本文總結了 AI 產品經理入門前的必備須知，以及入門 AI 產品經理前需要建立的初步認知框架。
01
「人工智慧是未來，而未來已至。」這種論調已經普及開了，可謂是深入人心。
很多產品經理或者還未入行的新人，都在糾結到底要不要做AI產品經理，畢竟帶了「AI」就覺得非常光鮮、非常前沿了，仿佛自己可以趕上一波時代紅利。
所以在講AI產品經理的相關知識前，先勸退一波。
前兩年人工智慧行業大熱，如今已經降溫了很多，但是目前市場上依舊到處可見各種人工智慧培訓班或者各種Python培訓課，似乎不學個Python就跟不上時代的步伐了。
這裡就存在兩個問題，一是學Python是否真的對自己有用，二是人工智慧行業是否真的是人們鼓吹的那樣前景無限。
先說第一個問題：
其實這些培訓班都是在營造一種焦慮感，並利用人們的焦慮感去買單。
並不是說學Python沒有用或者學習一門新技能沒有用，而是說要結合自己的實際情況，在目標明確的情況下選擇要學的東西。
否則只是跟風去做一件事時，最後不僅花了時間花了錢，還經歷了一個痛苦的學習過程，但最後學到的東西不是淺嘗輒止，就是對自己的工作根本發揮不了任何作用。
而關於行業的發展問題，如果自己要是明確想衝入人工智慧行業，趕上所謂的時代紅利，尋找一些工作機會，比如做一名AI產品經理，那依舊是勸退。
信息的傳播是有延遲的，根據信息的傳播路徑可以看到，一個細分領域的行業發展現狀和前沿信息，一定是本行業從業者先獲取到的，比如一些專門做人工智慧公司的從業者，然後是投資圈從業者，畢竟各種風投都在緊密關注著各種行業動向，對各行業的風吹草動還是很敏感的，最後才是媒體端。
從細分行業從業者，到投資圈人士，再到媒體端，原始的信息經過了N手傳播，不僅已經嚴重失真，而且也沒有時效性了。
所以當你在媒體上看到鋪天蓋地的新聞，鼓吹一個行業非常好時，這個行業早已經發生了天差地別的變化，要麼適宜的市場環境已經消失，要麼市場格局已經成型。
當你沒有從事某一個行業，只是在媒體端或者道聽途說了解到一個「風口」，就不要妄想趕上所謂的時代紅利了，現在再衝進去就只是韭菜了，只能被割，就比如現在跟風各種報班學Python的人。
02
那怎麼才能知道一個行業到底好不好呢？
有兩種方法：
一是自己進入這個行業，親自去做一下，之前聽說很多大牛產品經理在創業前，都會先去目標行業摸清狀況，獲取了充分的一手信息後，才真正殺入這個行業開始創業。比如在開咖啡店前，先去瑞幸或者星巴克打幾個月的工，而不是貿然創業。第二種方法則簡單一些，去諮詢這個行業的前輩就行，雖然是二手信息，但至少要比在網際網路各種媒體上看到的各種信息靠譜得多，尤其是一些所謂專業大機構做的行業分析報告，信源都不能保證真實性，而且很多行業數據也可能是自己捏造的。人工智慧行業也是一樣的，要想知道人工智慧行業現在到底是什麼狀況，要麼自己去頭部公司做一下，要麼就去和從業者直接聊聊。
最近看到一個很有意思的「段子」，
在知乎上有人問：人工智慧未來會替代哪些行業，會不會造成大規模失業？
許多人很認真地在長篇大論，分析不同行業的被替代難度，但是有一個回答是：不知道未來能替代多少行業，也不知道會造成多少失業，但現在人工智慧的從業者好多都失業了。
其實這就是當前人工智慧行業的真實現狀，在行業從過熱到現在的遇冷，熱錢逐漸退去，也終於知道到底是誰在裸泳了。
人工智慧行業面臨的最大問題是：難以落地，找不到合適的應用場景。
所謂的燒錢搶市場是不可持續的，核心是能不能找到真實的用戶需求，並真正能解決問題。
企業是否能實現正的現金流，決定了是否能在資本寒冬期活下來。
能盈利的生意，不一定是一門好生意，但至少不是一門壞生意。
