AI 产品经理入门与劝退指南

  本文总结了 AI 产品经理入门前的必备须知，以及入门 AI 产品经理前要建立的初步认知框架。

  很多产品经理或者还未入行的新人，都在纠结到底要不要做AI产品经理，毕竟带了“AI”就觉得非常光鲜、非常前沿了，仿佛自己能赶上一波时代红利。

  前两年AI行业大热，如今已经降温了很多，但是目前市场上依旧到处可见各种人工智能培训班或者各种Python培训课，似乎不学个Python就跟不上时代的步伐了。

  这里就存在两个问题，一是学Python是不是真的对自己有用，二是AI行业是不是真的是人们鼓吹的那样前景无限。

  并不是说学Python没有用或者学习一门新技能没有用，而是说要结合自己的真实的情况，在目标明确的情况下选择要学的东西。

  否则只是跟风去做一件事时，最后不仅花了时间花了钱，还经历了一个痛苦的学习过程，但最后学到的东西不是浅尝辄止，就是对自己的工作根本发挥不了任何作用。

  而关于行业的发展问题，如果自己要是明确想冲入AI行业，赶上所谓的时代红利，寻找一些工作机会，比如做一名AI产品经理，那依旧是劝退。

  信息的传播是有延迟的，根据信息的传播路径能够正常的看到，一个细致划分领域的行业发展现状和前沿信息，一定是本行业从业者先获取到的，比如一些专门做人工智能公司的从业者，然后是投资圈从业者，毕竟各种风投都在紧密关注着各种行业动向，对各行业的风吹草动还是很敏感的，最后才是媒体端。

  从细分行业从业者，到投资圈人士，再到媒体端，原始的信息经过了N手传播，不仅已经严重失真，而且也没有时效性了。

  所以当你在媒体上看到铺天盖地的新闻，鼓吹一个行业非常好时，这个行业早已发生了天差地别的变化，要么适宜的市场环境已经消失，要么市场格局已经成型。

  当你没有从事某一个行业，只是在媒体端或者道听途说了解到一个“风口”，就不要妄想赶上所谓的时代红利了，现在再冲进去就只是韭菜了，只能被割，就比如现在跟风各种报班学Python的人。

  一是自己进入这个行业，亲自去做一下，之前听说很多大牛产品经理在创业前，都会先去目标行业摸清状况，获取了充分的一手信息后，才真正杀入这个行业开始创业。比如在开咖啡店前，先去瑞幸或者星巴克打几个月的工，而不是贸然创业。

  第二种方法则简单一些，去咨询这个行业的前辈就行，虽然是二手信息，但至少要比在互联网各种媒体上看到的各种信息靠谱得多，尤其是一些所谓专业大机构做的行业分析报告，信源都不能够确保真实性，而且很多行业数据也可能是自己捏造的。

  人工智能行业是相同的，要想知道AI行业现在到底是什么状况，要么自己去头部公司做一下，要么就去和从业者直接聊聊。

  许多人很认真地在长篇大论，分析不一样的行业的被替代难度，但是有一个回答是：不知道未来能替代多少行业，也不知道会造成多少失业，但现在人工智能的从业者好多都失业了。

  其实这就是当前AI行业的真实现状，在行业从过热到现在的遇冷，热钱逐渐退去，也终于知道到底是谁在裸泳了。

  所谓的烧钱抢市场是不可持续的，核心是能不能找到真实的客户的真实需求，并真正能解决问题。

  能盈利，至少可以靠自己活下来，说明不是一门坏生意，但是否是一门好生意还要看市场规模，也就是天花板是否足够高，以及自身是不是具有规模效应，在扩张的过程中边际成本能降低。

  用PPT讲故事的，大多是伪需求，现在人工智能落地比较好的几个行业，也是需求已经被证实了的，比如安防、金融等。

  拿无人驾驶举例，无人驾驶也许确实是未来，但是近5到10年没有全面应用的可能。现在你要去做无人驾驶产品经理，觉得有先发优势，实际上能学到的东西很少。

  因为现在无人驾驶依旧在实验和测试阶段，产品还没有成型，且产品的核心也在技术团队，产品经理能发挥的价值非常有限。

  所以现在直接去做自动驾驶产品经理，可能会无事可做，因没有那么多用户，没那么多场景，自然也没那么多需求。

  不过，可以先去滴滴这样的出行公司，因为滴滴基本慢慢的变成了出行行业的“水电煤”，承担了互联网行业基础设施的角色，不但行业非常成熟，而且积累了大量的出行数据，做无人驾驶自然也非常有优势。

