AI浪潮下，浅谈AI和转AI产品经理后的变化

01 AI现状

1. AI的发展阶段

AI，人工智能（Artificial Intelligence），定义上讲是指人造系统（机器）通过模拟计算表现出来的类似于人类智能的行为。比如让人造系统能够具备感知、学习、推理、决策和解决问题等能力，从而进行语言理解、视觉识别、决策、学习和问题解决等具体任务。

而当下，按照我个人的理解，AI的发展阶段应该分为起步、应用、发展、超越、全面这五个阶段。而我也看到有通过AI技术进行阶段分类的，即窄人工智能（Narrow AI）和通用人工智能（General AI）。但我觉得只有两个分类的话太粗糙了，不够细致。比如其中窄人工智能和通用人工智能的分界点我认为就是的五个阶段的‘超越’阶段，所以我觉得五个阶段更细分，更贴近我理解中的AI发展。

举几个例子，文字、音频、图像等的识别、生成，就是处于‘应用’阶段；AI机器人（人形机器人），也是就是处于‘应用’阶段；自动驾驶，‘应用’阶段向‘发展’阶段的过程中；那这些阶段的分界点或者分级理由是什么呢？

2. AI的不同阶段

起步：基础认知与初步探索

认识和理解AI，尝试并利用人造系统感知一定的信息，并可以进行相应的信息反馈；

此阶段聚焦于AI概念的验证与基础能力构建，例如图灵测试、机器定理证明等。早期跳棋程序通过规则驱动实现简单决策，成为人类与机器交互的雏形（例：IBM深蓝击败国际象棋冠军）。

应用：垂直场景的泛化落地

能形成一定的泛在感知数据系统，模拟部分程度上的人类思维能力，且能在一定范围的场景内应用，解决特定领域上的一部分问题；窄人工智能（Narrow AI）在此阶段主导，表现为特定领域的高效执行能力。此阶段部分技术已实现商业化闭环，但依赖人工规则与数据标注，缺乏自主推理能力。比如：

• 图像识别：医疗影像AI辅助医生诊断，能力严格限定于医学图像分析场景，需依赖有 一定经验医生的标注数据进行训练，无法自主扩展至其他领域；
• 自然语言处理：ChatGPT通过语义理解生成连贯文本；
•  决策优化：AlphaGo在围棋中击败人类顶尖选手。

发展：系统化整合与主动学习

能形成较全面的信息接收与理解，较大程度模拟出人类思维能力，并开始突破单一任务限制，通过多模态数据融合实现跨场景推理，其能力将逐步突破垂直领域的限制，为泛领域智能（超越阶段）提供技术基础，还可以在不经过人为干预的情况下回溯以往的全部历史自行总结、学习、改进和反馈。

这里以上的阶段我没有办法再列举出现有的例子了，因为只有几个正在往此阶段过渡的，但远未达到的。比如：

• 自动驾驶：结合视觉感知与路径规划，实现动态环境决策；
• 知识图谱：DeepMind利用强化学习优化能源消耗，降低谷歌数据中心冷却成本。

此阶段AI具备初步自主迭代能力，但仍需人为设定边界条件。

超越：类人思维的泛领域突破

能在较大范围内，具备与人类思维能力相同等级学习、推理、思考能力，并在特定领域（如科研、金融）展现出超越人类专家的能力的通用智能。

此时AI仍缺乏情感理解与跨领域迁移能力，还有与之相关的社交与互动能力，属于“专家型智能”。

全面：通用智能的终极形态

这里我认为AI将具备超越人类总体智能的能力（注意是总体），具备跨领域创造性解决问题的能力。比如AI可同时推导未知或待证明的物理定律，设计新的生物合成路径，通过超大规模模拟优化城市规划与全部的资源分配，甚至运用所有人类的全部文明成果和知识累积来进化。

