人工智慧時代，產品經理需要做些什麼——小產品思維和大商業模式聽後感

正文共：2904 字 4 圖

預計閱讀時間： 8 分鐘

一、說說我為什麼要寫這篇文章

想寫這個題目很久了，但是一直不知道怎麼下筆。最近聽了360人工智慧工程中心總經理鄧雄博士在產品經理大會上的分享《AI時代：小產品思維和大商業模式》，並結合近來閱讀和參加活動的一些體悟，希望能幫自己理清思路。

首先是，人工智慧真的太火了，火到參加每一場講座、每一個會議的主題都離不開他。看看下圖2017年Gartner曲線，機器學習和深度學習處在頂峰的位置。（Gartner曲線的橫坐標表示時間，縱坐標表示期望。橫坐標共5個階段，對應的縱坐標值表示大家在每個階段對技術落地的期望）由圖中可見，目前正是人工智慧最火的階段。大數據、演算法、算力的發展，使得AI技術場景化成為可能。

圖片來源：2017年產品經理大會上海站ppt

所以我一直在想，在這個AI時代里，我究竟能做些什麼？在很迷惑的時候，我看了李開復的《人工智慧》來大概了解下到底怎麼去定義人工智慧，看Michael Nielsen的《Neural Networks and Deep Learning》去初步了解神經網路和深度學習，學習python並在網上找些手寫字識別的項目代碼去驗證（為什麼不自己寫？哈哈，為什麼要自己寫，既然能找到。。。就是比較辣雞純自己寫的話可能要寫一年吧。現在回想，我好像腦袋裡只有底下這張圖了。）

圖片來源：Michael Nielsen《Neural Networks and Deep Learning》

我本來認為，自己可能可以努努力，然後成為神經網路學習的專家。努努力之後，果然，我發現自己的天賦可能在其他還沒被開發出來的領域裡。想起以前做機器人的時候也是什麼都不會，但是一群人一起學一起商量一起做就發現原來自己還挺厲害，可能在打群架上自己還是有一點作用的吧。

所以，思來想去，我發現還有產品經理這樣一個職位。李開復說，中國人工智慧方面的研究者或者工程師不到700個，是稀缺人才。上周末參加產品經理大會聽到鄧雄博士分享說，懂人工智慧的產品經理可能100個都不到呢。我一聽，可開心了不是，自己可能要成為這100個人中的一個，哇塞，那得多稀缺（雖然他可能就隨口說個數據，也不定義下怎麼算懂）。秉承著自己高興就好的原則，我決定好好想想看，要想成為人工智慧領域一個優秀的產品經理應該具備哪些素質（雖然我連產品經理都不是）

二、人工智慧時代究竟是個什麼時代

天天聽到AI，可是AI究竟是個什麼東西。就像前些年一直在說互聯網+，現在一直在說AI+。到底該怎麼用簡單易懂的語言來描述這個東西的本質是什麼呢？

鄧雄博士的分享里我覺得他總結得很好，人工智慧的本質有兩點：一是人工智慧時代產品和技術的本質是精細化、人性化、智能化；二是人工智慧是一種新的商業模式，從互聯網時代以用戶為核心資產到人工智慧時代以數據為核心資產。

如果只看這種總結就會覺得很虛，但是在全面聽了他的報告之後，覺得人家牛逼得很有道理，起碼在這個層面上，人家問我你覺得人工智慧是什麼啊，我可能會說，就目前來看應該是應用了像機器學習、深度學習這樣的技術，並且人類無法預測結果搞不清中間過程，但是在大數據基礎上演算法的結果超出人們的預期的這樣一個時代吧。就我自己的認知里，像是遍歷搜索這種策略，靠的是計算機的計算速度的演算法，是談不上智能的。或者是按照人類寫好的策略跑的程序，即使在人機比賽中結果優異，也談不上智能。跟計算機比搜索比記憶比速度沒什麼意義，所以這也是為什麼我的定義里有「人類無法預測」。對比來看，我自己的認知格局就很小，確實知之甚少根本談不上去總結這回事。

