人工智能產品經理AI時代PM手冊PAGEPAGE163目錄TOC\o"1-2"\h\u14392第1章人工智能時代重新定義產品經理 3286001.1人工智能時代產品的特殊性 623291.2人工智能產品經理的價值定位 18240691.3人工智能產品經理需要兼具“軟硬”實力 2166621.4人工智能產品經理入門 277142第2章懂行業的產品經理才不會被人工智能淘汰 335212.1人工智能時代將公司重新分類 3592262.2什么叫作“懂行業” 39147782.3如何修煉成為行業產品專家 48232332.4本章小結 524571第3章定義人工智能產品需求 5373403.1重新定義需求分析 55122343.2量化需求分析 7220464第4章人工智能產品體系 79180254.1人工智能產品實現邏輯 80296804.2基礎設施 83141944.3數據采集 92194164.4數據處理 101267104.5機器“大腦”處理過程：理解、推理和決策 103252144.6資源配置統籌的關鍵環節：系統協調 107120474.7不可逾越的紅線：安全、隱私、倫理和道 109231494.8運維管理 1197827第5章機器學習 123212625.1什么是機器學習 125306655.2機器學習流程拆解 135133845.3人工智能產品經理必備的算法常識 141274325.4機器學習的常見開發平臺 15631773第6章人工智能產品經理工作流程 161308366.1設定清晰的目標 162179156.2技術預研 164259056.3需求分析和產品設計 176168686.4充分參與研發過程 187183606.5持續的產品運營 19116801第7章方法論、溝通和CEO視角 192215427.1蛻變的必經之路：端到端產品管理 193298347.2跨部門溝通 201167527.3用CEO的視角進行產品管理 205第1章人工智能時代重新定義產品經理來到人工智能技術廣泛應用的時代，傳統的產品經理面臨著巨大的挑戰，無論是工作流程、價值定位還是工作協同方式都面臨著巨大的變革。如果說互聯網對人類的主要貢獻，是通過優化和創造信息存儲和傳遞的方式重新組合各種生產要素，即重構已有的商業模式，那么人工智能的主要貢獻就是升級生產要素（勞動、土地、資本和企業家才能），進而推動產業升級。例如，同樣是交通和出行領域，互聯網時代最典型的產品是一站式出行平臺。本質上是通過提供乘客與司機緊密相連的出行全流程平臺，將線上、線下的出行流程進行整合和優化，最終實現商業變現。而人工智能產品在該領域采用了完全不同的顛覆性策略，即以自動駕駛技術作為切入點，賦予車輛自動駕駛的能力，更關注產品和服務作為生產要素本身的升級和創新。反觀互聯網產品，不改變車輛和駕駛本身，司機該怎么開車還怎么開車，換句話說，不改變生產要素本身，更關注生產要素和資源配置方式的優化和升級。基于以上分析可以推斷：對于互聯網產品經理來說，轉型為人工智能產品經理需要的是價值觀和方法論的轉變。隨著人工智能技術的日新月異，產品形態和價值都有無限種可能，產品經理需要擔負起更大的社會責任。就像《終結者2》中的人工智能產品T-800（如圖1-1所示）與液態金屬人T-1000（如圖1-2所示），同樣是頂尖人才設計出的人工智能產品，一旦失去道德底線，越是頂尖的技術，越容易將人類領向另外一個極端。圖1-1《終結者2》中的人工智能產品T-800圖1-2《終結者2》中的人工智能產品T-1000人工智能時代產品的特殊性人工智能是工具，也是新的產品設計思維邏輯從2006年開始，深度學習技術突飛猛進，再加上人類在計算機運算能力及互聯網數據方面的積淀，被賦予人工智能技術的產品終于在多個領域實現了廣泛應用，并取得了巨大的商業價值，例如機器人、自動化技術、智能控制、電商、金融、自動駕駛、醫療診斷、語音與圖像識別、人機交互等。以上所有的應用或產品，本質上都得益于人工智能領域中主流研究方向的發展，如圖1-3所示。圖1-3人工智能主流研究方向回顧人類歷史，每個領域的科技進步都給使用該技術的產品帶來性能和效率上的提升。這些改變過程在本質上都如出一轍，都是在人類需求的驅使下產生了某種技術，最終幫助人類實現了新的行業和新的產品形態，如圖1-4所示。從這個角度來看，人工智能是一種為了解決人類需求而生的工具，而這個工具通常用在傳統解決方案產品上，對其進行改進和提升。圖1-4新行業和新產品的誕生過程人工智能類產品在本質上都和一個概念有關，那就是概率。概率論是人工智能系統推理的邏輯基礎，人工智能做出的每個推斷和預測都伴隨著行為結果的不確定性，也就是對結果的一種賭博。只不過人工智能和人類賭徒不一樣，它無法選擇不去賭博，無論它做什么——即使什么都不做，也伴隨著不確定和風險。因此如果人工智能產品不以概率論作為其規則依據，那么它注定會被那些遵循概率論的其他人工智能產品淘汰。因此，我們也會從概率論角度分析和量化人工智能系統的行為和價值。人類對于世界上絕大多數事情的認識同樣是基于概率。醫生基于病人的病癥進行診斷是基于概率；司機基于時間、地形和行駛過程中的周圍路況駕駛汽車是基于概率；投資經理基于客戶實際情況和需求，并結合自身的經驗給出客戶最佳投資組合策略也是基于概率。人工智能技術作為一種工具，能夠輔助甚至替代人判斷和解決問題，在本質上也離不開通過對不同事件發生的概率進行判斷和預測。人工智能的概念已經被提出很久了，但產品或服務遲遲沒有得到廣泛認可的本質原因，就是之前的產品從概率上并不能大范圍滿足用戶的需求，甚至還不如傳統方式的效果好，因此也就沒法形成產品或服務的升級，更別提替代人解決實際問題了。例如，如果人工智能可以實現85%的診斷準確率，顯然無論患者還是醫生都沒法完全放心使用這樣的產品，當概率上升到99.99%時，或許很多醫生才會選擇其作為一種輔助診斷工具。在不同行業的不同場景中，人類對于人工智能在概率表現方面的期望值不同，這就造成了人工智能產品或技術在各個領域中的普及速度參差不齊?；谝陨戏治霾浑y理解，人工智能的本質就是實現推斷的概率可以無限逼近100%，最終替代人類做判斷，完成任務，甚至超越人類的思維和判斷能力。而人工智能產品經理在設計人工智能類產品的時候，就充當了實現概率最優和成本投入（可能包含資金投入、技術投入、時間周期選擇）之間的平衡者。人工智能產品經理需要在具體的業務場景中，判斷人工智能可以達到的推斷概率能否解決用戶的需求，以及這種概率被用戶接受的最低標準是什么、能夠超出用戶預期的標準是什么，并依據這些判斷決定對產品研發的投入策略。在實際的產品管理過程中，人工智能產品經理在拿捏這個尺度的時候不能一味追求完美主義，因為產品商業化的成功永遠是排在第一位的。除概率論以外，一個人工智能產品的實現也離不開數學、統計學、生物學、遺傳學、進化論的理論支撐，因此人工智能產品經理應理解各種學科理論的邏輯對產品設計產生的影響。人工智能技術給傳統的服務和產品賦能根據產品或功能要實現的目標，人工智能類產品可以歸納為如下幾個類型：個性化精準服務（例如金融產品個性化推薦）、替代簡單或重復勞動（自動駕駛）、提升效率和準確率（反金融欺詐系統）、提升用戶體驗（通過語音輸入下達控制指令的智能居家機器人）以及自主創作（如DeepDream可以提供繪畫的創作、Sunspring可以提供電影劇本的創作）。上面描述的所有人工智能類產品在本質上都顛覆了傳統的產品設計流程。例如，傳統的產品設計邏輯是設計確定的交互流程，而且是越明確、越詳細越好，產品經理還常常因為PRD（Product Document）文檔寫得不夠詳細、交互說明不夠具體，而在評審會上被發人員挑戰。而當你設計人工智能類產品時，有時明確的交互邏輯反而限制了研發的工作。在使用同一款產品時，不同用戶看到的頁面內容不同，交互邏輯不同，甚至連產品形態都不一樣，產品的這種“千人千面”的特性讓產品經理沒法將每個用戶點擊某個按鈕后的效果都描述出來。