能盈利，至少可以靠自己活下來，說明不是一門壞生意，但是否是一門好生意還要看市場規模，也就是天花板是否足夠高，以及自身是否具有規模效應，在擴張的過程中邊際成本能夠降低。
用PPT講故事的，大多是偽需求，現在人工智慧落地比較好的幾個行業，也是需求已經被證實了的，比如安防、金融等。
結論就是：不建議其他行業的產品經理或者產品新人現在進入人工智慧行業。
最好先在一些成熟行業做產品，比如電商、金融、內容社區等。
拿自動駕駛舉例，自動駕駛也許確實是未來，但是近5到10年沒有全面應用的可能。現在你要去做自動駕駛產品經理，覺得有先發優勢，實際上能學到的東西很少。
因為現在自動駕駛依舊在實驗和測試階段，產品還沒有成型，且產品的核心也在技術團隊，產品經理能發揮的價值非常有限。
所以現在直接去做自動駕駛產品經理，可能會無事可做，因為沒有那麼多用戶，沒有那麼多場景，自然也沒那麼多需求。
不過，可以先去滴滴這樣的出行公司，因為滴滴基本已經成為出行行業的「水電煤」，承擔了網際網路行業基礎設施的角色，不但行業非常成熟，而且積累了大量的出行數據，做自動駕駛自然也非常有優勢。
當你在出行行業積累了大量經驗後，等到自動駕駛成熟，再進去也不遲，因為可以復用已有的經驗，反而會優勢更大、進步更快。
比如特斯拉，馬斯克做電動汽車時，高薪挖了大量傳統汽車行業的人才，在已有行業基礎上再進行創新。
科技的發展一定是連續的，在已有技術的基礎上不斷迭代改進，最終在某個節點上，實現從量變到質變。
03
如果經過上面的勸退，你的目標依舊沒有被動搖，並已經有了充分的心理預期，那要進入人工智慧行業，做一名AI產品經理，也是非常不錯的。
因為無論做什麼事，信念堅定是第一步，自己相信自己才能把事情做好。
在AI行業做產品經理和其他行業做產品經理，沒有什麼本質不同，產品方法論是基本一致的，但是不同點是AI行業更強調業務落地。
以下是在讀《人工智慧產品經理》一書時，我整理的10個問題，可以對入門AI產品經理建立初步的認知框架。
1. 人工智慧和網際網路時代的不同是什麼？
網際網路主要是重構生產要素（即重構商業模式），人工智慧則是升級生產要素。
比如在出行領域，出行平臺直接連接了司機和乘客，重構了線上、線下的出行流程；但是人工智慧則是從自動駕駛技術切入，重構了車輛和司機本身。
2. 人工智慧的本質是什麼？
人工智慧產品本質上都和一個概念有關，即概率。
基於過往積累的數據，計算接下來可能發生事件的概率，這就是所謂的預測未來。
人工智慧做出的每一個推斷和預測都伴隨著行為結果的不確定性。
3. 人工智慧沒有普及的原因是什麼？
人工智慧沒有普及的原因是：在不同行業的不同場景中，人們對人工智慧在概率表現方面的期望值不同，這就造成了不同領域的普及速度不一樣。
比如醫療領域，人工智慧實現85%的診斷準確率，是不能得到普及使用的，但是概率上升到99.99%，就可以實現普及使用。
但是這個要注意一個問題：計算概率時的樣本。
之前特斯拉因為自動駕駛出了多個事故，馬斯克發推特說自動駕駛比人工駕駛安全得多，發生事故的概率遠遠低於現在社會的整體交通事故概率。
這似乎也符合人們的直覺，特斯拉發生的交通事故可能只是個位數，但是路上的交通事故天天都有，所以是不是對新技術太過苛責了？
其實馬斯克的言論犯了一個錯誤：他在說特斯拉的事故率時，樣本是很少的，而整體交通事故率是基於整個社會上的車輛數和裡程數，這個樣本則是巨大的，可能特斯拉自己再多出幾次事故，事故率馬上就翻番了。
因此基於現有樣本計算出的特斯拉事故率是不準確的，不能直接下結論說，自動駕駛的事故率就低於人工駕駛的事故率。
只有等到特斯拉自動駕駛的車輛數和裡程數積累到一定量級，樣本足夠大後，才能和人工駕駛的事故率進行比較，也才能真正證明自動駕駛是否更優於人工駕駛。
