AI产品经理入门知识AI通识思维导图

思维导图大纲

AI产品经理入门知识AI通识思维导图模板大纲

AI产业结构

AI发展至今大致按照在产业结构上的分工不同产生了三种类型的公司，我们在转型时最好要先明确自己的优势及兴趣，来判断自己适合着眼于哪个层面的工作，从而进行针对性的学习和提升。

（1）行业+AI

这类公司重在“行业”，本身有着一定的行业积累，给用户提供AI赋能后的产品或服务。

目前此类公司的战略趋势是会越来越细分到具体的垂直场景上，所以这也对产品经理的场景分析能力有较高要求。

（2）AI+行业

这类公司重在“AI”，是由AI催生出来的行业，客户可以通过使用这类公司提供的服务或解决方案来完善自己的产品，从而快速提升自身产品的价值

此类公司商业模式主要以to B为主，所以需要产品经理具有较强的沟通能力，能快速挖掘理解客户的真实需求，并对项目具有一定的把控管理能力。

（3）基础平台

这类公司旨在提供基础AI技术平台，包括一些计算平台、算法平台，或者提供各场景的一手数据，从而帮助企业快速对接AI技术，大幅缩短客户在人工智能研发上的投入成本和周期。

此类公司对产品经理的要求更侧重于对底层技术框架的理解。

如果你曾经从事过研发工作，那么在该类公司工作会比较有优势。

AI产品经理的分类

AI产品经理，是直接应用或间接涉及了AI技术，进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。

（1）狭义AI产品经理

1）定义

直接应用了语义、语音、计算机视觉和机器学习这4个领域的AI技术，进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。

因为语义、语音、计算机视觉和机器学习这四个领域近几年的落地情况具有如下4个特点：

直到近些年才逐渐“可商用”（这4项AI技术，其实很多年前就有了，但一直不够完善）；

可以应用到新产品形态/品类，比如：实体服务机器人、智能音箱、虚拟机器人等；

很可能应用了新的交互方式，比如：对话/语音/多模态等；

慢慢形成新职位，比如：TTS产品经理。

2）分类：

语义类AI产品经理：

对话PM（可再细分为聊天、垂类等）、知识图谱PM、机器翻译PM、搜索PM等

语音类AI产品经理：

ASR PM、TTS PM

视觉类AI产品经理：

人脸识别PM、车辆识别PM、智能视频分析PM（涵盖了人脸、车辆、多目标等等）、图像检索PM

机器学习类AI产品经理：

在出行、推荐、大数据等各种领域应用了机器学习技术的PM

终端应用类AI产品经理：

还有一些PM，通过各种终端载体形式，也直接应用了以上4种AI技术中的1种或多种

（2）广义AI产品经理

1）定义

间接涉及了语义、语音、计算机视觉和机器学习这4个领域的AI技术、或直接应用了其他还不够成熟的细分领域AI技术（比如：脑机接口、量子计算等），进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。

广义AI产品经理具有如下特点：

“间接涉及”的意思是，不直接掌握这4种AI技术，也能做当前的本质工作；特别的，这类职位，很可能在2015年前已经存在了。

至于“直接应用了其他还不够成熟的细分领域AI技术”，这类领域由于过于超前，AI技术还需要重大突破、市场还没有成熟，产品经理的产品设计职责不像互联网产品经理这么“重”。所以很可能由技术人员或公司创始人兼任，并会承担较多的项目经理工作职责——相应的，这类产品经理的数量，目前还非常少。

当然，未来，广义AI产品经理也会慢慢向狭义AI产品经理演变、融合。

2）分类

终端应用类产品经理（非狭义AI）：

在前文提及的实体机器人、虚拟机器人、智能车载、智能家居、穿戴式设备、其他互联网产品形态等各种终端载体上，没有直接应用（但间接涉及了）语义、语音、计算机视觉和机器学习这4种AI技术的PM。