言歸正傳，我們從鄧雄博士的定義里，好好看看人工智慧的本質。產品和技術的本質是精細化、人性化、智能化。在特定的領域特定的場景中足夠智能。鄧博士舉了Prada試衣間的例子，Prada旗艦店的每件衣服上有一個唯一的標識標籤，用戶試穿該衣服進入試衣間，後台會知道這件事情。同時試衣間的智能硬體會根據試穿者試穿衣服的特點在鏡子上形成推薦。更重要的事情是，這些數據在後端會被融合起來，從而找出為什麼有些衣服經常被試穿卻不被購買，同時把他改造成款式接近的爆款售賣。

圖片來源：2017年產品經理大會上海站ppt

這個例子可以看出來精細化、人性化和智能化，達到了精準營銷，提升了用戶體驗，從而提高了用戶的購買意願。我覺得當下很多產品打著智能的名頭，但是表現形式上往往很不智能，這很打擊用戶的體驗，因為用戶往往是抱著較高的期望購買嘗試的。

看另外一個大的本質特徵，AI是一種新的商業模式，以數據為核心資產。鄧博士認為，目前的AI，還停留在機器學習和深度學習階段，而這兩種技術重度依賴數據。所以目前的AI，是數據互聯驅動的AI，是數據AI時代。互聯網時代，我們強調用戶是核心資產，但是AI時代，數據才是核心資產。這是不是說明用戶不重要了呢？不是的，這要求我們去數據化用戶，而不是通過人腦經驗或者場景化去描述用戶。用數據的方式去反應到開發中去。

這裡說到的AI，都不是強AI，而是比較現實層面的數據AI時代。

三、面對數據AI時代，產品經理需要做些什麼？

我們結合AI產品如何落地來考慮產品經理應該要具備的技能或者素質。

首先是場景化，一個具體的業務如何場景化，如何用數據描述，需要哪些數據，數據怎麼更新？這是在第一個階段產品經理就要考慮的事情。所以一個產品經理，要有很強的業務能力，要對業務流程很熟悉，對業務的升級變更都有所了解。

接著，要考慮產品的設計。既然AI產品的核心資產是數據，所以產品的設計要圍繞數據展開。數據怎麼收集，在哪裡收集，什麼時候收集，怎麼分析，數據結果如何反饋給用戶，用戶的反饋如何收集以最終用在產品優化上。其實例子還蠻好舉的，比如最近支付寶、網易雲音樂的年度賬單都引爆朋友圈，其實對應到上面的過程中，其實在做的就是這件事情。所以，在這個過程中，產品經理的數據思維非常重要。不要認為以上說的數據怎麼分析這些應該是開發做的事情，畢竟前期開發還沒參與到工作中。

然後，產品要把東西交給團隊開始執行了，團隊里有演算法工程師、業務專家、平台工程師、數據分析師，面對這麼多人，如果產品經理不了解每個人的工作，就無法把正確的事指派給正確的人。同時，產品經理要協調各種矛盾。

當結果不好的時候，產品要從哪些方面優化？這也是產品經理要考慮的事情。（怎麼這麼多事情。。）

最早講到場景化，場景需要細分，細分到可以落地的層面，所以這就以為著你需要懂AI知識，知道哪些場景適合AI，哪些不適合。你還需要對需求進行一個排序。所以一個產品經理要有充足的AI儲備。

圖片來源：2017年產品經理大會上海站ppt

四、人工智慧的趨勢

鄧博士分享中提到，基於演算法、算力、大數據的發展，確實迎來了人工智慧的時代，這點大家不要懷疑。

同時他強調說，Gartner預測未來的兩年三年，80%的消費者將大量的消減對APP的使用，取而代之的是開始用不需要瀏覽屏幕來實現的瀏覽。所以一些智能語音助手可能會開始有很大的應用場景。另外就是關於內容的生產上，從目前的UGC(用戶生產內容)可能會發展到MGC（機器生產內容），所以這裡面的商業模式有待大家探索。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！