從傳統(tǒng)角度來(lái)看，一款成功的產(chǎn)品需要擁有穩(wěn)定的功能，至少要滿足甚至超出用戶的期望，并且能夠?yàn)闃I(yè)務(wù)的增長(zhǎng)作出重大貢獻(xiàn)。產(chǎn)品經(jīng)理的主要職責(zé)包括設(shè)定和管理用戶期望，定期收集可量化的反饋信息，嚴(yán)格地與工程師進(jìn)行溝通，并確保產(chǎn)品能夠應(yīng)對(duì)業(yè)務(wù)和市場(chǎng)的不斷變化。

AI 產(chǎn)品相比傳統(tǒng)產(chǎn)品來(lái)說(shuō)則有很大的不同。比如，在我擔(dān)任產(chǎn)品經(jīng)理的時(shí)候，交付讓客戶感到滿意的“確定性”產(chǎn)品是衡量成功的標(biāo)準(zhǔn)。只要標(biāo)準(zhǔn)一樣，那么硬件產(chǎn)品的產(chǎn)出結(jié)果也幾乎一樣。同樣的，相同的用戶預(yù)期使得軟件產(chǎn)品形態(tài)也不會(huì)有太大差異。但是，一個(gè)人工智能(AI)驅(qū)動(dòng)的產(chǎn)品可能并不總是具有確定的產(chǎn)品形態(tài)，實(shí)際的結(jié)果可能與直覺(jué)有所差異，個(gè)性化的推薦系統(tǒng)能夠?qū)W習(xí)不同偏好，因此可能產(chǎn)生不同的結(jié)果。

對(duì)于產(chǎn)品經(jīng)理來(lái)說(shuō)，如果想要交付一款成功的 AI 產(chǎn)品，除了履行常規(guī)的產(chǎn)品經(jīng)理職責(zé)之外，還需要具備新的思維方式并增強(qiáng)一些其他技能。在本文中，我將圍繞產(chǎn)品構(gòu)思、原型設(shè)計(jì)以及早期發(fā)布來(lái)介紹一些新的思維方式。

1.密切跟蹤 AI 技術(shù)動(dòng)態(tài)

麥肯錫全球研究院(MGI)對(duì)160多個(gè)行業(yè)的人工智能使用案例進(jìn)行了調(diào)研，調(diào)研發(fā)現(xiàn)只有12%的案例突破了實(shí)驗(yàn)階段，并且這些案例局限在技術(shù)部門之外。MGI 報(bào)告中提到的最佳案例是一家采用敏捷、測(cè)試和學(xué)習(xí)方法的公司。它建立一個(gè)跨職能的人工智能任務(wù)組，該任務(wù)組在幾周內(nèi)完成原型構(gòu)建以及業(yè)務(wù)單元測(cè)試，然后進(jìn)行下一次迭代。對(duì) AI 應(yīng)用具有敏銳洞察力并且能夠把握行業(yè)趨勢(shì)的產(chǎn)品經(jīng)理才能在 AI 領(lǐng)域里脫穎而出。我個(gè)人覺(jué)得 MGI、Gartner 的 AI 市場(chǎng)報(bào)告以及 CB 人工智能研究欄目?jī)?nèi)容都非常有見(jiàn)地，我密切關(guān)注著它們的 Twitter 來(lái)了解 AI 動(dòng)態(tài)。

2. 把握深度學(xué)習(xí)的研發(fā)趨勢(shì)

AI 產(chǎn)品經(jīng)理的核心競(jìng)爭(zhēng)力并不在于精通多少高深的算法，他們的主要職責(zé)是盡快將這些算法轉(zhuǎn)變?yōu)楫a(chǎn)品和服務(wù)并推向市場(chǎng)。即便如此，我們?nèi)匀恍枰芮嘘P(guān)注算法的最新研究進(jìn)展。

AI 領(lǐng)域大多數(shù)有影響力的人物(比如谷歌的 Peter Norvig，F(xiàn)acebook AI 研究的 Yann LeCun 以及微軟的 Eric Horvitz)似乎都樂(lè)于享他們研究 AI 算法和體系結(jié)構(gòu)上的突破，你可以在公司網(wǎng)站上找到他們的論文和方法。

除了這些大公司之外，如果想要關(guān)注其他公司的深度學(xué)習(xí)社區(qū)動(dòng)態(tài)，我推薦 Andrej Karpathy 網(wǎng)站，這上面總結(jié)了在 Arxiv 上發(fā)布的最新機(jī)器學(xué)習(xí)和 AI 研究。

3. 聚焦 AI 實(shí)際案例

AI 目前被炒得很熱，有人聲稱它是一種新興的高級(jí)技術(shù)，威脅著多個(gè)傳統(tǒng)領(lǐng)域，也有人說(shuō)相同概念已經(jīng)存在多年，AI 不過(guò)是新瓶裝舊酒。Peter Norvig 近期在接受采訪時(shí)指出，大眾媒體的記者在很多情況下扭曲了AI 的影響力，有的甚至對(duì)其瘋狂炒作，并向讀者營(yíng)造出一種錯(cuò)失恐懼癥的感覺(jué)。

AI 產(chǎn)品經(jīng)理應(yīng)當(dāng)具備批判性的思維，以便將炒作信息與真實(shí)情況區(qū)別開來(lái)，并且深入了解 AI 的實(shí)際應(yīng)用案例。產(chǎn)品經(jīng)理應(yīng)當(dāng)了解 AI領(lǐng)域的相關(guān)技術(shù)，盡管這些技術(shù)相對(duì)于那些仍處于研究階段的產(chǎn)品而言更具商品化，但它們?nèi)匀挥幸嬗诋a(chǎn)品路線圖的規(guī)劃。此外，對(duì)于投資回報(bào)率更高的 AI 案例，以及上市時(shí)間更短的 AI 案例，產(chǎn)品經(jīng)理應(yīng)該能夠明確區(qū)分。