策略类产品经理（非狭义AI）：

在出行、推荐、大数据等领域，没有直接应用（但间接涉及了）机器学习技术的PM

非成熟AI技术类：

脑机接口、量子计算等。

AI产品经理的能力模型

每个行业的发展都要经过重技术、重产品、重运营这3个阶段，现如今AI行业已经步入第二个阶段即产品的优先性要高于技术和运营。

在这种背景下，除了要具备通用产品思维外，行业还对AI产品经理在如下方面提出了更高的要求：

（1）找准商业变现模式和闭环

资本寒冬里，整个市场都在重新洗牌，这种情况下找准自己产品的商业模式就显得格外重要。

陆奇曾说过，人工智能落地最关键的是找到场景和商业模式，做出极致体验，并快速迭代。

目前AI市场实现商业变现主要有两种方式：

一种是AI直接产出价值，通过AI来取代部分人力，提高生产效率并节省人力成本，例如智能客服系统等；

另一种则是AI赋能人类，为人类决策提供支持，例如AI在医疗领域的应用，辅助医生诊疗，AI都是作为助手的角色来帮助人类。

目前商业化程度做的较好的行业有安防、金融、互联网服务、企业服务：

安防领域，在“雪亮工程”的政策推动下，针对人像数据、车辆数据的智能摄像机、后台分析系统等产品落地速度快。

在民用市场，人脸闸机成为民用市场的明星产品。

金融领域，智能风控和量化投资的技术应用商业化程度较高，作为“离钱最近”的行业，金融业原本积累的海量数据，使得人工智能在金融领域快速落地。

互联网服务领域，以翻译、P图、智能推荐、语音转写等服务为主，这些服务以智能手机为主要入口，与公众工作和生活的关系较紧密。

企业服务领域，智能营销和智能客服是两大主要落地的应用，前者重点基于人群大数据、通过数据挖掘技术实现精准营销，后者基于知识图谱和语音交互技术而正在被广泛应用于各行业。

（2）把控产品需求

找准产品的商业变现模式之后，就要深挖产品需求。首先要对公司整体产品架构有比较清晰的认识，在这个框架体系里评估当前需求是否符合公司整体战略规划，之后在这个战略方向上做MVP，验证成功则可以继续打磨细节持续优化，验证失败则再探索下一个方向。

业内通常认为人工智能的发展离不开三大要素：数据、算法、计算力，但人工智能落地的应用场景同样是一款产品能否取得成功的关键。

AI产品经理最核心的技能也在于此，即通过人工智能技术去重新定义场景和需求，提供一套可行的人工智能解决方案。在明确了具体的需求场景后，需要考虑清楚我们产品的客户会在当前流程里的哪个环节使用它，以及现有的方案是什么，我们的产品解决方案比现有方案好在哪里。

AI产品经理对产品的需求把控能力比传统互联网经理要求高不少，而且需要快速验证，在瞬息万变的AI领域迅速落地能解决痛点问题的产品。

现阶段的行业通识是选准一个足够细分的垂直领域去构建商业和技术壁垒，而不是与谷歌或百度竞争通用AI技术。目前to B的场景主要从提升人工效率、降低人力成本、帮助决策的方向考虑，to C的场景则更侧重于提高便利性。

（3）与技术互相推动，互相成就

作为AI产品经理，首先要认识到用户只在乎购买的产品帮他解决了什么问题，以及为此支付的价格是否值得，并不在乎产品使用了多复杂多前沿的技术。产品设计应当从商业盈利以及切实解决用户痛点的角度出发而非技术出发，所以AI产品经理在这个意义上可以根据商业及产品需要倒逼技术优化。

在实际的产品设计的过程中，AI产品经理必须理解技术实现过程，找到用户需求和AI技术的交叉点，设计的产品要和团队现有数据、算法、计算能力匹配。做到准确传达产品需求，帮助研发工程师快速实现产品目标，缩短研发工程师找到最佳技术方案的时间。并能使用非技术语言，将研发过程中的技术原理及出现的问题及时与leader和客户沟通，来获得支持和认可。

此外，AI产品经理还需要拓宽自己的认知极限，了解技术边界，多跟团队里的AI工程师交流，平时也要随时关注AI行业最新动态和变革，阅读前沿paper。

（4）获取用户信任

随着AI技术的发展，AI涉及到的伦理和道德及法律风险也越来越引起大众的关注。美国很多人工智能公司已经成立了伦理审查委员会来检查人工智能产品的设计方案是否符合道德，并确保用户的安全和权益收到保护。

作为AI产品经理，设计的产品可能会承担着更高的法律和道德风险。目前很多公司已经意识到AI对人类在道德伦理上的影响并做出举措，在今年的谷歌开发者大会上谷歌就为Google Assistant加入了针对儿童的Pretty please功能，鼓励小孩对进行礼貌提问。

在技术发展的过程中，不可避免会引发一些问题造成用户的不信任。2016年3月，Twitter上线了一款聊天机器人Tay，但是仅在一天的时间里，Tay就在与网民互动过程中学习成为了一个集性别歧视、种族歧视等于一身的“不良少女”。

类似的，虽然淘宝基于大数据的个性化推荐十分精准，但是因为可解释性较差导致很多用户对如此精准的推荐感到十分不安，并认为这种个性化推荐可能侵犯了他们的隐私权。

AI 未来的发展方向可能更应该将更多的决策过程展示出来，让用户理解和明白为什么要做这样的决策，而不应该仅仅是一个黑盒。