我在這里想表達的并不是人工智能產品不再需要設計產品交互和邏輯流程，這些依然是產品經理的工作內容之一。例如，電商產品經理依然需要精通電商后臺的設計邏輯，社交產品經理也依然需要了解用戶時刻變化的社交習慣來設計最新的社交功能，這些都屬于對行業的理解范疇，行業邏輯在短時間內不會改變，改變的是將傳統的產品流程賦予上面提到的人工智能所擅長的幾個能力范圍，人工智能產品經理應該學會找到用戶需求和新技術的交叉點。舉一個人工智能產品的案例。電商平臺中的搜索是用戶的主要入口和在線購物流程中的關鍵環節。搜索技術發展到今天，已經實現了智能交互搜索引擎。在過去，產品經理在寫這類功能的PRD的時候需要明確以下兩點。搜索框中的默認查詢詞是什么。如果有實時預測功能（輸入時實時展現搜索結果，而無須回車或點擊搜索按鈕），示幾個推薦結果。但在今天，隨著自然語言理解、自然語言生成對話策略以及知識圖譜技術的快速發展，搜索已經演變為一個深度智能交互功能，因此上面的這種產品設計方式無法滿足需求。比如，用實時在線的深度學習技術和強化學習技術，通過分析用戶的線上行為數據（搜索關鍵詞、近期的購買記錄及瀏覽記錄等），實時預測用戶的意圖，進而通過引導式銷售（一種銷售員通過訓練后可以具備的專業銷售技巧）引導用戶的需求確認，最終完成線上銷售流程。比如用戶在搜索“男鞋”的時候，系統會自動提示“您想要一雙在什么場合下穿的男鞋”“您偏好什么顏色的男鞋”，用戶如果分別選擇“跑步”“白色”，系統又進一步引導用戶“您經常在平地跑步還是山地跑步”，用戶接下來可以進行進一步的個性化選擇。用戶既可以隨時終止這種對話，也可以繼續對話，直到找到他的目標，如圖1-5 所示。當戶完成這樣的交互后，系統會記住用戶之前的購買意圖，待用戶在不同的頁面進行瀏覽時，頁面中產品顯示優先級就會自動按照用戶之前的意圖排序。圖1-5具備深度智能交互功能的引導式搜索看到這里，你一定很納悶，人工智能的產品形態到底是什么？答案是：沒有固定形態。實際上人工智能只是一種將傳統產品或服務賦能的手段而已，將各種“中間件”（通常是一種訓練好的模型，當輸入一定數據后自動返回一定的輸出值）、傳感器等不同形式的軟件、硬件融入傳統產品或服務的使用或體驗流程中。例如，自動駕駛汽車就是一個典型的集成了傳統汽車的各種零部件，以及雷達、測距儀、攝像頭、高精地圖和各種算法模型的人工智能產品，如圖1-6所示。圖1-6自動駕駛汽車當然，一個看起來極其簡單的Web搜索引擎，一款App上的自動聊天機器人，一個長相可愛的居家機器人，如圖1-7所示，這些都可以成為人工智能產品。因此，產品經理不應局限自己的想象力，人工智能只是一種工具而已，產品的終極目標仍然不變——為用戶創造最大價值，提供最佳用戶體驗。圖1-7居家機器人構成人工智能產品的三要素近幾年來人工智能的快速發展離不開深度學習（DeepLearning）在圖像識別、語音識別、自然語言處理、信息檢索、機器翻譯、社交網絡過濾、生物信息學和藥物設計等方面的成功應用。作為機器學習算法家族中的一員，深度學習在每個應用場景中的落地都離不開算法、計算能力、數據“三要素”，如圖1-8所示?！叭亍毕嚓P技術近些年來的快速迭代和積淀，是促使人工智能技術得以廣泛應用的根本原因。圖1-8人工智能產品“三要素”行算法的門檻。GPU、TPU逐步降低也基本掃清了計算能力的障礙。學習的基礎。既然“三要素”如此重要，人工智能產品經理就需要從產品規劃的初始階段開始，到最終產品上線后的運營，在整個產品管理過程中考慮如何為研發團隊創造“三要素”的最佳環境。在算法層面：設計的產品要和公司現有的算法研發能力相匹景下的使用效果進行量化評估。有關這方面的知識會在第4章詳細展開論述。在計算能力層面：產品經理要從需求出發，衡量產品的功能所需求的算法模型需要怎樣的系統架構支撐，并能夠評估硬件開銷。綜合考慮利弊后要判斷采用平臺即服務（PlatformasaService，PaaS）的方案還是自建計算平臺。例如，產品設計中包含了實時在線的智能語意搜索和智能內容推薦功能，這對于產品底層在線學習的能力就有極高的要求，為了實現這種能力，需要投入大量計算硬件（例如GPU卡）。在數據層面：在機器學習領域，數據顯然已經變成了兵家必慮到數據從哪來、數據質量怎么保證、數據治理的工作怎么開展等問關跨部門協調能力，會在本書第7章具體介紹。人工智能“三要素”是構建人工智能產品核心競爭力的重要手段，任何一種要素都不足以讓產品在市場上建立絕對優勢。產品經理應在定義產品核心競爭力的時候就主動尋找三要素交叉組合的“黃金地帶”，如圖1-9所示。這無論對于建立產品競爭門檻還是吸引外部投資都是很有幫助的。圖1-9人工智能產品的“黃金地帶”人工智能產品成功的必要條件正如本書前言中舉的案例那樣，很多公司盲目招聘人工智能人才，就是因為不了解從技術到產品，最終到產品發揮商業價值的距離。要想回答這個問題，我們可以從一個人工智能產品成功的必要條件角度進行分析。概括起來，核心技術、產品化、商業化三要素對于一款人工智能產品的成功缺一不可。核心技術：人工智能時代的產品成功不同于過往任何一個時之間競爭的戰場早已經從可見的、功能性方面轉換到了更多維度的比拼。而且人工智能產品給用戶帶來的往往是“零感知”技術，即用戶沒有任何學習成本，甚至都察覺不到這種“高科技”，但實際上已經實現了更優的產品體驗。例如，某些手機廠商的人臉識別技術采用了3D人臉重現技術，采用的深度感應鏡頭融合了VCSEL紅外激光器、NIR多重濾波片及濾光接收模塊，不僅使用的算法復雜，而且集成到手機端的分析能力大幅增強，實現了在人臉解鎖功能上的2D技術無法超越的安全級別，如圖所示。圖1-103D人臉重現技術另外，憑借傳感器硬件和復雜算法實現的3D建模能力，還可以幫助企業實現更多的應用創新，應用了這種技術的企業在未來的手機競爭中就取得了絕對的制高點。另外，深度感應鏡頭也應用在人體跟蹤、三維重建、人機交互、即時定位與地圖構建（SimultaneousLocalizationandMapping，SLAM）等領域，公司一旦具有這種技術，在未來的競爭中將占據市場先機，甚至造成與競爭對手完全不在一個跑道上競賽的局面。因此，核心技術是人工智能產品成功的第一要素。產品化：核心技術在本質上只是解決用戶需求的一種手段，低門檻的形式觸及用戶（宣傳、推廣），通過延展價值形成用戶持續的消費，如圖1-11所示。圖1-11產品化演進過程人工智能產品在產品化的不同階段，都面臨著比傳統產品更大的挑戰。首先，人工智能產品的技術邏輯本身就很難被詮釋清楚，尤其是對于一些前期并不為人所知的新品牌而言，建立信任是第一步。其次，無論人工智能產品多么具有科技含量，如果產品無法快速證明它可以帶來的價值，就無法促使用戶產生購買欲望。因此，制定讓用戶快速了解產品的策略、快速用價值打動用戶是非常關鍵的一步。再次，用戶一旦產生了購買行為，就與產品建立了緊密的聯系，在長期的使用過程中產品需要經得起考驗，保證長期穩定地將價值傳遞給用戶。人工智能產品往往能在效率、便捷度、人性化等方面讓用戶體會到產品的價值。最后，人工智能產品除了需要向用戶傳遞價值，還需要與用戶建立更多的連接，也就是讓用戶依賴產品，將產品融入用戶的生活中。只有這樣，才能延展其價值并促使用戶產生更多購買行為，為企業創造持續變現的機會。商業化：如果說產品化決定了產品的價值空間，商業化則決性，另外一方面技術的預期效果也比較難評估。因此人工智能產品經理不能利用過去的經驗，來評估產品的成本結構，制定產品的定價策略，而是需要站在用戶角度考慮產品定價策略，深入理解場景和用戶的痛點在哪里。算。如果你設計一個菜品識別（機器視覺）、報價、收費的收費機器省了一個勞動力。但是你要仔細想想，食堂檔口的老板會這么認為嗎？收銀員只是在用餐高峰期充當收費的角色，在不忙的時候可能會被安排洗碗、擦地，甚至需要在后廚兼做一些幫廚的工作。盡管在用餐高峰收費這個環節的勞動力被省下了，但是機器人能替代人完成其他任務嗎？