大家好，我是大虾，3岁半的 AI PM，之前工作过的地方有：商汤科技（计算机视觉 - CV 方向）、安人心智（自然语言处理 - NLP 方向）。本文是我在日常工作中的思考总结，不免含有主观或错误的观点，欢迎大家多多指正。
记得最开始朋友问我这个问题的时候，因为我没做过常规 PM （因为大四就在商汤实习了，从 iOS 开发转的 AI PM），不知道如何回答这类问题。三年半过去了，在历经了 CV 和 NLP 的两个领域，做过 toB 和 toC 产品后，总算有些不一样的体会。
常规 PM（Product Manager，产品经理）与 AI PM 存在差异，在已有的平台对二者之间的定义较为模糊。本文从他们的工作内容和技能要求两方面对他们做较全面分析。AI PM在不同公司的定义或要求不甚相同；因此，我们根据 AI PM 同行们的总结，对不同 AI 公司先做一个基本的分类。
AI 公司分类
看了 AI PM 同行们的总结，目前有三类 AI 公司，不同公司对 AI PM 的诉求也有所不同。
参考百万年薪的人才泡沫与人工智能的虚假繁荣文中的解释：
第一类是互联网巨头，包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司。
第二类是人工智能创业公司，以某种人工智能技术为主营业务的创业公司，典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等。
第三类是将人工智能融入到自身业务中的其它创业公司，如学霸君、泼辣熊和智齿科技等。
再另一篇文章 To B产品经理如何转型为AI产品经理中，采用了不同的分类方式如下：
第一类，【基础层AI】领域的公司。这类公司的业务是提供AI技术平台及其配套基础设施，例如：各种AI开放平台、各种云计算平台、基础AI硬件提供方等。由于AI技术本身就是产品，因此这类公司每提升一个技术的等级，就能够提升产品的竞争力。
第二类，【AI+行业】领域的公司。这类公司的所在行业是由于AI技术的发展而创造的新的行业（品类），例如：智能自动驾驶、智能音箱、智能手环等，也就是说，没有AI技术就没有这类公司。
第三类，【行业+AI】领域的公司。这类公司主要是现有行业内应用AI技术来提升产品竞争力，例如：智能医疗系统、智能客服系统、智能UI设计系统等。我理解这类公司是在充分理解商业业务场景的基础上，寻找能够为企业带来进一步“降本增效”的AI技术方案。
常规 PM，是企业中专门负责产品管理的职位。主要负责市场调查、确定开发产品类型、推动产品的开发等。
常规 PM
所有 PM 都需要从「用户」「需求」「场景」等角度出发来确定一款产品。
从公司定位和产品形态上，主要有 toB 和 toC 两类 PM：
- toB PM – 需要根据目标客户的场景需求，制定相应的解决方案（产品形态大多是 API 或 SDK）；
- toC PM – 需要根据潜在用户的场景需求，设计产品的功能（产品形态大多是 移动 App 或 Web 网站）
PM 的日常工作包括将目标拆解，梳理产品逻辑，编写产品需求文档，并有效及准确地传达给团队中的 UI 设计师、工程师（包括前端和后端），测试并发布初步开发完成的产品，对用户测试，做详细的数据分析等。
那么，PM 的通用技能都有哪些？（参考Product Manager Skills By Seniority Level — A Deep Breakdown）
- 战略思维：能为越来越大的产品领域和问题寻找答案
- 沟通能力：能清晰准确地进行书面和口头的交流
- 合作能力：在团队内部以及外部的协作下，完成任务
- 利用工具：利用产品管理工具，促进团队的良好合作
- 把控细节和质量：推动项目进展，并及时发现细节错误
- 用户科学与同理心：利用用户科学工具来更好地理解用户，使产品适应用户需求
- 管理能力：管理、提升团队人员的能力、扩大团队规模
AI PM
不同公司的 AI PM，又有什么不同呢？
看到大家都在说，与 常规 PM 相比，AI PM 需要理解技术、了解算法原理。但技术又需要理解到什么程度？所有的 AI PM 都需要学算法和技术吗？
【基础层 AI】公司的 AI PM
基础层 AI 公司的产品结构大概是这样的：
根据产品结构划分，主要有底层技术和上层业务两类 AI PM。
负责底层技术的 AI PM，为上层业务部门提供算法产品（算法库+功能接口）。主要日常工作如下：
- 对算法产品（如算法工程师直接提供的算法库模型）进行一定的封装；
- 根据上层 AI PM 的反馈（算法合入工程后可能引发的各种问题），与技术人员定位问题 – 如果是算法问题，则反馈给算法工程师；如果是业务需求问题，则制定相应的技术解决方案；