但此阶段技术仍属理论范畴，应该为AI发展的终极目标。

3. AI的作用是什么？

AI不是机器，不是实物，也没有办法直接产出实物。人与动物最大的区别就是有否具有意识，并通过制造和使用工具来从事生产劳动。而当AI加入后，生产实物就可以使用AI，制造和使用工具也可以通过AI了。虽然AI无法直接生产和替代实物，不过作为优化流程与决策提升效率的“杠杆”，AI具有先天性地作用与优势。比如

• 无间断执行：AI无需休息，可24小时处理重复性任务（例：客服机器人全年无休应答）；
• 数据驱动决策：通过实时数据分析优化生产链路（例：工业AI预测设备故障，降低停机损失）；
• 长尾场景覆盖：解决人力难以规模化的细分需求（例：AI法律助手解析海量判例，生成诉讼策略）。

我认为AI更像是人在从事劳动生产过程里服务的一种，承担了一部分人的属性，尤其是当AI具备部分意识能力和思维能力后；另外，AI也算是生产劳动工具的一种。换个角度来对比的话，就像‘钱’具备‘价值中介’属性，而AI是连接需求与生产力的“智能中介”，它们都不属于实物，但也都是提高人生产劳动的效率工具；

4. AI如何参与社会生产

对于使用AI的用户而言，AI就像是一个拥有指令入口（语音、文字、操作等）、执行和结果输出（语音、文字、图形、操作流程、成品/成果）的整合体，但有可能实际也是经过多次逻辑整合和流程拼接的。比如，我之前的AI产品就会经过像现在所谓的智能家居产品一样的if（and/or），than，or，not的流程，通过逻辑整合的方式整合不同的模型来完成整体识别和输出的流程。

当下的AI更像通过特定逻辑规则推导并执行的流程，只是相对人或者机器更简便和效率更高。但本质上仍像是皮球一样，踢一下，动一动的‘被动响应式执行’，不过有些可能会滚得比较远。当AI各项能力的提高，将滚得会更远。

当下的社会生产模式仍以批量化的工业生产为主，通过广泛地复杂地社会性协作进行产出实物成品或服务。但当前阶段AI仍缺少最重要的思考深度和广度，或者叫多模态数据融合实现跨场景推理，实际生产执行过程中的中间决定仍然无法通过使用AI而省略。这就会让使用场景和范围较为单一的AI无法将整个流程执行完成，也无法直接通过拼接让各项协作流程有机整合。
举个例子，假如我想买一件衣服（成衣），在当下的情况下，我要把这件衣服买到和穿上，加上可能的售后（不包含支付），大概需要经过以下流程

（以上流程和节点仅为举的例子更清晰易懂，实际流程只会更复杂繁琐并充满各种决策和意外处理流程，行业专家可以一笑置之，无需较真）

部分的流程和节点都已有相应AI工具可以用来协助完成，但要利用AI来完成整个流程，现阶段仍无法做到。无论是客观方面的技术、能力应用上，还是主观方面的利益驱动下，都无法全部用AI完成。

比如设计可以用生图AI或者专业的服装设计AI工具完成，但去到材料选择的节点，各原料生产厂商的数据没有办法统一格式标准、整理利用和同步，先不说工作量大不大的问题，这些涉及企业利益的核心数据是不会轻易拱手让别人或公司轻易取用的。

依此类推，可以想象就像买成衣这么一个简简单单需求需要满足，将会涉及到社会上多少人、企业的相互协作，多少资金、资源、数据和系统的参与才能完成。如果需求稍微再变化一下，由买成衣换到买定制服装，整个流程和节点需要进行多少改变，那现在有哪些AI能够串联并完成整个流程呢？显然是没有的。当下，各个流程和节点，仍需要人为参与梳理、串联流程，修正和保证流程的顺利和有效执行。

当然，随着各类应用阶段的AI不断进化完善和强大后，部分流程中的节点会很轻松地让AI完全取代且无需任何人为干预和参与决策。比如，AI参与的3D打印、自动材料生产、物流自动运送与装卸货等等。一旦进展到该阶段，此时再‘踢’一下，AI就会在整个需求流程里滚的更远。AI取代的流程节点越多，人的参与度就越低，效率将自然地指数级提升。

