AI产品经理是实现概率最优和成本投入(可能包含资金投入、技术投入、时间周期选择)之间的平衡者。最近笔者在跟一些AI PM沟通时,存在思维模式偏差的问题,得知这个情况,笔者的一位好友特意送了本《人工智能产品经理 AI时代PM修炼手册》,笔者读完后,感受颇深。
AI PM,需要将人工智能技术和行业知识相结合,并通过产品和项目的落地实现最终商业目标。笔者认为这本书的关键信息在于:不光告诉了AI PM怎么做,更高速了为什么要这么做。
1、AI PM的新定义
人工智能的本质是实现推断的概率可以无限逼近100%,最终代替人类做判断,完成任务,甚至超越人类的思维和判断能力。
这里面人工智能产品经理的角色是实现概率最优和成本投入(可能包含资金投入、技术投入、时间周期选择)之间的平衡者。
人工智能给传统服务和产品进行了赋能,可以分为以下几个类别,行业逻辑短时间不会改变,但可以将以下几个方面结合到传统产品流程上,寻找用户需求和新技术的交叉点。
所以这就会造成传统的交互设计是明确的,而人工智能产品是千人千面的,不同人看到的内容不同,交互逻辑不同,甚至产品形态不同。
那么构成人工智能产品的三要素是什么呢?笔者认为是数据、算法、算力。数据方面包括数据从哪里来、数据质量如何保证、数据治理工作怎么展开等,算法方面要求符合场景、符合研发能力以及可量化评估等,算力方面要求符合满足算法要求、硬件开销合理可控等。
另外人工智能产品成功的必要条件,笔者认为同样分为三方面,一是核心技术,将用户学习成本降到最低,二是产品化,有效传递价值,解决用户需求,三是商业变现,站在用户角度考虑定价,理解用户痛点。
基于产品成功的目标,相应的产品经理需要具有资源管理思维、解决方案思维、目标导向思维。
1)资源管理思维:算法、数据资源、硬件资源(芯片、存储),要衡量投入和产出;
2)解决方案思维:不被其他团队牵着走,用技术/非技术资源生成解决方案(不一定非要用算法模型来解决),干成事儿;
3)目标导向思维:明确项目每个阶段的成果,明确项目中每个节点的责任划分,保证每个节点的输入和输出,以及最终项目输出。
当然,光具备这些思维不行,AI PM需要懂相应的技术,但这里的认知维度和深浅于工程师不同。
1)了解产品的技术手段,能够量化产品表现(模型、算力、数据等),能够量化和竞品对比的优劣势。懂得在A/B测试中设置合理的考核指标,从而明确算法的优化方向;
2)了解行业、业务,根据业务的技术历史、现状、趋势,整理需求。懂得影响产品表现的因素(算法、算力、数据)。了解所用的技术如何组合,成本多少,风险点在哪里;
3)快速学习知识、获取信息,降低和市场、研发(软件、硬件)、测试、设计(UI、结构、电气)的沟通壁垒,并将这种经验沉淀下来,让新人更快上手。
2、AI PM如何懂行业
如何快速深入一个行业,笔者基于自身经验,罗列了如下6个维度:行业特点、行业运行趋势、商业模式、竞争力因素分析、行业整合、政府管制。以个人/家庭服务机器人为例。
那么如何成为一个行业专家呢,笔者根据书中的内容结合自己的思考整理如下:
3、AI PM具体工作有哪些不同
笔者认为AI PM与传统的PM工作最大的区别是需求分析,根据功能性需求和非功能性需求,笔者整理了一个关于需求的checklist。
同时在需求分析也要综合考虑到:
1)预研期间:衡量数据质量、算力资源、上线时间,在算法精度上给出合理量化标准,或者要求增加资源投入;
2)开发、测试、上线后:对量化的目标进行精准地验证,进行A/B测试时可以比较A、B两个方案的效果;
3)复盘期间:总结量化评估经验,和研发团队沟通,了解团队技术实力和算法能力边界。争取量化更靠谱,减少需求变更和额外申请资源。
需求分析这部分,需要AI PM充分了解算法、数据、硬件资源的技术边界。因此,大量学习和了解非常重要。
4、AI PM知识体系
依据笔者上一周分享的《产品经理的知识能力体系搭建》,笔者整理了AI PM的知识体系。
AI PM所掌握的技术知识、行业/业务知识、产品管理知识等,都是在为人工智能产品的本质服务,提高推断的概率,来代替/提升原有的产品或人。那么提高推断的概率所需要用到的算法、数据、算力资源,是AI PM要衡量的投入,而代替或提升原有产品或人所带来的价值就是AI PM最终负责的东西。