因此，這款產品的定價一定不會很高。由此可見人工智能產品的商業化需要產品經理能夠把場景、痛點分析透徹，并在評估產品能帶來的價值和研發成本后，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。人工智能產品經理的價值定位產品經理這個崗位到了人工智能時代面臨著重新定位，主要原因如下。新技術的引入導致了全新的組織架構的調整，形成了新的合作分式。新的技術手段帶來了完全不同的產品生命周期管理方式，在產品同的迭代規律，因此產品經理需要重新梳理產品管理流程。人工智能技術在給產品帶來更大的邊界和想象空間的同時，也伴刻把控風險。在人工智能時代，產品經理可以被定位成公司中的三種關鍵角色。擁有市場和技術前瞻性的帶頭人蘋果公司在設計iPod時，產品團隊的負責人喬恩·魯賓斯坦（JonRubinstein）找到了一款適合iPod的存儲設備。在當時，全球范圍內只有東芝公司正在研發一個1.8英寸見方的硬盤，其帶有5GB的存儲空間，當時東芝也并不知道這個產品能夠解決什么樣的需求。當東芝的工程師把這個小東西展示給喬恩·魯賓斯坦時，他立刻就決定將它放入iPod里，把1000首歌裝進用戶的口袋！上面這個案例說明，如果產品經理沒有敏銳的科技嗅覺，如果失去了技術的前瞻性，那么偉大的產品就不會誕生。在人工智能時代，有大量新的技術仍然停留在實驗室階段，有大量算法模型和框架還停留在理論階段，并沒有被投入實際使用！在很多公司里，研發者花費了大量的時間研究新的技術，僅為他們自己創造了好用的工具而已，而并沒有從業務角度和用戶的實際需求出發。產品經理在這種企業中就經常淪為為研發者設計產品的尷尬角色，而正確的做法是：產品經理帶領研發人員向前走，而非研發人員帶領產品經理向前走。盡管我們也倡導技術驅動創新，但如果產品經理不能把控產品方向，那么公司將面臨巨大的風險。近些年，已經發生了太多由理想化的技術決定產品走向，而最終導致失敗的案例了。產品經理是與用戶、市場接觸最多的人，應具備市場前瞻性，找到產品的目標市場定位，并判斷哪些前沿技術可以解決這些用戶的痛點。因此，兼顧技術和市場前瞻性就成為了人工智能產品經理必備的素質，兩者中任何一方面的偏科都可能導致產品失敗。技術賦能創新的驅動者在某些公司中，研發者更傾向于使用新技術為自己創造產品。造成這種現象的原因是公司缺乏技術賦能創新的正確辦法。產品經理只顧著帶領產品團隊創新，故意讓研發人員專注于技術工作，其實是導致上面這種情況的本質原因。研發團隊如果不能從用戶的滿意度和產品功能的價值上獲得成就輯和理由，在產品上線后將用戶的反饋（無論好的還是壞的）間分享給研發人員，這樣他們一定會產生巨大的動力和激情?！凹夹g驅動產品創新”，看似一句簡單的口號，其背后卻需要產品經理主動連接研發人員和市場反饋，激發團隊的創造力，最終實現從技術到創新的快速轉化。道德準則的守護者看過美劇《西部世界》的人一定對安東尼·霍普金斯（AnthonyHopkins）出演的羅伯特·福特（Robert Ford）這個角色不陌生。他作整個西部世界的創造者，同時也是整個虛擬世界中最大的產品經理，為每一個接待員（也就是被設計出的人形機器人）設計了完整的記憶及人物背景，這里面包括被他用來殺害人類的機器人。盡管電視劇中的劇情是虛構的，但至少說明一個問題，優秀的產品經理可以創造出令人嘆為觀止的對人類有益的人工智能產品，同時也可以創造出另外一個極端。在天堂和地獄之間只隔了一個產品經理。人工智能時代的產品經理不僅需要能設計出邏輯縝密的產品，更需要將倫理和道德考慮到產品設計中。例如在設計人機交互的產品時，要充分考慮不同身份的用戶帶有的特殊社會屬性，比如殘疾人、老人、兒童、少數族裔等弱勢群體，否則很容易產生類似歧視、隱私侵犯以及傷害人類的情況[此書分享V信wsyy5437]。這也是現今很多美國人工智能公司成立了倫理審查委員會（EthicsCommittee）的原因。該組織是由不同領域的專家組成的獨立組織，其職責為檢查人工智能產品的設計方案是否符合道德，并為之提供公眾保證，確保用戶的安全和權益受到保護。該委員會的組成和一切活動不應受到產品設計者和公司其他成員的干擾。高度，產品管理的能力和商業化能力考核的僅僅是產品經理的技術水平，更重要的是要考核其道德水準。人工智能產品經理需要兼具“軟硬”實力人工智能產品經理需要懂技術關于“產品經理是否應該懂技術”，在互聯網時代一直是一個頗有爭議的話題。來到人工智能時代，恐怕這個話題的答案終于要水落石出方向和技術如何融合產品有自己獨到的認知。首先要澄清一個概念，什么叫“懂技術”描述。盡管產品經理不需要親自參與到算法模型選擇、調參、特征利于公司內部的協調溝通。能力及對比其他幾種技術實現手段的優劣等，都是產品經理需要理解的“技術”。在利用人工智能技術進行產品研發時需要產品經理能夠融入并提供研發所需要的成果物。假如你是負責肺癌識別引擎的產品經理，產品的目標非常明確，就是提升疾病預測的準確率。交互設計顯然不是產品建立門檻的關鍵，產品經理需要為算法團隊創造更好的條件來完善模型。產品經理應首先了解精準醫療領域（尤其是肺癌識別）的技術常識，包括技術的歷史背景、技術現狀及未來技術的演變趨勢等。當掌握這些信息后，你會發現影響模型準確度的關鍵因素至少包隊提供高質量的學習數據集。本書第6章對于產品經理如何參與研發過程有詳細描述。掌握前沿技術在產品所在領域的應用條件和最佳實踐。本質心是“流量”，那么人工智能產品就是利用“軟/硬件基礎設施”“數據”“算法”作為生產材料完成生產力的升級，帶來更好的用戶體驗。因此，產更加多元化。都有哪些，每種架構都適合什么樣的用戶使用場景。產品如果包含硬及生物識別的原理、視覺識別的原理、采用3D還是2D視覺識別方案等方案的軟件研發、硬件研發/集成的成本和風險，最終綜合所有這些技出有競爭力的、有前瞻性的人工智能產品。本書后面的章節還會詳細闡述產品經理應該懂哪些技術，以及如何通過技術知識建立產品核心競爭力等。會用數字表達和評判如果說上一個時代的產品經理設計出的大部分產品都是看得見摸得著的，產品可以通過原型設計和交互說明文檔完成設計理念的傳遞，那么人工智能時代的產品經理在以上提到的工作內容基礎上，還需要投入大量的時間和精力將產品的目標用數字量化表達。比如前面提到了概率在人工智能領域的重要性，產品經理需要能夠使用明確的量化方式表達自己的設計理念和設計目標。舉個例子，搜索在電商平臺中是用戶購買商品的入口，也是一種重要的商品推薦功能，用戶通過關鍵字輸入搜索意圖，引擎返回和搜索意圖匹配的個性化結果。在設計電商平臺的搜索功能時，產品經理需要明確把算法優化后帶來的千次搜索GMV（GrossMerchandiseVolume，商品交易總量）提升率作為本次迭代的考核目標，如果你作為產品經理沒有長期關注到歷次迭代中GMV的增長情況，就無法對比算法優化前后的效果。當新的搜索算法研發出來后，通常需要進行A/B測試以降低新特性的發布風險，如果產品經理在需求描述階段沒有明確的量化目標，A/B測試時就無法衡量哪個版本效果更好，最終的結果就是不僅研發人員沒有獲得成就感，公司領導也不知道你做了什么貢獻，自然也不會給你更多的資源用于以后的迭代。當然這個案例只是為了證明量化表達的價值而舉的一個簡單案例，更深入的關于需求量化的內容會在第4章詳細描述。懂得溝通和協作的藝術理的價值會被放大。主要有如下幾個原因。團隊組織架構重新調整。日新月異的技術手段需要產品經理快速學習和適應。產品研發流程需要更多跨部門協作。團隊組織架構重新調整隨著機器學習算法在各個公司的產品線中得到廣泛應用，公司內部的組織架構將由于分工精細化而進行調整。例如機器翻譯產品需要使用Sequence-to-Sequence模型（一種專門用來解決序列到序列的監督學習問題的算法，適用場景包含對話機器人、自動生成古詩詞和對聯等），那么公司很可能成立專門的模型研發組以便于后期的模型迭代和優化。