另外，还有一个更直观的例子。

有一部名字《神奇遥控器》（又名人生遥控器）的好莱坞电影，由著名演员亚当·桑德勒饰演主角，大概讲述的是他通过一个神奇的遥控器随心所欲跳过他身边一些繁琐复杂且不愿面对的事情，然后突然身边的事情和事物都变得不可控制，让他的生活变得乱七八糟的故事。那个神奇的遥控器，就是类似于AI的作用。有兴趣的朋友可以去看看，就能更清楚AI的作用了。

02 转AI产品经理后的变化

我转成AI产品经理是2018年初时候的事情，那时的AI还是非常流程化，作用非常有限的阶段，比较像自动流水线生产往智能流水线生产过渡一样。AlphaGo也才刚刚成名不久，AI开始透过各种事件和角度进入普通大众的视野。而我接触的是行业比较特殊，受众少且专业程度较高的医疗行业，做的是图像识别类的AI系统。

而且AI产品经理其实也有不同类型的，比如有以算法模型选型等研发方向为主的技术研发型，也有以AI平台和应用为主的应用型，而我则是属于后者。

通过逐步深入的接触，我发现相比我过往的产品经历，作为一个AI产品经理，让我产生了很多不同的变化和感受，下面我将分类浅谈一下。

1. 性质变化

互联网产品经理如果用产业来比喻的话，比较像是第二产业中的轻工业或者第三产业，而AI产品经理更接近于第二产业中的重工业。就是以前生产手机、卖手机的，现在改成制造手机生产线的了。以前做ToC的，就是那生产手机的，负责生产市场上各类客户需要的手机，让客户喜欢买，喜欢用；ToB的，就像是那卖手机的，负责为平台、商家、厂商提供服务。虽然不管ToB还是ToC，两者都有一定的共通点，但都有各自着重的方向。

AI产品经理则不同了，本质差异类似于“制造手机”与“设计制造手机生产线”，后者需兼顾技术可行性与规模化落地。而性质变了，马上地，职能也跟着变化了。

2. 职能变化

第一重变化：战术层

首先感受到第一重的职能变化就是，工作的核心与重点有所偏移了。

如果放到军队里来类比的话，互联网产品经理更倾向于指挥和组织部队。善于指挥和战术，能上阵杀敌的是武将，善于组织和谋略，能把战术执行到位的是儒将。而AI产品经理的角色和定位，对刚接手AI项目的我来讲，更接近于系统整备和后勤保障。不像是武将一样善于突破，但武将想要部队战斗准备充足，无后顾之忧，后勤保障很重要。要把战术执行到位，指挥系统、人员层级架构和效率也需要得到充分发挥。在我接触的AI产品研发过程里，算法工程师就像武将和重武器一样，能直接杀伤敌方，但没有好的部队和弹药配合，效力会大大降低。

这时我的职能侧重倾向于资源整合与流程优化。

比如需要为‘武将’提供有效的指挥系统和后勤保障，并在一定程度上梳理层级架构和流转效率（数据流转）。不是还有一句话说，打仗其实就是打后勤。尤其是我所处的医疗行业里，不像是那种通用数据，采集数据来源丰富，处理起来需要的专业要求程度不高。如何高效采集和利用数据，落地到整个场景和流程中，是我前期职能变化的核心与重点之一。

第二重变化：战略层

根据AI的阶段变化，我的AI产品经理角色也产生不一样的变化。在AI还在快速‘野蛮生长’的阶段，就是大家在拼各自的准确率、精确率、召回率和综合评价指标等等数字高低的阶段。当战术层的资源整合完成（如数据闭环建立，模型和技术指标趋近平稳），我的职能就产生了第二重变化，转向战略层的能力边界定义，即通过技术可行性评估确定AI应用的扩展方向。

这时，如何塑造AI的性格，或者说是解决问题的范围。一旦AI能在一定的范围和场景内，较为准确有效地解决问题后，如何利用有限的研究资源进行扩大AI的使用范围和场景限制，就会逐渐成为新阶段的工作重点。

