閱讀 :1571

年輕的AI產(chǎn)品經(jīng)理們所遇到的問題只是漫長的利益調(diào)整周期的開始，而從更本質(zhì)上來說，這些問題不過是整個AI行業(yè)商業(yè)化現(xiàn)實(shí)的投射。

作者|韓敬嫻   編輯|張麗娟來源|CV智識（ID:CVAI2019）最近，劉敏一直在找新的工作機(jī)會，但過程并不順利。

原因是：之前的AI產(chǎn)品經(jīng)理經(jīng)驗(yàn)在招聘方看來“充其量只能算是一個項(xiàng)目經(jīng)理”。

2016年科技界的“黑天鵝”——阿爾法狗出現(xiàn)之后，中國乃至世界范圍內(nèi)的AI熱情被迅速點(diǎn)燃，劉敏也在這一年加入了一家AI創(chuàng)業(yè)公司。

在成為AI產(chǎn)品經(jīng)理之前，她是公司的HR、市場、公關(guān)，轉(zhuǎn)型做AI產(chǎn)品經(jīng)理，她承認(rèn)自己是幸運(yùn)的：行業(yè)發(fā)展初期，早期入行者既積累行業(yè)經(jīng)驗(yàn)，有先發(fā)優(yōu)勢，又能拿到不錯的待遇。

這也符合創(chuàng)業(yè)公司的人才培養(yǎng)路徑，從“身兼數(shù)職”到“逐漸特化”。

“小公司很多時候不得不去讓大家做很多不同類型的事，但是靠后的話會有一些人逐漸特化。

”但從零做起，往往依賴“環(huán)境是否能夠帶來足夠的變化和成長，有沒有教練有意識地引導(dǎo)，以及自己是否有足夠清晰的職業(yè)規(guī)劃”，缺一不可。

從最為重要的行業(yè)環(huán)境來看，三年的發(fā)展，AI有個一直都未突破的瓶頸：解決單點(diǎn)問題能力強(qiáng)，但通用能力偏弱，因此輸出的產(chǎn)品還是以To B定制化方案為主。

在傳統(tǒng)技術(shù)面前，AI技術(shù)一如曾經(jīng)的互聯(lián)網(wǎng)技術(shù)一般，扮演著顛覆者和重建者的角色，也的確為安防、金融、客服等領(lǐng)域提供了一個個更高效的解決方案。

可是，AI公司們或許打贏了一場又一場獨(dú)立的戰(zhàn)斗，卻在戰(zhàn)役意義上陷入了始料未及的“外包化”危機(jī)。

當(dāng)可以裝飾這個職業(yè)的東西隨著行業(yè)的冷靜或消失或喪失意義：風(fēng)口的喧嘩、好的入局機(jī)會、外界的贊美，劉敏的幸運(yùn)戛然而止。

現(xiàn)在，擺在她面前的有兩條路：要么繼續(xù)留在原公司，等待是否有真正意義上產(chǎn)品經(jīng)理的工作，補(bǔ)齊技能；要么離開北京，去其他城市尋找機(jī)會。

“大不了不干了”。

說完，她無奈地笑了。

產(chǎn)品經(jīng)理還是項(xiàng)目經(jīng)理？“當(dāng)初為什么決定轉(zhuǎn)型做AI產(chǎn)品經(jīng)理？”劉敏的回答是：有趣，有機(jī)會去推動一個事情從0~1實(shí)現(xiàn)出來。

知乎上一個關(guān)于“為什么這么多人想當(dāng)產(chǎn)品經(jīng)理？”的問題后面，有回答者總結(jié)了五大原因，劉敏的回答中了兩個。

其它的三個原因分別是：收入普遍較高；入行門檻相對較低；產(chǎn)品思維可以指導(dǎo)生活。

但職業(yè)理想是一回事兒，工作現(xiàn)實(shí)又是另外一回事兒：三年的工作里，劉敏一直在推著項(xiàng)目“跑”，產(chǎn)品規(guī)劃工作經(jīng)驗(yàn)少的可憐，僅有的幾次也只是Demo嘗試。

如劉敏一般，計(jì)算機(jī)技術(shù)專業(yè)畢業(yè)的黃潔，在經(jīng)歷了一段時間的技術(shù)實(shí)習(xí)后，加入了一家體量十倍于劉敏公司的某AI獨(dú)角獸公司做產(chǎn)品經(jīng)理。