知識圖譜（Knowledge Graph）通常在互聯網公司被各條產品線的研發人員廣泛使用，那么在公司內部也會成立專門維護公司知識圖譜的研發組。除此以外，由于機器學習需要大數據的支撐，數據評測（DataTesting）組也是另外一個在數據挖掘領域細分出來的部門。產品經理需要了解這些新的部門、新的成員加入團隊后帶來的分工和工作流程上的變化，通過合理的資源整合，在團隊中發揮類似于潤滑劑的作用。日新月異的技術手段需要產品經理快速學習和適應正如之前提到的產品經理需要懂技術，在人工智能時代產品經理協作的對象不僅是前端工程師、后端工程師、交互工程師、UI需要和算法工程師緊密配合，如果對算法一竅不通，就沒法和他們進行深入交流，失去了交流，就沒法驅動公司的技術創新。在機器學習領域，尤其是深度學習領域的技術不斷發展，算法工程師需要投入大量的時間調研最新的科研論文和最佳實踐，產品經理也需要緊跟算法工程師的步伐，快速豐富自己的知識體系，只有拓寬了自己的知識邊界，才能實現比競爭對手更好的前瞻性和創造力。不過，產品經理在學習技術的時候還是需要掌握一些技巧的，這和研發人員學習技術的方式和目的截然不同?？梢匝杆僬{取知識，而非死記硬背。例如機器學習算法涉及便捷，很多知識只要在需要的時候能迅速找到就可以了。從業務需求出發，追本溯源找到知識的源頭，帶著目的去學或者去世界頂級期刊訂閱一些所在行業內部應用到人工智能技術的論文。這些都是高效學習的方式。除日常的知識積累外，產品經理需要經常和公司內部的技術數學、哲學、認知科學、心理學、計算機控制、生物學、仿生學等學創新往往來源于不同領域的知識交叉。產品研發需要更多跨部門協作人工智能時代的產品由于具有更復雜的產品架構，往往需要更多部門的協同，圖1-12是一個電商平臺中的智能人機交互產品的產品架構。圖1-12電商平臺中的智能人機交互產品架構從這個產品架構圖中可以看出，人工智能產品從工程流程上來說，需要更多的跨部門協作才能完成研發工作。尤其是當數據來源于不同部門時，有海量的數據加工和挖掘，產品經理需要協調數據科學團隊共同完成某個產品的研發工作。在公司還沒有成立統一的數據平臺前，產品經理就是公司內部數據整合工作的發動者。只有產品經理最懂行業，最懂業務，而數據治理永遠是業務驅動的，因此產品經理做這個協調工作再適合不過了。人工智能產品經理入門如果你認真讀完以上的章節，你可以看到相比于傳統產品經理的能力模型，人工智能領域在數據分析、軟/硬件的技術整合以及團隊協同方面都對產品經理這個崗位提出了更高的要求。那么在人工智能時代，如何能夠成為一個合格的人工智能產品經理呢？我總結了幾點建議給想要轉型為人工智能產品經理的人。修煉思維模式：資源、解決方案、目標導向要想在產品管理工作中變得優秀，本質上不管你是不是在人工智能領域從業，都需要從訓練自己的思維模式開始。以往產品經理在設計產品時，會將大塊時間分配到功能邏輯、流程推敲和頁面設計上，而人工智能時代的產品比拼的不僅是前臺功能和交互設計，還包括硬件運算架構、算法模型、有效訓練數據等的綜合實力。同時由于深度學習的訓練和推斷對硬件（如運算芯片、存儲等）有不斷升級的需求，產品的硬件架構會隨著算法技術的演進和訓練數據所需的計算能力同步進行升級。產品中各種硬件和軟件模塊的重構、改良會變得越來越頻繁，因此產品經理需要具備系統性思維，即把問題放在整個系統中進行綜合分析，權衡利弊，得到最佳解決方案。根據人工智能時代的特點，產品管理思維可以被分為三種類型，如圖1-13所示。資源管理思維

圖1-13產品管理思維的三種類型產品經理應關注資源的投入和產出。通常在設計一款人工智能產品的時候需要考慮至少三個方面的資源投入：算法、數據資源（訓練集、研發集、測試集等）、硬件資源（計算芯片、存儲及各種構成產品的硬件組件）。首先，由于人工智能時代算法模型的訓練和調優，相比于以往產品功能和頁面的研發具有更多不確定性，因此在工程實踐中經常會出現預先設計好的硬件架構無法滿足算法需求的局面，這就造成了無論是從上線周期還是效果方面都無法利用過去的經驗進行評估。其次，由于高質量數據集的獲取本身需要投入大量成本（資金、時間等），產品經理應在數據獲取成本與模型訓練效果之間平衡。最后，人工智能產品在很多時候能否成功取決于系統集成的綜合表現而非某項單一技術的突破，例如無人駕駛產品（Self-DrivingProduct）融合了各種傳感器、即時定位與地圖構建技術、高精地圖等來自各廠家的軟/硬件產品，是一個典型的高集成度產品，各種廠商技術的優劣勢、成本、集成難度等都是影響系統集成效果的因素。產品經理需要在工程實踐中積累經驗并鍛煉資源的統籌管理和風險管理能力，在產品迭代過程中從上面提到的三種核心資源角度考慮投入和產出，并拿出合理的解決方案。解決方案思維在人工智能產品生命周期管理過程中，產品經理應該有意識地去主動尋找產品需求的解決方案。用戶要的是解決方案而不是技術或產品本身，而能夠將公司的硬件、數據、算法等不同部門輸出的資源，以最優的方式整合在一起，并形成解決方案的人非產品經理莫屬。由于人工智能浪潮在發展早期一定是技術驅動的，因此很多公司自然會將更多尋找解決方案的工作完全交給研發團隊來做，這就造成了研發團隊牽著產品團隊的鼻子干活的局面。一個典型的反面案例：產品經理等待研發人員將產品的硬件架構、數據獲取、訓練目標都想清楚了才開始干活，即等研發人員告訴產品經理技術的實現邊界，產品經理再依此反推需求。但研發團隊相比于產品經理距離用戶和市場都更遠，需求的把控能力有限，而且人工智能產品的協作復雜，包括算法團隊、數據團隊、底層架構團隊在內的研發團隊往往無法實現自主協同，因此研發人員牽著產品經理鼻子做解決方案的方式顯然不妥。這個時候就需要產品經理協調各種資源輸出合理的解決方案。佳進球機會，而不是等別人把球傳到一個讓自己很舒服就能射門的位優化的能力。目標導向思維產品經理在企業內外通過資源整合與優化，實現產品從無到有的設計與研發過程。因而明確的以目標為導向的思維模式對于資源的整合及團隊協作至關重要。人工智能產品的特殊性對這種目標導向的思維模式提出了更高的要求。首先，產品經理需要具備前瞻性的視角，才能準確定義一款在市場上具備競爭力的產品目標。其次，從技術角度和公司的資源現狀出發，確保這樣的目標是可以實現且可被量化的。產品的目標包含需求調研、產品設計、技術預研、產品研發、測試、上線運營等環節，每個環節又可以被細化為多個具體的目標。產品經理一方面需要明確階段成果物、時間節點、標準，另外一方面，需要協調資源，將目標下發到每個團隊成員頭上。本書第7章會對這種端到端的產品管理方法進行詳細描述。構建知識體系：六大模塊人工智能產品經理應具備完整的知識體系，應至少包含六大知識模塊，如圖1-14所示。對圖中每個模塊的理解深度取決于具體行業特點和場景需求，請靈活把握。語、常見的技術架構、常見數據類型、測試方法等。平臺和硬件支撐：包括云計算、大數據、人工智能平臺（例如機器學習平臺、實時計算平臺等）、智能感知與互聯（器、通信方式等）、智能芯片、邊緣計算等。圖1-14人工智能產品經理知識體系人工智能核心技術：包括自然語言處理（Natural Processing，NLP）、人機交互（Human-ComputerInteraction，HCI）、計算機視覺（Computer 、生物特征識別（Biometrics）、語音識別（Automatic Speech 、虛擬現實（VirtualReality，VR）、增強現實（AugmentedReality，AR）、混合現實（MixReality，MR）等，以及算法基礎常識，并理解以上技術的應用場景和最佳實踐。人工智能普遍應用的產品或服務可分為三大類：第一類是語控，健康風險管理系統等。行業知識體系：具體請參照第2章對行業知識體系的闡述。倫理，安全，法律知識：產品經理設計產品時應考慮到倫理、數據安全及產品所涉及的法律知識。因此需要對這些知識有體系化地認識和理解，以規避產品風險。除此以外，還需要跨領域的知識體系構建，包括：心理學、廣泛。