  当你在出行行业积累了大量经验后，等到无人驾驶成熟，再进去也不迟，因为能复用已有的经验，反而会优势更大、进步更快。

  比如特斯拉，马斯克做电动汽车时，高薪挖了大量传统汽车行业的人才，在已有行业基础上再进行创新。

  科技的发展一定是连续的，在已有技术的基础上不断迭代改进，最终在某个节点上，实现从量变到质变。

  如果经过上面的劝退，你的目标依旧没有被动摇，并已经有了充分的心理预期，那要进入AI行业，做一名AI产品经理，也是相当的好的。

  在AI行业做产品经理和别的行业做产品经理，没什么本质不同，产品方法论是基本一致的，但是不同点是AI行业更强调业务落地。

  以下是在读《AI产品经理》一书时，我整理的10个问题，可以对入门AI产品经理建立初步的认知框架。

  比如在出行领域，出行平台直接连接了司机和乘客，重构了线上、线下的出行流程；但是人工智能则是从无人驾驶技术切入，重构了车辆和司机本身。

  基于过往积累的数据，计算接下来有几率发生事件的概率，这是所谓的预测未来。

  人工智能没有普及的原因是：在不一样的行业的不同场景中，人们对AI在概率表现方面的期望值不同，这就造成了不相同的领域的普及速度不一样。

  比如医疗领域，人工智能实现85%的诊断准确率，是不能得到普及使用的，但是概率上升到99.99%，就能轻松实现普及使用。

  之前特斯拉因为无人驾驶出了多个事故，马斯克发推特说无人驾驶比人工驾驶安全得多，发生意外事故的概率远远低于现在社会的整体交通事故概率。

  这似乎也符合人们的直觉，特斯拉发生的交通事故可能只是个位数，但是路上的交通事故天天都有，所以是不是对新技术太过苛责了？

  其实马斯克的言论犯了一个错误：他在说特斯拉的事故率时，样本是很少的，而整体交通事故率是基于整个社会上的车辆数和里程数，这个样本则是巨大的，可能特斯拉自己再多出几次事故，事故率马上就翻番了。

  因此基于现有样本计算出的特斯拉事故率是不准确的，不能直接下结论说，无人驾驶的事故率就低于人工驾驶的事故率。

  只有等到特斯拉无人驾驶的车辆数和里程数积累到一定量级，样本足够大后，才能和人工驾驶的事故率作比较，也才能真正证明无人驾驶是否更优于人工驾驶。

  产品经理需要判断能使用户得到满足需求的概率是多少、用户接收的最低标准是什么、超出用户预期的标准是什么，依据这些判断去决定产品研发的投入策略。

  （1）算法层面：产品经理应该对主流的算法模型和框架有基本的认知，要做到在不同算法在不同场景下的使用效果进行量化评估；

  （2）算力层面：产品经理要从需求出发，衡量产品功能所需算法模型需要怎样的系统架构支撑，并能够评估硬件开销，综合评估后要判断采用平台即服务还是自建计算平台；

  （3）数据层面：产品经理在设计之初就要考虑数据从哪里来、数据质量怎么保证、数据治理的工作怎么开展等问题；

  （2）产品化：宣传产品价值（以快捷、低门槛的形式触及用户）、快速证明价值（制定策略使用户快速懂产品、快速用价值打动用户）、交付用户价值（保证长期稳定地将价值传递给用户）、延展价值（让用户依赖产品，将产品融入用户的生活中）。

  （3）商业化：产品化决定了产品的价值空间，商业化决定了产品将价值变现的能力。

  人工智能的商业化需要产品经理能够把场景、痛点分析透彻，并评估产品能带来的价值和研发成本后，制定适合的商业推广策略和产品定价包装策略，甚至在必要的时候进行产品定位调整，最终实现产品变现。

  了解基本的机器学习算法，知道各种算法的应用场景是什么、分别能解决什么样的问题、各自的优劣是什么就足够了。

  （1）产品经理应该对所在领域的产品研制过程中每一个技术动作的原理和最佳实践有深刻的理解，可以有效的进行熟练的解释说明。

  （2）产品经理要能够融入到研发过程，比如想办法为团队提供高质量的学习数据集；

  （3）掌握前沿技术的实践应用；对技术发展的新趋势有所洞见，才能设计出存在竞争力和前瞻性的产品；

  人工智能的核心技术：自然语言处理、人机交互、计算机视觉、生物特征识别、语音识别、虚拟现实、增强现实、混合现实等。

  人工智能的应用和服务分为三大类：语音和文字处理、图像和视觉、大数据分析和预测。

  （1）行业+人工智能公司：依赖自身的多年领域积累，给用户更好的提供人工智能赋能后的产品或服务；比如福特、通用等研发无人驾驶技术的传统车企；

  （2）应用人工智能公司：提供基本功能，如人脸识别、语音识别等，客户能直接调用接口；

  应用AI技术公司的商业模式以TO B为主，产品经理的KPI是项目回款，因此产品经理需要有一定的商务技能（售前、销售）；同时因需要定制化开发，产品经理要明确区分标准化产品和定制化产品；

  （3）研究核心技术/基础平台的公司：从底层平台需求出发，构建AI计算平台的硬件单元研发、数据治理、AI建模等；

  科技持续不断的发展，未来肯定是人工智能的时代。做什么事都会遇到瓶颈或是一些困难，但只要坚持就一定能成功。以后那个国家的人工智能强大，那个国家也就越强大。因为AI在军事上更加重要。

  人人都是产品经理（是以产品经理、运营为核心的学习、交流、分享平台，集媒体、培训、社群为一体，全方位服务产品人和运营人，成立12年举办在线+期，线+场，产品经理大会、运营大会50+场，覆盖北上广深杭成都等20个城市，在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名网络公司产品总监和运营总监，他们在这里与你一起成长。