在她看來，技術(shù)只是解決單個的核心問題，與這樣的縱向深鉆相比，她更喜歡有橫向視野的產(chǎn)品經(jīng)理崗位。

然而，很多一段時間里黃潔也是在扮演項(xiàng)目經(jīng)理角色，“制定排期、督促產(chǎn)品進(jìn)度以及最終交付標(biāo)準(zhǔn)的服務(wù)......”當(dāng)然，一些“前期探索”性質(zhì)的定制化產(chǎn)品，在黃潔的眼里，和單純的定制化項(xiàng)目并不完全相同，“對產(chǎn)品經(jīng)理來說，它的新鮮感、價值獲得感會比較高”。

頂著產(chǎn)品經(jīng)理的頭銜干項(xiàng)目經(jīng)理的活兒，這背后是AI行業(yè)的落地現(xiàn)狀：除安防領(lǐng)域以外，幾乎沒有公司能將技術(shù)以規(guī)模化、產(chǎn)品化的方式輸出，大多還是定制化產(chǎn)品，產(chǎn)品被需求牽著鼻子走。

以至于有人打趣道，“想成為一家AI公司，首先得先成為一家安防公司”。

久而久之，很多AI公司習(xí)慣了一種技術(shù)向的做事方法：“我有A我有B我有C，全都給你，你就拿去用”，產(chǎn)品的作用反而被邊緣化。

但AI技術(shù)背后的原理，知識體系往往存在著斷層，在無法將算法可視化之前，“客戶可能不想要A，也不想要B，而是想要A和C改造過后的東西”，這種技術(shù)向的服務(wù)方式其實(shí)是進(jìn)一步割裂了產(chǎn)品和需求之間的關(guān)系。

事實(shí)上，客戶不只對AI技術(shù)理解存在局限，甚至對于自身的需求也有認(rèn)知局限。

與C端不同，B端方案的買單方和使用者很多時候不是同一個，“比如你的客戶是某一系統(tǒng)里負(fù)責(zé)建設(shè)軟件的單位，他們來負(fù)責(zé)和你溝通跟你交流，但是真正使用軟件的可能是另外的單位，兩邊的需求并不統(tǒng)一。

”更有甚者，有的B端客戶連自己想要什么都不知道，“客戶只是有這筆錢要做建設(shè)，于是大致提一些需求，我們就開始做。

開發(fā)的過程中，他們又提出一個需求，我們就會接著改。

即使產(chǎn)品出來了，還要再花一年的時間迭代，最終迭代成客戶想要的樣子。

”這種現(xiàn)狀投射到AI產(chǎn)品經(jīng)理身上便成了：“天天跪甲方”，“需求完全是客戶想要，你就得給他加，即使不合理”，“售前的前期案例討論、需求討論環(huán)節(jié)，產(chǎn)品經(jīng)理也和售前的工作重合”......困于定制化，直接導(dǎo)致AI行業(yè)造血能力不足之外，也影響著身處其中的每一個人。

技術(shù)先行還是產(chǎn)品先行？“我們屬于一種新型的軟件服務(wù)商，有些公司甚至半年的時間就從幾百人擴(kuò)張到了千人，還沒有那么成熟的從業(yè)人員，每個職業(yè)該做什么，區(qū)分的也不是很清楚。

”一個新的棋局，玲瓏初開，百子待落。

如果從二十年的互聯(lián)網(wǎng)歷史來俯瞰對照，這“一定會是一個動態(tài)變化的過程”。

“互聯(lián)網(wǎng)產(chǎn)品其實(shí)也是經(jīng)歷了由技術(shù)-產(chǎn)品-運(yùn)營這樣發(fā)展過程,但每個階段這三個角色的重要性也在不斷的變化,從行業(yè)剛發(fā)展以技術(shù)為主導(dǎo),逐漸演變成產(chǎn)品主導(dǎo),到最后靠運(yùn)營增長的過程。

”年輕的AI產(chǎn)品經(jīng)理們所遇到的問題只是漫長的利益調(diào)整周期的開始，而從更本質(zhì)上來說，這些問題不過是整個AI行業(yè)商業(yè)化現(xiàn)實(shí)的投射。

這波浪潮起來時，最先跳進(jìn)來的不是人們熟悉的企業(yè)家，也不是站在風(fēng)口之巔的互聯(lián)網(wǎng)人，而是一些守在寧靜實(shí)驗(yàn)室數(shù)十年的科研人員，技術(shù)在被突破的同時，也被賦予了商業(yè)意義。