一個人工智能產品的誕生通常涉及復雜的技術框架和系統集成，正因如此，市場競爭優勢的建立很難依靠“一招鮮吃遍天”，產品之間競爭的層次和維度都與傳統產品不同。要想在多維競爭環境中勝出，需要產品經理盡量具備全面的知識儲備，必要的知識體系可以提供更好的視野并有助于快速準確地做出判斷。本書第4章會詳細描述人工智能產品體系中每個部分定義和價值。參與工程實踐怕是一個通過機器學習算法解決的二分類問題，也會幫助你對獲取數有關工程實踐的內容，可以參照本書第6章關于人工智能產品經理工作流程的內容。第2章懂行業的產品經理才不會被人工智能淘汰我以前看過一段科技類訪談節目，記憶猶新，受訪者是史蒂夫·喬布斯，討論的話題是“電視行業的創新困境”。我整理了喬布斯在訪談中表達出的思考邏輯如下。電視行業的創新困境是由于市場推廣策略導致的。電視行業中“補貼”的商業模式，給每個用戶一個機頂盒（低廉的月消費甚至免費）。順便列舉具體的公司佐證。結果導致了用戶面臨的尷尬局面：自己的HDMI同的機頂盒占滿了，而且每種機頂盒配套的UI都不一樣，遙控器有一大堆。唯一能改變這種局面的方式就是回到原點，將所有的機頂盒都拆掉，換成一個具有唯一UI面，因為我們改變不了目前主流的推廣策略，而這與技術、遠見無關。手機之所以和運營商合作推廣，是因為手機的GSM（GlobalSystemforMobileCommunication）即移動電話標準是全球統一的。但是電視不一樣，每個國家都有自己的標準和政府監管方案?？v觀訪談中喬布斯的應答邏輯，盡管內容量不多，卻顯示出一個產品經理的思維方式和對行業理解的深度：行業的現狀分析、競爭局面、用戶使用的普遍體驗、行業創新困境的根本原因、橫向對比其他行業、本行業的政策因素和行業標準因素的特殊性。喬布斯對一個行業的理解滲透到了每一個關鍵節點。請你問問自己，你是否能對自己的產品、所在行業有如此透徹的理解和認知？如果沒有這種認知，談何遠見和創新？人工智能時代的產品設計、規劃、創新都對產品經理提出了更高的要求。產品邏輯、流程、頁面的設計的同質化現象愈發嚴重，未來越來越多的重復性的產品設計工作會交給人工智能完成，人工智能行業對產品經理的想象力、創新能力提出了更高的要求。對行業的透徹理解才是產品經理這個職業的立命之本，離開行業理解談創新是站不住腳的。人工智能時代將公司重新分類人工智能時代公司的分類方式人工智能時代誕生了各種新的社會分工和商業模式。傳統產品、商業模式和服務模式在被賦予人工智能技術后，實現了產品和服務的升級甚至商業邏輯的巨變。在不久的將來，世界上的任何一家公司或多或少都與人工智能有關，無論是直接通過人工智能技術獲利還是直接采購成熟的人工智能技術中間件給自身賦能，這場全球的科技變革已經到來[此書分享V信wsyy5437]。在這樣的背景下，人工智能時代的公司大體上可以被分為三類，如圖2-1所示。行業+人工智能公司目前世界上絕大部分公司都是這種類型或即將變為這種類型，即依賴自身的多年領域積累，給用戶提供人工智能賦能后的產品或服務。比如福特（Ford）、通用（GM）、日產（Nissan），作為傳統汽車企業近幾年在自動駕駛技術上投入了大量的人力物力，盡管市場上也出現了像百度、特斯拉（Tesla）這樣強勁的互聯網車企，但就目前情況看來，傳統汽車企業在無人駕駛汽車行業中并沒有顯示出明顯的劣勢。圖2-1人工智能時代公司的分類應用人工智能公司這類公司通常提供一種基礎功能，客戶可以通過調用封裝好的應用程序編程接口API（ApplicationProgrammingInterface）進行對自身產品的武裝或填充，而無須自己研發基礎功能。例如人臉識別功能可以被應用到各種需要身份驗證的產品中，語音識別功能可以被應用到各種人機交互的產品中。中小型公司出于時間成本和資金成本的原因可以直接選擇這類公司提供的開放接口，從而可以快速實現和大公司一樣的人臉識別能力和語音交互能力。對于應用人工智能公司來說，不僅每多服務一個客戶的邊際成本很低，而且能幫助自身積累在該應用中的算法能力。研發核心技術/基礎平臺的人工智能公司中小型公司在投入人工智能的研發資源時首先要考慮一些技術上的“基礎設施”問題，例如：數據從哪來？計算平臺怎么建？建立企業自身的機器學習平臺的投入產出比怎樣？全球已經有大量的創業型公司涌入了這個行業，它們就是從人工智能的底層平臺需求出發，構建完整的從人工智能計算平臺的硬件單元研發、數據治理、AI建模再到平臺部署的人工智能的“基礎設施”。有些大型互聯網公司也在布局一些PaaS形態的基礎計算平臺和算法平臺供客戶直接調用，中小型公司只需要調用平臺的基礎組件和算法模型，就可以大幅縮減人工智能研發的投入成本和周期。三類公司對產品經理能力的要求琢自己的行業能力，而去學習如何自建LSTM（一種時間遞歸神經網絡，適合于處理和預測時間序列中間隔和延遲相對較長的重要事件）必備的技術知識，幫助讀者有針對性地學習并節省寶貴的時間。下面，就讓我們一起分析一下上面提到的三類公司對產品經理的不同要求。當然，三類公司對產品經理的要求一定存在重合，我們在這里強調的是不同類型的公司有不同的需求側重點。在行業+趨勢的洞察力才是核心。試想，一個不懂行業只懂技術實現方法的人，怎么能在老板面前申請更多的資源進行產品研發呢？如果你是老板，公司的從0到1是由你創建的，行業專家見過無數，競爭環境你再清楚不過，行業中的各種規律和陷阱都是靠真金白銀的學費換來的，難道就放心把產品交給一個對行業一知半解的產品經理任由其發揮？一位的，做行業專家是前提，然后才是利用人工智能技術提升產品價值。另外，由于當前階段無論是技術積累還是實踐經驗都處于行業早期，因此“弱人工智能”（即機器不具備意識、自我、創新思維，而且單個產品只能在某一個特定的具體任務上表現出應用價值）樣會被不斷細分，各種垂直場景中的產品經理都需要很深的行業理解能力。例如聊天機器人按照不同對話場景又可繼續細分為個人助理、售的病癥細分為糖網篩查、肺癌篩查、皮膚癌篩查等。過去，研發HIS（醫院管理信息系統）的廠商按照不同的流程階段進行切分，而現在會被按照不同病癥分割為不同科室的細分模塊。在行業被細分的同時，設計產品的人才需求也被細分。在應用人工智能技術的公司中，由于商業模式主要以B（企業級應用服務）KPI就是項目回款，這就需要產品經理既要有一定的商務技能（例如售前、銷售技能），同時又要具備一定的項目管理經驗。另外，因為不同的客戶對產品的需求不同，必然需要定制化開發，產品經理要明確區分標準化產品和定制化產品，這對產品經理的需求管理能力也提出了較高要求。除此以外，TOB類產品的特殊性決定了在產品管理過程中要考產品的CAC （Customer Acquisition Cost，用戶獲取成本）、產品LTV（Life Time Value，用戶的終身價值）以及產品的PBP（PaybackPeriod，為獲得用戶而付出的成本的回收周期）。因此，需要產品經理在不斷跟蹤CAC、LTV、PBP三個重要指標的變化的同時，制定適時的市場策略、產品運營策略及產品的戰略方向。在研發核心技術/基礎平臺的人工智能公司中，公司對產品經理的要求更側重于其對底層技術框架的理解。例如，對于一家做基礎平臺產品的公司，公司的產品是基于TensorFlow（Google基于DistBelief進行研發的第二代人工智能學習系統）進行優化和研發的機器學習平臺，并提供給第三方在線使用。為了實現公司的產品比原生TensorFlow強大的訓練深度，你需要了解底層通信機制、稀疏參數更新原理等。因此這類公司更傾向于尋找從事過研發工作的產品經理。什么叫作“懂行業”求。此處，我用一個案例說明對于人工智能產品來說，懂行業有多重要。文本情感分析和觀點挖掘（SentimentAnalysis），又被稱為意見挖掘（OpinionMining）、主觀分析（SubjectivityAnalysis），是NLP（NaturalLanguageProcessing，自然語言處理）的重要研究方向，是一種對帶有情感色彩的主觀性文本進行分析、處理、歸納和推理的過程。