4. 產品經理設計AI產品的核心是什麼？
產品經理在設計AI產品時，要能夠平衡概率最優和成本投入。
產品經理需要判斷能滿足用戶需求的概率是多少、用戶接收的最低標準是什麼、超出用戶預期的標準是什麼，依據這些判斷去決定產品研發的投入策略。
不要追求完美，因為產品的商業化成功才是第一位。
5. 產品經理設計AI產品時要從哪些方面考慮問題？
人工智慧的三要素是：算法、算力、數據。
那麼AI產品也要從這三個要素入手考慮問題：
（1）算法層面：產品經理應該對主流的算法模型和框架有基本的認知，要做到在不同算法在不同場景下的使用效果進行量化評估；
（2）算力層面：產品經理要從需求出發，衡量產品功能所需算法模型需要怎樣的系統架構支撐，並能夠評估硬體開銷，綜合評估後要判斷採用平臺即服務還是自建計算平臺；
（3）數據層面：產品經理在設計之初就要考慮數據從哪裡來、數據質量怎麼保證、數據治理的工作怎麼開展等問題；
AI產品的核心競爭力在三要素交叉的黃金地帶。
6.人工智慧產品的成功和哪些要素有關？
核心技術、產品化、商業化三要素對一款人工智慧產品的成功缺一不可。
（1）核心技術：核心技術是人工智慧產品成功的第一要素。
（2）產品化：宣傳產品價值（以快捷、低門檻的形式觸及用戶）、快速證明價值（制定策略使用戶快速了解產品、快速用價值打動用戶）、交付用戶價值（保證長期穩定地將價值傳遞給用戶）、延展價值（讓用戶依賴產品，將產品融入用戶的生活中）。
（3）商業化：產品化決定了產品的價值空間，商業化決定了產品將價值變現的能力。
7. 產品經理商業化AI產品的思路是什麼？
人工智慧的商業化需要產品經理能夠把場景、痛點分析透徹，並評估產品能帶來的價值和研發成本後，制定適合的商業推廣策略和產品定價包裝策略，甚至在必要的時候進行產品定位調整，最終實現產品變現。
兼顧技術和市場前瞻性是人工智慧產品經理必備的素質。
8. 產品經理是否應該懂技術?
了解基本的機器學習算法，知道各種算法的應用場景是什麼、分別能解決什麼問題、各自的優劣是什麼就足夠了。
（1）產品經理應該對所在領域的產品研發過程中每一個技術動作的原理和最佳實踐有深刻的理解，能夠進行熟練的解釋說明。
（2）產品經理要能夠融入到研發過程，比如想辦法為團隊提供高質量的學習數據集；
（3）掌握前沿技術的實踐應用；對技術發展趨勢有所洞見，才能設計出有競爭力和前瞻性的產品；
9. 人工智慧的核心技術有哪些？
人工智慧的核心技術：自然語言處理、人機互動、計算機視覺、生物特徵識別、語音識別、虛擬實境、增強現實、混合現實等。
人工智慧的應用和服務分為三大類：語音和文字處理、圖像和視覺、大數據分析和預測。
10. 人工智慧公司有哪些類型？分別對產品經理有哪些要求？
（1）行業+人工智慧公司：依賴自身的多年領域積累，給用戶提供人工智慧賦能後的產品或服務；比如福特、通用等研發自動駕駛技術的傳統車企；
在此類公司，產品對行業的理解力和對行業趨勢的洞察力是核心；
（2）應用人工智慧公司：提供基本功能，如人臉識別、語音識別等，客戶可以直接調用接口；
應用AI技術公司的商業模式以TO B為主，產品經理的KPI是項目回款，因此產品經理需要有一定的商務技能（售前、銷售）；同時因為需要定製化開發，產品經理要明確區分標準化產品和定製化產品；
（3）研究核心技術/基礎平臺的公司：從底層平臺需求出發，構建AI計算平臺的硬體單元研發、數據治理、AI建模等；
在研究核心技術/基礎平臺的公司，產品經理側重於對底層技術框架的理解。
本文由 @嶽小魚 原創發布於人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基於CC0協議