但AI技術(shù)創(chuàng)業(yè)大多是是單線程，即做的大多是原來科研時候研究的“一個點(diǎn)”，比如語音、視覺或者自然語言處理。

但以自然語言處理為例，“僅僅做自然語言處理，缺少相對獨(dú)立且足夠大的場景，它往往會變成一個引擎或者一個特定功能上的服務(wù)。

”也就是說，AI公司用單點(diǎn)技術(shù)切入到別人的產(chǎn)品場景里去，等于“乙方為甲方提供服務(wù)”，“這時候真正做產(chǎn)品規(guī)劃的其實(shí)是甲方。

比如國外出現(xiàn)了Siri，國內(nèi)手機(jī)廠商也想做一個手機(jī)語音助手，這時候就是它先做這個規(guī)劃，規(guī)劃好后再去找后端的技術(shù)去實(shí)現(xiàn)它，比如像我們這樣的服務(wù)廠商。

”追一科技創(chuàng)始人兼CEO吳悅就對CV智識表示，產(chǎn)品化能力不足是導(dǎo)致AI領(lǐng)域項(xiàng)目制大量存在的一個重要原因。

“中國的企業(yè)軟件的基礎(chǔ)比較薄弱。

過去20年，IT行業(yè)的資源都投入到了互聯(lián)網(wǎng)行業(yè)，直到最近幾年，資本和人力才逐步投入到企業(yè)軟件領(lǐng)域。

”如果前三年可以視為第一階段的技術(shù)創(chuàng)新期，那第二階段的技術(shù)應(yīng)用時期正在不斷逼近，至于什么時候能夠在產(chǎn)品化上尋到突破，不少業(yè)內(nèi)人士都表示，只能先做，深入到行業(yè)里去，才有機(jī)會看到產(chǎn)業(yè)的全貌。

“B端市場的理解成本很高，它面向的不是大批量同一類型的用戶，而是每個行業(yè)的人群，都有自己不同的特點(diǎn)”。

當(dāng)然，從行業(yè)現(xiàn)在發(fā)展的情況來看，不同領(lǐng)域之間發(fā)展的程度也并不一樣，以公安領(lǐng)域?yàn)槔?ldquo;每家平臺的對接情況都不一樣，所以得從頭去真正了解需求，先單點(diǎn)做，然后再往外擴(kuò)展。

”但是在其它一些領(lǐng)域，比如金融，“已經(jīng)有很多先行者，相對來說更加系統(tǒng)，如果再從頭做起會比較浪費(fèi)，我們會和比較有經(jīng)驗(yàn)的合作，雖然只做一點(diǎn)，但是會對通盤有了解。

”懂技術(shù)，更得懂AI的局限AI技術(shù)長期的美好與短期的局限構(gòu)成了一種充滿矛盾的并生現(xiàn)象，那么，現(xiàn)實(shí)之下，一個優(yōu)秀的AI產(chǎn)品經(jīng)理該是什么樣子的呢？“基本上一個優(yōu)秀的傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品經(jīng)理該具備的能力AI產(chǎn)品經(jīng)理都需要有，但AI產(chǎn)品經(jīng)理對技術(shù)要求更高,知識面會更廣，除了基本的產(chǎn)品技能還要掌握AI基礎(chǔ)技術(shù)知識，如NLP自然語言、DL深度學(xué)習(xí)、ML機(jī)器學(xué)習(xí)、大數(shù)據(jù)等。

”擁有多年產(chǎn)品經(jīng)驗(yàn)的朱華告訴CV智識。

現(xiàn)在，AI公司的產(chǎn)品里一類是應(yīng)用AI技術(shù)的垂直業(yè)務(wù)產(chǎn)品，另外一類是AI服務(wù)的平臺產(chǎn)品。

前者負(fù)責(zé)AI能力在細(xì)分領(lǐng)域的應(yīng)用；后者則是對AI能力的匯總和包裝，例如各種AI開放平臺、各種云計(jì)算平臺，這就要求產(chǎn)品經(jīng)理必須熟知公司內(nèi)部的AI技術(shù)能力，還要有能力作為售前支持，為使用方提供技術(shù)咨詢。