這種技術可以用來分析品牌優劣勢和受歡迎程度的趨勢，通過實時挖掘網絡上的用戶意見，了解每個品牌在不同維度上的優缺點，不僅可以幫助品牌廠商了解自身產品的不足，同時也可以通過對比競爭對手的優勢制定精準的商業決策，有著很高的商業價值。在AI說同一個詞的極性會隨著領域、行業以及語境的不同而發生改變。例如，在爬取互聯網上對衣服薄厚的評價數據時，在冬季爬取的大部分有關衣服“薄”的評價是負向情感，而在對筆記本電腦的評價中“薄”代表的評價是正向的，因此在構建情感詞典時會因語料、領域背景及任務的不同而釆用不同的方法。所以，人工智能產品經理需要在團隊研發過程中輸入更多關于領域常識與行業背景，幫助研發團隊縮短模型的調試和選擇時間。求幫助。六種行業分析維度那么究竟什么才能算是懂行業呢？我整理了六個基于行業分析的維度，讀者可以根據自身行業特點增減分析維度，如圖2-2所示。圖2-2六種行業分析維度周期的關系、固有風險及該行業在其他國家的發展規律等。行業運行趨勢：產品經理應該去主動了解國內外的行業發展局面、龍頭企業（不應該只限定一家）為且能有一定預見性是產品經理非常重要的素質。競爭力因素分析：產品經理需要了解行業內價格、品質、質行業整合：了解行業集中度、外資進入、收購兼并等。政府管制：了解行業的準入門檻、國家法規、價格、稅收、進出口等。各國舊有的法律法規和行業標準顯然在迭代速度上已經無法適應人工智能技術的迅猛發展了，國外相繼出現了人工智能應用挑戰法律法規的案例，例如在2016動車政策》（FederalAutomatedVehiclesPolicy）（OSTP）下屬國家科學技術委員會（NSTC）發布了《為人工智能的未來做好準備》（PreparingfortheFutureofArtificialIntelligence），探討了人工智能的發展現狀、應用領域及潛在的公共政策問題。美國《國家人工智能研究與發展戰略計劃》（NationalArtificialIntelligenceResearchandDevelopmentStrategicPlan），提出了美國優先發展的人工智能七大戰略方向及兩方面的建議。在這些報告中提及了知識產權、隱私和數據保護，以及數據使用、安全等標準建設的問題?？梢灶A見到，我國也會陸續頒布相關法案和行業標準。因此，產品經理需要密切關注這方面的信息，確保公司產品可以合理、合法地參與市場競爭。商業模式：產品經理不僅是將商業模式落地的執行者，同時部的認可，才便于爭取更多的公司資源及行業客戶的認可。行業分析案例來說明如何快速學習行業知識并獲取行業趨勢洞見。例如，你是做個人/家庭服務機器人的產品經理，需要首先按產業化程度和需求量大小對個人/家用服務機器人進行分類，如圖2-3所示。圖2-3個人/家庭服務機器人分類（資料來源：安信證券研究中心）另外，你可以通過市場調研報告了解個人/家庭服務機器人的歷史銷量及近幾年的預測銷量，如圖2-4所示。圖2-4家用和娛樂機器人銷量統計（資料來源：IFR）另外，你應該了解驅動這個行業發展的關鍵在哪里，這需要從剖析服務機器人的構成開始。個人/家庭服務機器人是軟件、電子組件和機械結構深度集成的產物。從產業鏈看，上游包括智能芯片、傳感器、激光雷達等，中游包括操作系統提供商、AI引擎（算法）提供商、云服務系統提供商等，下游包括集成應用、各種場景應用等，如圖2-5所示。產品經理應深入了解供應鏈上的每個廠商是誰，了解它們的優劣勢及市場格局，這有助于判斷合作對象，構建合理的產品集成方案。圖2-5個人/家庭服務機器人產業鏈構成（資料來源：安信證券研究中心）個人/家庭服務機器人的系統架構由應用軟件、AI引擎（算法）、操作系統（OS）、核心零部件（智能芯片、傳感器、激光雷達等）、本體五部分構成，如圖2-6所示。其核心價值主要集中在核心零部件、AI引擎、操作系統三大部分。圖2-6個人/家庭服務機器人系統架構資料來源：圖靈機器人）核心零部件是典型的技術驅動型產業，例如智能芯片包括CPU、GPU、FPGA、TPU/NPU等對處理感知計算，特別是視覺及深度學習起到了關鍵作用。產品經理應關注核心部件的發展，由于硬件產品的集成本身就存在較高的替換成本，因此一旦選擇了某種硬件集成方式，當產品量產后幾乎沒法替換。但同時，這也是一種非常好的競爭壁壘，如果能拿到某種核心組件的獨家技術合作，將與競爭對手在不同的賽道比拼。例如蘋果公司收購3DPrimeSense3D傳感及精準的地理追蹤性能，構成了iPhoneX的AR、Animoji、FaceID及人像特效拍攝等亮點功能的技術基礎。這種判斷就需要依靠產品經理敏銳的嗅覺來完成。AI 引擎部分主要包含自動語音識別（Automatic SpeechRecognition，ASR）、機器視覺（ComputerVision，CV）等各種感知交互技術。數據和算法是這個部分的核心競爭力。這部分具有技術迭代快、將最新算法成果移植到產品上相對容易的特點。由于開源算法的普及以及機器學習訓練平臺的門檻越來越低，在這個領域中不僅會有大量人工智能創業公司涌現，而且傳統行業也將加快掌握人工智能基礎技術，并依托其積累的行業資源，參與到這個層面的競爭中來。人工智能時代比拼的是AI引擎能夠在多大程度上輔助解決業務場景中的實際問題，算法不能停留在產品宣傳層面，而需要具備實際價值。這需要考驗公司的人才儲備、行業資源積累及通過算法賦能產品的工程實踐能力。機器人操作系統（ROS）的標準架構包含核心層、庫、機器人功能和場景化應用。ROS提供一系列標準的操作系統服務，例如硬件除此之外，ROS還能提供相關工具和庫，用于獲取、變異、編輯代碼，以及在多個計算機之間運行程序，以完成分布式計算，如圖2-7所示。較長、投入較大，因此這種突破口往往不適合初創企業。圖2-7機器人操作系統架構目前較為主流的機器人操作系統包括Android、ROS（RobotOperating System）。另外，不少國內機器人的操作系統也在蓄力和破，如圖靈機器人的Turing OS、小i機器人的iBot OS和小智機器人SOS。還有典型的安卓系統開發的機器人Otonaroid和Kodomoroid，如圖2-8所示。圖2-8機器人Otonaroid和Kodomoroid（資料來源：中新網）索周期，而且能避免未來由于產品不符合行業標準或規則而帶來的風規范對于產品定義、設計都非常關鍵。例如《機器人性能規范》《機器人安全要求》可以指導產品非功能需求設計，《機器人系統與集成標準》可以保證產品的集成設計方案是合理且通用的，《服務機器人模塊化設計總則》可以指導機器人的模塊化設計等。目前國家已經公布的機器人行業標準如表2-1所示。表2-1機器人行業標準匯總表如何修煉成為行業產品專家了解你所在行業的不同維度只是幫你儲備行業知識，要想成為行業產品專家，還需要在實踐中將這些知識應用到產品規劃和管理過程中。下面總結了三種構建產品競爭力的思路，每種思路都建立在對行業知識的透徹理解基礎上，而且三種思路環環相扣、逐層深入。以“點”切入行業所謂的“點”，其實就是場景，要找到有商業價值的場景，并提煉出場景中可以幫助產品建立優勢的關鍵點。要平衡場景對應的市場價值和你能解決場景問題的能力和投入。尤其是對于創業公司來說，場景的選擇要與自身情況結合，否則選擇了正確的場景但是沒有技術、數據積累或能夠快速推廣的市場營銷策略，也形成不了核心競爭力，或者是有技術積累但是找不到好的場景，也無法將自身的技術產品化并形成商業變現。人工智能產品經理可以從兩個方面打磨自己對“點”的把握能力。人工智能產品經理應打磨自身對場景的理解和判斷力，確保智能領域已經屢見不鮮了。首先，人工智能產品經理需要確定該行業中的幾個主要“價值場景”（例如，需求強烈且市場需求夠大）。然后，收集該場景中的基本信息：人物、時間、地點、做什么事、達到什么目的、之前的做事方式和解決方案、用戶/客戶期望的方式和解決方案等。