比如，当AlphaGo能下围棋，那是否让AlphaGo玩游戏，还是让AlphaGo进行气候预测与建模。AI自动驾驶在接近L3级（附下图：即有条件的自动驾驶）后，需决策优先优化城市道路场景还是高速货运场景，以匹配商业战略。

而我实际的职能变化就像是，从“设计制造手机生产线”升级为“设计+生产+配送”如何一同完成了。

3. 对象变化

这种变化体现在以下两方面

• 人群对象：互联网经理以往面对的对象，要么是产品/服务的使用者，而AI产品经理在前期，更多地是面向产品/服务的生产制造者。比如算法工程师、数据标注员、开发人员、测试人员等生产环节参与者；
• 用户对象：由以往的实际用户，转变为了虚拟用户（模块和流程）。比如权限系统，数据中心，知识图谱，测试与金标准验证等模块和流程。

03 不变的地方

上文已经讲到了一部分我个人感觉到的变化，接着我将简单说说我觉得没有变化的地方。

首先，尽管职能与对象发生变化，但我认为作为产品经理的部分本质作用没有发生变化，那就是衔接。
之前是衔接需求方和制造生产方，需求方有可能是用户、甲方、老板等等，制造生产方就是设计、研发、测试、运维等等。而AI产品经理更接近于衔接制造生产方和各模块流程，然后应用于服务使用方，就是衔接研发团队和AI系统本身，然后再应用于使用AI的人群。比如在我的之前的项目里，既需协调算法团队（生产方），又需确保搭载模型的系统符合临床需求（使用方）。

还有，之前是透过产品或服务完成用户的场景需求，而现在是让AI取而代之来完成用户的场景需求。举个上文类似的例子，以前是造车，让用户可以使用造好的车（设计好的规则和流程）完成A到B的需求，现在是让AI成为‘车’或者车的一部分，直接让用户用车（按自己的想法和规则）完成从A到B的需求。也就是价值创造没有变。

04 AI产品经理的展望

那作为AI产品经理，如何看待这岗位将在未来如何融入AI和在AI浪潮中发挥作用呢？

首先，按照我上面的AI的五个阶段，现在AI应该大多是处于或刚进入应用阶段，那AI产品经理首先应该发挥的作用就是如何让AI进化到发展阶段。当然，这不是一个产品经理就可以做到的，更不是一个算法专家或算法团队就可以做到的。

比如，‘车’是一种交通工具，它的主要作用是安全地将人或物品等实物，转移至另外一个空间或位置。但人的需求是多样的，对‘车’的需求也是一样，有的人买车是因为品牌、因为想享受驾驶乐趣，因为需要通过车来赚钱等等。那‘AI+车’对与这些需求，有的就呈现积极反应，有的则呈现消极反应，如何对此进行抉择，并让AI发挥最大效能和效益，就是AI产品经理在这个阶段最核心和重要的作用了。我称之为技术商业化的“边界探索者”

当然，展望未来，AI产品经理至少仍需扮演三重角色：

1. 落地可行性评估者：对AI技术形成产品或服务的成本与收益进行全方位评估；
2. 场景化需求定义者：挖掘高价值落地场景，覆盖更多目标用户群体；
3. 伦理与合规守门人：避免AI对人类安全产生威胁，防止AI突破伦理与法规限制。

05 结语

未来，随着AI向通用智能演进，产品经理当然也需要适时改变，毕竟适者生存。
如果用产品经理的‘道’、‘术’、‘器’来对比的话，现在AI已经在某些领域取代了‘器’，比如写稿件、剧本、文章，还有编程、生图、剪辑等等，虽然不能完全替代，但基本能做到大多数场景下中等以上的完成效果，而且效率和效果已经可以直接秒掉大多数基层从业人员了。作为产品经理，唯有深刻理解AI发展阶段与产业需求的双向驱动，方能成为推动AI智能革命浪潮下的关键枢纽。
至少现在AI还没办法到达‘术’的层面。

以上思考，均仅代表个人观点。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！