“我們招的大多是從競品那邊跳過來的，以前也是做PM的，他們大部分都是先做技術(shù)，然后再做產(chǎn)品，有很多年工作經(jīng)驗(yàn)。

因?yàn)檫@個行業(yè)這種技術(shù)導(dǎo)向型的行業(yè)，你做技術(shù)了之后確實(shí)能更好地和技術(shù)去開發(fā)。

”沒有技術(shù)背景的歐明在一年前通過校招進(jìn)入一家AI獨(dú)角獸公司做產(chǎn)品經(jīng)理時便感覺到自己是被撕裂在工作之外的。

“公司的操作系統(tǒng)都是Linux，這就需要懂一些Linux的指令，但是我剛來的時候真的不懂，做事就會特別慢。

我一開始甚至都要從安裝部署去學(xué)習(xí)，而且很多AI產(chǎn)品都是一些很底層的，沒有前端頁面，都是一堆API接口。

”對于技術(shù)的理解決定了AI產(chǎn)品經(jīng)理如何將參數(shù)和指標(biāo)轉(zhuǎn)化為用戶體驗(yàn)，“產(chǎn)品天生就要做大量的妥協(xié)，價值的、成本的.....但AI產(chǎn)品經(jīng)理要在AI技術(shù)的邊界上去做取舍。

”技術(shù)也只是基本門檻，更高的要求是：理解場景，理解客戶，從而定義價值。

通俗來說，就是要考慮現(xiàn)在的AI技術(shù)能不能解決一些原來技術(shù)解決不了的問題，即使能解決，“值不值得投入資源去做，以及做的話能帶來多少收益。

如果投入產(chǎn)出評估通過，還需要明確提供服務(wù)的形式，比如說做人臉識別的，究竟是賣識別這個軟件，還是把軟件以及整個門禁閘機(jī)都賣給他。

”更重要的是，他必須要在理解行業(yè)技術(shù)發(fā)展現(xiàn)實(shí)的基礎(chǔ)上，理解AI的局限，并且要能夠“為這些AI的技術(shù)缺陷或者局限去做相應(yīng)的彌補(bǔ)措施。

”以智能客服產(chǎn)品為例，不論從產(chǎn)品體驗(yàn)，還是從商業(yè)可行性上來說，如果產(chǎn)品經(jīng)理一上來就要做“直接代替人”的產(chǎn)品肯定不太可行的，而如果定位在“AI輔助人工”就會更容易落地。

一位曾在微軟小冰工作的技術(shù)人員向CV智識分享了一個故事：產(chǎn)品最初，從技術(shù)的角度看小冰的對話回復(fù)并不是特別理想，甚至有些無厘頭，但是當(dāng)時團(tuán)隊(duì)在產(chǎn)品化的過程中給小冰打上了這樣的標(biāo)簽：16歲，萌妹子，“你再回頭去看她的很多回答就合理多了”。

2005年，科技學(xué)者庫茲韋爾在《奇點(diǎn)臨近》一書中大膽預(yù)測，“我們的未來不是再經(jīng)歷進(jìn)化，而是要經(jīng)歷爆炸。

”事實(shí)上，庫茲韋爾的觀點(diǎn)更符合人們對于AI的想象，但對照互聯(lián)網(wǎng)公司發(fā)展史不難發(fā)現(xiàn)，很多產(chǎn)品都是一步步演進(jìn)形成的。

比如Pinterest 一開始想做電商導(dǎo)購系統(tǒng)，但由于理念太先進(jìn)而失敗，于是中間轉(zhuǎn)做圖片分享，經(jīng)過幾年之后，才又做回導(dǎo)購系統(tǒng)。

“一個切實(shí)可行的復(fù)雜系統(tǒng)勢必是從一個切實(shí)可行的簡單系統(tǒng)發(fā)展而來的。

從頭開始設(shè)計(jì)的復(fù)雜系統(tǒng)根本不切實(shí)可行，無法修修補(bǔ)補(bǔ)讓它切實(shí)可行。

你必須由一個切實(shí)可行的簡單系統(tǒng)重新開始。

” 蓋爾定律所說不無道理。

結(jié)語采訪過程中，問及黃潔，“今年行業(yè)形勢并不算好，你有感覺到客戶更冷靜了嗎？”“客戶一直很冷靜”，她回答地很干脆。

“客戶永遠(yuǎn)都在權(quán)衡，在解決同一個問題時，是不是AI能解決地更好。

尤其是面對一些不同行業(yè)的大B客戶，我們一直都是既和同類型的AI公司，又和業(yè)界傳統(tǒng)老牌公司共同競標(biāo)。

”成長總有復(fù)雜性，陣痛也是正常，AI產(chǎn)品化的局限在一定階段內(nèi)在所難免。

舊水與新流的爭鋒，既有潮平兩岸闊，也有床高岸低，但趨勢終究不可擋。

下一篇:不止是區(qū)塊鏈，AR也在悄悄重塑金融業(yè)的未來 下一篇 【方向鍵 ( → )下一篇】

上一篇:困難重重下，明后年AI芯片投資抄底的機(jī)會來了？ 上一篇 【方向鍵 ( ← )上一篇】