由于任何場景都不是獨立存在的，因此還需要深挖與場景有關的干系人和干系場景。例如上下游企業在場景中扮演了什么角色，它們的哪些決定或做事方法會改變場景中的利益分配關系。衡量并比較與該場景類似或關聯的其他場景是否有更大的商業價值。如果有，是否需要做出定位調整。在這里列舉一個干系人分析的檢查清單供參考，如圖2-9所示。圖2-9干系人分析檢查清單人工智能產品經理要對行業內技術的發展和趨勢有準確的判能力、數據等方面的積累在行業中的位置。綜合以上兩方面的所有信息，產品經理需要在產品定位（包括場景定義）和公司的技術現狀之間找到平衡，盡管場景是牽引技術方向的指南針，但也不能脫離對公司的技術“天花板”的評估。對“點”的把握能力決定了產品能否進入一個行業并獲得用戶的初步認知。精準地找到場景并用有競爭力的技術手段研發出產品，是踏入行業的第一步。深挖“點”，變成“線”現代管理學之父彼得·德魯克（PeterF.Drucker）曾經說過“企業的目的是創造和留住顧客。”在人工智能行業初期，一定是由技術驅動形成單個的場景應用和創新，隨著市場同質化競爭日趨嚴重，企業一旦在某個“點”建立起競爭優勢后，就需要快速轉向“線”，即為客戶創造更豐富的產品和服務，讓客戶不斷看到新的價值和驚喜，最終積累更多的忠誠客戶。擁有對“點”的把控力，只是產品經理修煉成為行業專家的第一步。人工智能產品經理還要通過深挖場景價值，完善產品鏈條，即形成從“點”到“線”的變化。如果說互聯網時代的主流價值觀是“流量為王”，那么人工智能時代的產品就是“獲得更多的超級用戶”，這些超級用戶創造了絕大部分的企業利潤。企業靠“點”的創新只會保證其在第一階段獲取更多的初始客戶，如果想要保住這些用戶，而且要讓他們變為忠誠的“超級用戶”，就需要定制化、一站式的完整解決方案。人工智能產品經理可以從下面幾個方面進行從“點”到“線”的積累。深挖用戶在場景中的需求，為用戶提供解決方案而不僅僅是產品。舉個例子：作為電商平臺，給用戶提供完美的網購體驗并沒有潤的同時，還積累了大量會員。衍生出了金融服務。按照這種邏輯規劃出來的產品本質上就是解決方能保持品牌持久的競爭力。而找到這樣的“線”，就是產品經理尤其是人工智能產品經理重要的使命。挖掘用戶數據中的價值，為用戶創造驚喜。例如，如果你是以提供個性化建議。這就是一種典型的從“點”到“線”的思路。人工智能實現產品服務鏈條化，積累更多的忠誠用戶。橫向拓展“線”，變成“面”當人工智能產品完成從“點”到“線”的變化后，需要進一步鞏固自身優勢，讓產品變成“面”?！懊妗卑▋煞矫娴暮x，一是通過引入外部資源建立緊密的協同關系并構建更寬廣的產品覆蓋度，與用戶產生更多的聯系；二是指通過整合公司內部資源打通各產品線的數據和基礎服務，形成公司內部的產品生態。人工智能產品經理可以從兩個方面進行從“線”到“面”的整合。整合外部資源，實現多元化協作：由于人工智能產品的架構件供應商進行軟硬技術的融合，通過整合上下游資源形成利益結盟。人工智能行業的產業鏈協作還處于初期，未來越來越多的公司在研發自己的人工智能產品時會主動選擇協作，人工智能產品經理在市場競爭中應保持和外部資源的密切關系，這不僅對公司來說是一種積累和擴大優勢的方式，而且對于產品經理個人來說也是一種擴大個人在行業中影響力的途徑。布局內部產品生態化：當公司的產品線變得豐富后，產品經考慮整合三條產品線的用戶數據和算法（能匹配等），司有新的產品線成立時，可以在公司現有平臺基礎上快速建立自身優勢，快速融入公司的產品生態。本章小結工智能產品經理需要對行業至少有六方面的理解和認識，包括行業特點、行業運行趨勢、競爭力因素分析、行業整合、政府管制、商業模式。本質上每個方面都是圍繞競爭與合作、自身情況與外部環境展開的。最后，通過我自身的經驗給出了一種從“點”“線”“面”三個不同層次修煉成為產品專家的思維模式。如果你想成為人工智能產品經理，強烈建議你從了解行業開始，而不是一開始就學 Python（一種常見的機器學習編程語言），研CNN（卷積神經網絡）、RNN（循環神經網絡）。并不是說這些不重要，只不過作為一個產品經理，當你連自己的角色都無法扮演好時，即使你可以掌握再多的編程語言，具備再多算法調試的經驗，公司也不敢雇傭你。另外，養成良好的學習習慣，掌握適合自己的學習技巧非常重要。每個人都有自己擅長和喜歡的學習方式，因此要找到快速獲取知識和經驗的方式。如果你初來乍到一個行業也不要擔心，只要你能掌握技巧，善于總結規律，多與行業牛人接觸、學習并結合實踐，我相信你一定會成為一名優秀的人工智能產品經理。第3章定義人工智能產品需求如果你在互聯網上搜索不同公司對產品經理的描述，就會發現在任何行業、任何級別的產品經理崗位中都會出現“需求”這個關鍵詞。需求管理、需求定義、需求確認、需求跟蹤等與需求相關的職責，都是公司對產品經理最基本的要求。產品經理是公司產品的負責人，而產品又可以為用戶解決某種特定的需求，因此即使我們來到人工智能時代，產品依然是圍繞用戶需求來定義的，這個本質沒有變。誕生是為了降低人與人之間的溝通成本，重新構建了人與人之間的關系。醫院的HIS（醫院信息系統）的誕生是為了管理和操作發生在醫院人工智能時代的產品，本質上是全面優化和提升上述所有場景中現有的技術手段，從而實現用戶的體驗升級和解決方案的效率升級。互聯網時代的產品經理構建的是基礎設施，在人與人、人與物、人與數據的關系上搭建橋梁，實質上是優化了信息存儲和互通的方式，因此產品經理主要關注的是入口及流量的走向。人工智能實際上給人類帶來的是技術創新驅動下的產業升級，本質上是關注產品本身的價值，如圖3-1所示。本章從功能需求、非功能需求兩方面重新定義人工智能產品需求分析的工作流程和設計思路。圖3-1從互聯網時代到人工智能時代重新定義需求分析邏輯。新的趨勢和變化可以被總結為以下6方面。產品邏輯化繁為簡，用戶學習成本降低。操作；人臉識別身份驗證，過去登錄產品需要輸入賬號、密碼、驗證產品經理不能用“線性思維”設計產品，需要了解更多的技術可能性，嘗試用“顛覆式思維”設計產品。從用戶角度考慮投入產出比?；蛘弋敭a品屬于一個新的市場中時，最終的實現效果和價值都很難預估，產品經理應選擇用戶最“痛”的點或者直接和利益掛鉤的點作為需求較快，如圖3-2所示。人工智能產品的研發投入盡管很高，但產生的直接回報對于用戶來說仍然非常劃算。另外，廣告精準投放、電商平臺中的搜索推薦都是效果比較直觀的，產品價值相對顯性的場景，產品經理應在所處行業中找到這些場景。圖3-2人工智能在工業場景中的實踐應用算法可解釋性差，產品需要逐漸獲取用戶的信任。使用到復雜算法模型的人工智能產品對于用戶來說大多屬于“黑盒產品”，工程師或產品經理均無法很好地解釋實現的原理。在很多領域中，對于用戶來說，如果不能證明算法的有效和準確性，就不會接受付費使用產品，甚至會對品牌產生強烈的抵觸情緒。例如在某些基于數據挖掘的商品推薦引擎產品中推薦給用戶的商品廣告，如果不能讓用戶有被尊重的感覺，或者直接讓用戶有一種被侵犯了隱私的感覺，就會遭到投訴或棄用。人工智能產品首先需要通過某個具體場景中的預測和推斷能力證明技術實力，進而樹立領域專業形象，步步為營地爭取用戶的信任。尤其當公司和品牌都處于剛起步的階段時，更忌諱大步向前，因為那樣反而容易遭到用戶的拋棄。傳感器技術的飛速進步，帶來了多元化交互行為。人工智能與傳感器的融合，產生了良性循環，傳感器采集的數據用來進行對算法模型的訓練，算法模型的完善也提升了傳感器數據采集的效率。例如在無人駕駛產品中，關鍵系統和解決方案分別是傳感器、高精度地圖、高級輔助駕駛系統（Advanced Driver Assistant ADAS）和車聯網。傳感器作為無人駕駛汽車的感應系統，用來接收和感知行駛時環境的動態變化（如圖3-3所示）；高精度地圖為無人駕駛汽車提供全局視野；ADAS負責對靜態、動態物體進行辨識、偵測與追蹤，從而預先讓駕駛者察覺到可能發生的危險，有效提升汽車駕駛的舒適性和安全性；車聯網能夠保證傳感器數據更新上傳，保證無人駕駛汽車的狀況與周圍環境處于實時更新的狀態。