- 制定算法产品的评测范围，各功能的性能指标；
- 拆分各业务部门的需求，迭代算法产品，并提供详细的技术支持文档；
- …
此类 AI PM 须拥有较强的技术能力，并能够理解算法和工程中的问题，才能满足上层的业务需求。与技术能力相比，负责上层业务的 AI PM，更需要理解 AI 在行业应用场景中的关键问题，为客户提供易于集成的定制化或通用解决方案。
早期我在商汤属于上层业务的 AI PM，工作重心是项目管理。首先根据客户的需求，制定解决和行动方案。然后向底层技术部门申请算法开放的功能接口，集成到上层业务。
下面用 SenseID 身份验证服务 的案例来讲解在真实场景中，上层业务的 AI PM 如何解决客户需求。
身份验证服务：
用于解决互联网金融客户、银行等行业的用户身份验证场景，提升交易安全性，比人工审核更高效便捷，同时减轻客服人力成本，产品形态主要是给客户提供的相应的 API / SDK。
解决方案包括这几个功能模块：
- 人脸识别模块
- 活体检测的模块
- 证卡 OCR 模块
客户关心的问题：
- 产品的数据安全性，以及用户体验可被提升的程度，
- 产品不同功能模块（如活体检测与证卡 OCR 模块）可互相兼容，并各模块的数据可相互联等；
- …
针对以上问题，因此需要对解决方案中的活体检测算法有较高的准确率，还支持对各类视频防伪的要求等。
为了解决客户问题，降低客户技术人员对我们解决方案的集成难度，AI PM 偶尔会写使用文档来补充细节或 FAQ，常在客户与技术沟通群中查看具体问题并定位问题来源，优化解决方案，发动自身能量推动工程、算法部门，共同解决客户问题。
【行业+AI】的 AI PM
在【行业+AI】类公司中，大部分都以与【基础层 AI】合作的方式来解决业务需求问题。目前有几种常见的 行业+AI 的场景：
- 提升功能体验，如某短视频产品的 AR 模块，使用 AI 的人脸识别，关键点定位等算法，开发人脸贴纸和动态特效；
- 优化体验流程和效率，如某金融产品的身份验证流程，使用活体检测 + OCR 证卡识别技术，代替原有的人工审核流程；
- 提高数据增长量，如某些推荐产品的策略，可使用 AI + NLP 来优化，使用文本语义分析等算法，计算各个指标的相关性；
不久之后，AI 也许能解决更多产品的需求…
此类 AI PM 要大量积累产品所在行业的知识，提升洞察力和商业思维。与 AI 相关的日常工作包括：
- 根据自身业务需求做相关 AI 服务调研；
- 了解 AI 技术能力的范围和边界，如：现有 AI 技术可以优化哪些产品功能，创新突破哪些体验；
- 详细了解 AI 解决方案的开发文档、接口和数据格式，实际测试和对比各 AI 服务，及时发现可能存在的坑，写分析报告；
- 确定 AI 解决方案后，评估 AI 服务成本以及对产品提升的效果，再与乙方 AI 公司谈合作。
【AI+行业】的 AI PM
在【AI+行业】类公司，AI 技术需要支撑它的核心业务，第三方通用 AI 服务无法解决该产品的复杂需求和特殊问题，需要自主研发算法和训练模型，比如智能自动驾驶、智能音箱、滴滴对车辆的调度策略相关算法等。
我做的这款基于 AI+NLP 的中文写作工具，也属于这类产品。
这类 AI PM 既要了解产品本身的核心应用场景、做出更接近用户行为的产品设计；又要思考算法技术提供的能力范围、制定产品的分析策略、将 AI 技术无缝衔接到产品的核心功能里。
例如，校对功能需要攻破的主要算法问题如下：
- 准确率（检查文章，正确找出错别字）
- 召回率（是否遗漏部分错别字）
- 文字容量（单次校对的字数限制）
- 运算速度（实时检查所需反馈时间）
根据上述指标，AI PM 需为算法工程师提供抽象规则的提取策略，对算法各版本进行评测并分析结果是否优化，定义前端展示的数据和逻辑，前端产品原型的交互设计，后续迭代的版本管理…
这类 AI PM 要掌握的技能就很多了！如果是 NLP 方向的话，可能还得再多了解一点语言学相关基础常识。AI PM 需要全程参与，团队最好要有该领域专家来做知识的制定和补充。
所以…我几乎每天都在思考如何解决这些问题，并尽可能高效地落实到具体行动中。
总结
根据以上各类 PM 每天需要解决的问题、提出的解决方案，具体的行动和时间分配，相信大家已经能感知到 AI PM 和 PM的差异了。
最后，谈谈我感受。PM 的思考是为了解决问题（用户在真实场景中的关键问题），利用通用产品思维工具，将无边无际的问题和答案路径约束在一个较小的范围区间；集中精力使用最有效的方案，解决最重要的问题，为公司和社会创造出更多的数据和价值。
如果对本文有任何的建议或意见，或对相关内容需要探讨，欢迎加我微信一同探索，微信号：Wuxia-wuxia-0822。
- created，180409