4. 關(guān)注以客戶為中心的數(shù)據(jù)

產(chǎn)品經(jīng)理應(yīng)當(dāng)具有“用戶至上”的基本意識(shí)，但是在把一個(gè)想法成功轉(zhuǎn)變成產(chǎn)品的過(guò)程中，對(duì)于 AI 產(chǎn)品經(jīng)理來(lái)說(shuō)還需要額外的數(shù)據(jù)讀寫能力。想要做到用戶至上，AI 產(chǎn)品經(jīng)理除了突出產(chǎn)品功能和優(yōu)勢(shì)之外，還需要理解客戶工作的意義、目的以及他們選擇背后的動(dòng)機(jī)。

數(shù)據(jù)至上包含兩個(gè)方面：(1)能夠量化客戶所關(guān)心的問(wèn)題，做一個(gè)數(shù)字化的支持者;(2)能夠建立用于構(gòu)建高質(zhì)量 AI 模型的綜合數(shù)據(jù)集。此外，還需要獲取準(zhǔn)確反映用戶工作、行為、交互模式和痛點(diǎn)的數(shù)據(jù)。數(shù)據(jù)形式可以是像素、字符、數(shù)字或者比特。

如果能夠?qū)?shù)據(jù)提取、數(shù)據(jù)處理以及數(shù)據(jù)可視化有基本的了解，則有助于創(chuàng)建更具客戶價(jià)值的 AI 解決方案。

5. 善用簡(jiǎn)單模型快速構(gòu)建產(chǎn)品

并非所有成功的 AI、ML(機(jī)器學(xué)習(xí))產(chǎn)品都采用了復(fù)雜的模型，實(shí)際上，沉迷于復(fù)雜 AI 模型的行為并不受推崇。這是因?yàn)榈讓幽Ｐ偷臏?zhǔn)確性并不能保證良好的用戶體驗(yàn)。

一些簡(jiǎn)單的模型也能夠提供足夠的準(zhǔn)確性，增加模型的復(fù)雜性遵循二八定律，只會(huì)導(dǎo)致邊際改進(jìn)。但是，在某些情況下，準(zhǔn)確性至關(guān)重要，模型需要多次迭代。

如前所述，有必要用最簡(jiǎn)單的 AI 模型構(gòu)建出小型管道，從而創(chuàng)建用戶體驗(yàn)并收集反饋。Jussi Pasanen 的最小可行產(chǎn)品(MVP)金字塔模型可以根據(jù) AI 產(chǎn)品進(jìn)行調(diào)整，如下所示：

7. 構(gòu)建廣度優(yōu)先而非深度優(yōu)先的 AI 模型

AI 產(chǎn)品經(jīng)理應(yīng)當(dāng)熟悉 AI 端到端產(chǎn)品的工具和技術(shù)。這樣一來(lái)，他們才有能力影響：

人工智能工程師和數(shù)據(jù)科學(xué)家在他們的模型中能夠正確利用復(fù)雜性，同時(shí)確保自己擁有增加復(fù)雜性的能力。

數(shù)據(jù)工程師需要構(gòu)建健壯的系統(tǒng)并對(duì)其進(jìn)行適當(dāng)?shù)臄U(kuò)展。

整個(gè)團(tuán)隊(duì)能夠適當(dāng)利用云計(jì)算服務(wù)和虛擬化架構(gòu)。

舉例來(lái)說(shuō)，iPhone 的語(yǔ)音郵件轉(zhuǎn)錄服務(wù)對(duì)其低信度是透明的，并為用戶提供了一個(gè)選項(xiàng)來(lái)幫助蘋果通過(guò)提交語(yǔ)音記錄來(lái)改進(jìn)轉(zhuǎn)錄。

數(shù)據(jù)科學(xué)需求層級(jí)金字塔(源于 Insight 的顧問(wèn) Monica Rogati )很好地呈現(xiàn)了 AI 產(chǎn)品技術(shù)堆棧。

此外，AI 工程師和數(shù)據(jù)科學(xué)家通常具有很高的學(xué)位(幾乎都是博士)以及強(qiáng)大的學(xué)術(shù)背景，并從新穎的學(xué)術(shù)項(xiàng)目中獲得巨大的智力滿足感。產(chǎn)品經(jīng)理需要調(diào)整他們的傾向，以制造出適合市場(chǎng)和用戶的實(shí)用產(chǎn)品。

除了強(qiáng)烈的產(chǎn)品意識(shí)之外，你需要對(duì)各種機(jī)器學(xué)習(xí)算法和 AI 模型及其上下文具有高層次的理解，才可以成功管理 AI 工程師團(tuán)隊(duì)并推出 AI 產(chǎn)品。

總結(jié)

人工智能目前成果顯著，在未來(lái)必將前途無(wú)限。當(dāng)前已有代表性的產(chǎn)品，它們能夠讓顧客滿意，并且明顯提升了現(xiàn)有業(yè)務(wù)。AI 產(chǎn)品經(jīng)理是產(chǎn)業(yè)發(fā)展的催化劑，他們需要不斷掌握新的的思維和技能，才能促使 AI 產(chǎn)業(yè)的騰飛。