正是因為傳感器的技術發展和成本的降低，使得ADAS的部署成本大幅降低。過去ADAS只能安裝在高端汽車上，目前已經被普遍使用在入門級乘用車上。日新月異的傳感器不僅在機器人、無人駕駛領域有廣泛成功的應用案例，而且可以為產品設計和定義提供更大的想象空間。產品經理應學會合理利用多種傳感設備，創造更多交互方式來滿足用戶的需求。圖3-3無人駕駛產品產品的需求并不一定來源于確定的因果關系。在過去，產品經理根據用戶明確的需求設計產品，產品研發出來的結果會和原型設計保持一致。但是人工智能的產品需要完全不同的思維模式，產品經理不再花大量時間和資源來尋找確定的因果關系，而是通過大量的數據挖掘手段探索出設計與需求的相關性，并用數據指導產品設計。產品經理輸出的需求未必是確定的頁面內容，可能是一堆規則和策略。例如，GoogleAdwords，即谷歌關鍵詞競價廣告，是一種通過使用谷歌關鍵字廣告或者內容聯盟網絡來推廣網站的付費網絡推廣方式，如圖3-4所示。設計這個產品的產品經理一定不會告訴算法工程師給什么樣的用戶推送什么樣的廣告信息，因為產品是“千人千面”的。產品經理只需要給廣告主提供后臺的推廣喜好配置功能以及推廣效果管理功能即可，至于最終用戶打開的頁面如何顯示，則是由算法模型計算后得出的結果，即搜索結果頁面都是基于商家偏好配置和用戶精準匹配算法實現的個性化頁面。圖3-4谷歌關鍵詞競價廣告的局限性，避免定義一些研發很難實現的需求。由于一個完整的人工智能產品體系的搭建通常需要考慮基礎設施、數據采集、數據處理、推理和決策等若干環節，產品最終的實現效果取決于上面所有因素的協同。例如，設計一個提供多場景復雜交互的機器人產品時，由于對交互的實時性要求較高，系統應具備足夠的硬件支撐，包括計算能力（GPU、CPU、FPGA、ASIC等）、儲存能力以及各種智能模組（如視覺模組、語音模組）等，因此需要產品經理在提出需求的同時綜合考慮配套的硬件要求。另外，在不同場景中對算法模型的準確率、召回率的要求大相徑技術預研的內容和流程在本書第6章中有詳細介紹。從微觀、宏觀兩個角度定義功能性需求員需要實現的功能，以便用戶能夠完成自己的任務，進而滿足業務需內容往往與使用的技術無關。功能性需求描述是產品設計的第一步，而且是產品定義中至關重要的一步，沒人可以替代產品經理來定義功能性需求。在設計人工智能產品時，產品經理可以從微觀和宏觀兩個角度展開功能性需求的定義。宏觀：由于人工智能產品體系復雜，對某一個功能進行研發可能有“牽一發而動全身”的效果，尤其是某些功能如果要實現較好的效于在需求定義之前將一些不滿足公司整體戰略目標的候選功能需求篩掉，并給出定義需求的優先級。同時，有了這樣的“上帝視角”也有助于得到老板、投資人的認可，最終讓公司從上至下達成一致。如圖3-5司的整個產品體系可以被分為技術平臺層、產品/服務層、解決方案層。技術平臺層為產品/服務層提供了基礎計算和分析引擎，而解決方決方案。產品經理應判斷當前版本中的功能需求是屬于公司哪個層面圖3-5某機器視覺產品架構圖微觀：產品經理一旦從宏觀角度篩選出了優先級較高的功能，就可以從微觀角度定義具體的功能描述了。產品經理應盡量給出明確的業務背景和業務目標，并且可以將目標進行量化。例如，在電商平臺中可以通過GMV（GrossMerchandiseVolume，商品交易總量）提升率作為業務目標。產品經理需要和算法工程師一起在功能需求定義階段明確功能的哪些指標可以被量化，以及算法依賴什么樣的數據，并提供明確的驗證方法。這樣不僅有助于產品經理有的放矢地幫助團隊協調公司資源或外部資源，找到高質量的數據集，而且有助于統一團隊的迭代目標。有關需求量化的內容，在3.2節“量化需求分析”中有詳細的介紹。越重要，越容易被忽視：定義非功能性需求非功能性需求通常被描述為一款產品的“質量屬性（QualityAttributes）”“質量目標（Quality Goals）”或“非行為需求Behavioral 常常被用來評價一個系統或軟件的運行、服務情況。產品非功能性定義不僅決定了人工智能產品的質量，還在很大程度上影響產品的功能需求定義，是支撐產品功能性需求的重要因求是成功的人工智能軟件/硬件架構必須關注的關鍵要素。求畫等號，而產品的非功能需求作為支撐產品功能需求的重要組成部設計和實施過程中的條件（等），需求進行架構設計。針對人工智能產品，下面列舉了5種非功能需求：安全性、可用性、可靠性、性能、可支持性。每個產品的非功能需求都與行業背景、用戶特征有關，因此產品之間不存在完全相同的非功能需求，需要產品經理有針對性地進行這方面的設計。安全性可得性：產品的數據和功能是否可以按照明確的權限系統控描述清楚了。隨著機器人可以替代人類完成的任務越來越多，在設計機器人產品的時候需要產品經理明確機器人的控制權限設計，目前市面上流行的以語音喚醒為主流的機器人大多數并沒有設計嚴格的權限策略，未來的機器人的能力范圍會越來越大，嚴格的授權機制是產品必備的安全保證。另外，機器人在未來還需要通過識別人類的情緒和生理狀況判斷指令的合理性。盡管用戶具備控制權限，但同時也要拒絕用戶的一些可能對其心理或生理產生損傷的操作，例如當檢測到房間的分貝數已經超過安全的聽覺范圍時，機器人應對提高房間音響音量的控制予以警告。如圖3-6所示是一款未來居家機器人原型。圖3-6居家機器人私密性：產品存儲的數據受到保護，不會被沒有授權的人得到。例如人工智能產品的部分數據經常被存儲在云端，這樣有利于產品定期的算法升級、BUG 上報等。盡管每個國家都出臺了相應的數據私保護法，但是很多用戶依然無法接受個人數據被上傳到云端。尤其是一些居家機器人，因為要獲得用戶的視頻、音頻和各種家庭內部傳感器采集的數據源，因此此類產品需要盡量將數據存儲在本地，并實現局域網內部不同物聯網設備的本地通信對話機制?？捎眯試H標準化組織在ISO 9241-11標準中將可用性描述為“產品被具用戶使用，從而在具體的使用環境中有效地、高效地、滿意地完成具體目標的程度”。同時，可用性也是軟件產品的重要質量指標，是指產品對用戶來說有效、易學、高效、好記、少錯和令人滿意的程度?？捎眯允菑挠脩艚嵌瓤串a品質量，即用戶能否用產品完成他的任務、效率如何、主觀感受怎樣。我們經常提到的用戶體驗就在很大程度上受到產品可用性需求的影響。在描述可用性需求的時候通常要包含用戶類型、具體任務、操作環境等方面?？捎眯孕枨竺枋鐾ǔＥcUI/UX工程師直接相關，可用性需求描述得越清楚，UI/UX在設計產品時的目標就越明確。同時，可用性需求的描述還直接影響產品在進行可用性測試過程中的衡量標準。產品的可用性需求需要對用戶有深入的了解，了解他們的使用習慣、對產品的期望、他們需要用產品完成的最終目標，以及他們使用產品時的真實場景等。戶的能力。易理解性：使用戶容易理解產品本身是否是用戶需要的、如何能檔和初始印象。易學性：使用戶能學習產品使用方法的能力。易操作性：使用戶能操作和控制產品的能力。具吸引力的屬性，例如顏色的使用和圖形化設計的特征。更多關于易用性的描述請參照ISO9241（工效學國際標準）。給老年人設計一款老年護理機器人，協助完成日常的照看、護理工作行有針對性的設計。另外，產品的易用性是產品化過程中必不可少的因素，易用性較強的產品使產品可以快速地被用戶理解、接受并感受其價值。雖然有句俗語“酒香不怕巷子深”，但是在用戶需求變化如此之快的今天，產品經理應盡量降低用戶理解和使用產品的門檻，快速傳遞價值。一致性：是否提出了產品的一致性需求？產品通常從流程、僅會讓用戶獲得比較自然的使用體驗，而且更加容易建立用戶的使用習慣。通常一致性原則包含但不限于三個方面：設計目標一致性、外觀元素一致性、交互行為一致性。設計目標保持一致有利于確保需求和設計方法不至于偏離最終的用戶需求。當產品的每個元素、功能都是被設計來解決同樣目標的時候，才能發揮產品最大的優勢。外觀元素一致性通