司，应该去做高用户价值、高稀缺性的事情。高用户价值、高技术成熟度的一定是充分竞争的，大家都一窝蜂挤进去；而如果是稀缺性技术、成熟度都很高，那就是夕阳产业，再往下坡路走了——因为用户价值越来越低。而如果三个都很高，那是垄断企业做的事情。
AI商用的原则是什么呢？
在当前的技术水平和市场接受程度来说，一共是通过对话能够高效解决问题的场景。你要找到这个场景，选择合适的技术（并不追求技术领先或绝对的技术成熟），去成为细分领域的关键业务环节，让别人离不开你。
这些场景有清晰的知识结构和边界，在对话这件事情上，它一定不是开放的（因为开放域的问题限制还没有非常好的解决方案），对非标准的服务信息不对称，需要深度沟通，然后你通过数据的积累去提升服务质量，并建立知识和技术壁垒。
也就是说，以对话为界面，综合其他各项技术（管他是AI也好，或者其他的），为用户提供价值。对话本身不是目的，他的内容、领域、知识才是你真正提供给用户的知识。
通过这样的分析，我们回去看几个有意思的场景：
智能投顾保险理财，它的销售转化就是用对话的方式带动。
以对话时的发现解释和推荐。它有可能是产品，也有可能是信息，甚至是其他东西。
最后一点分享：
作为产品经理，你要在这些case上把你的规划落地，要考虑各种各样的问题：和商业相关的问题，跟具体场景相关的问题，渠道的问题，定价的问题，技术的问题；你的语料从什么地方来？你的软硬件环境是怎样的，具体的技术架构是如何等等。
以上为本次大会分享内容。
嘉宾PPT：关注 人人都是产品经理微信（ID：woshipm）公众号，在后台回复关键词“大会”即可获取下载地址。
相关阅读：
