技术研发实力过硬 | 系统软件开发
国家高新技术企业

首页 / 产品策划 / 文章详情

AI 时代产品经理的机遇和挑战

2017-11-28 19:063511

分享嘉宾:爱因互动创始人&CEO 王守崑

以下内容为嘉宾分享实录,由人人都是产品经理社区@Ella 汇总整理,部分内容有修改,嘉宾已确认:

 

20世纪美国经济学家Gavin Wright提出过一个“通用技术”的概念,他认为在历史上,尤其是工业革命的历史上,有很多技术一旦诞生之后,会对人类社会的进程产生巨大的改变。比如说火车、汽车,再往前的蒸汽机、内燃机,以及电力技术、信息技术和互联网等等。

AI的未来:通用技术

那么,AI是通用技术吗?

我们先看一下通用技术有什么样的特点:

  • 通用技术会对人类社会产生重大的影响,它能以十倍、上百倍、甚至若干个数量级这样的程度去提升生产效率。
  • 通用技术可以被应用到各行各业,或者会对各个行业产生巨大的影响。为什么交通类的技术会被认为是通用技术?比如汽车的产生,未来的无人驾驶,都是因为它们可以被各个行业广泛应用。
  • 通用技术一般都需要巨大的投入,需要巨大的基础设施去支撑。
  • 通用技术需要各种各样的人才。不单是技术人才,而是各种行业、各种领域的人才。
  • 通用技术需要一个漫长的成熟期。

AI目前在实验室表现非常好,但是实际生活中未必是这样。在实际应用中,计算机视觉领域是最成熟的领域之一;除此之外,自然语言处理、多模态学习、通用推理、机器人这些在实验室表现非常好的领域,在实际的商业应用中也表现平平。

我有个朋友一直在说:目前我们见到的这些人工智能,如果严格从我们人类的角度来看,其实不应该叫人工智能,而是“人工智障”。

但是,我们还是认为AI是最有可能成为未来的通用技术。

为什么?

我们在有若干年的积累之后,这些历史上积累的数据,这些颗粒和方法能够成十倍、百倍放大,对各个行业产生更大的影响。

每一种通用技术兴起的时候,它会带来什么?

新的产品,新的服务,新的商业模式,新的组织,新的工作方式以及新的就业机会——这些,都将是新的通用技术带来的变革。

很多人一直在疑惑,说AI会不会让更多人失业,或者取代很多人的工作。其实我的看法是:这纯粹是杞人忧天,AI一定会创造更多的就业机会,创造更多的价值。

人类经历农业社会几千年,但是从未吃饱过,是工业社会解决了温饱的问题——这是一个很讽刺的事情。AI也一样:看起来它会取代我们的工作,但我觉得它一定会给我们创造一个特别丰富、特别富足的社会,每个人都会跟AI有关,当前固有的产品、组织、模式都会被更新迭代,这些里面,蕴藏着海量的就业机会。

但是,这并不意味着我们不做改变就能适应社会——要么我们被社会推动着改变,要么我们主动改变。而主动改变的人,才有可能成为这个时代的先行者。

这是第一个观点:AI可能是我们人类社会在工业革命之后面临的最大的变革机会,而现在,就是投身变革的最佳时机。

为什么这样说?

投资领域有一句话:最好的投资时机,永远是十年前和现在。

十年前你买了房,现在你的生活肯定不一样。但是现在买,也不是不可以。

产品经理每天面临的第一件事就是需求的不确定性。AI现在面临的最大的问题,在于各种各样的不确定性。

比如:我们是做对话机器人的,产品经理的工作之一是写测试用例。什么是正常状态,什么情况下会发生异常,会有各种各样的边界条件。但是产品做起来很难——因为对话是完全开放性的,你无法穷举,不确定怎样做这件事情才叫做正确。

我们经常看到两种极端:要么认为AI无所不能,现在已经可以做各种各样的事情,有一个非常高的预期。要么就是非常担心AI出格。比如对话机器人,我们非常担心它不在我们的掌控之下,最后变成了一个用对话做的决策(用决策树),但是这样就和对话没什么关系了。

这两种情况我们都非常容易碰见,要么期待过高,要么期待过低。而现在的实际情况是:肯定达不到过高的期待,但是肯定比最低的期待要好。

产品经理的任务之一就是:降低期待过高用户的预期,提高期待过低用户的预期,让大家有一个一致性的共同认知,在这样的前提下去工作。

第二个是缺乏数据。很多人说我们过去几十年积累了非常多的数据,现在的数据都很丰富——的确,这是现状。我们有很多未经整理的数据,但是我们没有经过整理的、适合现在的技术现在的AI水平使用的数据。

比如说市场的接受程度:市场对不同产品的接收程度,刚才说的过高预期与过低预期这种隐含数据,大家的认知不一致,市场的反馈、用户的反馈这些评价数据——这些都是没有的。

还有就是多模态的数据:声音、视觉、语言组合成我们对外界的认知。

现在的AI基本上都是以单一结构来解决单一的问题。做CV(计算机视觉)的,解决视觉的问题;做语音的SAT就解决声音的问题;做自然语言处理的,解决文本的问题——但是人类沟通的时候,肯定不是以单一渠道来沟通的,我们都是以多模态的混合方式去沟通的。

但很遗憾,我们现在手机的数据集里面,多模态的数据非常匮乏,而且这种数据的标定非常困难,这就大大限制了我们当前的AI产品能够达到的水平,这是第二个挑战。

现在整个AI产品的开发,还没有形成一个有效的、公认的产品迭代方式。不管是瀑布式,还是敏捷开发,这些用在AI产品上,都会让人感觉别扭。

所以,各个公司,各个行业,各个项目都会有一定的差异——这也是我觉得很有意思的一件事:我们过去在互联网和移动互联网的产品开发上积累了非常多的经验,如何把这些经验有效地迁移到AI产品开发,这是一个很有意思的课题。在这个课题上,产品经理一定会发生一个非常重要的作用。

作为产品经理,如何应对这些挑战?

我个人的分析就两点:人,和事。

  • 人:沟通协调能力、领导力和同理心,决定了一个产品经理的上限,决定了你能走多远。
  • 事:对细节的掌控力,思考的深度和大局观、决断力,决定了一个产品经理的下限:如果你达不到这个要求,就不是一个合格的产品经理。

理论上来说,一个人不可能拥有所有的、完整的能力。更重要的是,你抓住重点之后形成一套自己的方法论,你知道自己在哪些方面更擅长,如何运用这些能力、这些知识来解决你当前面临的各种各样的问题——这是产品经理的一个思考范式,或者说是工作范式。基本上就是:观察、思考、表达、实践 这样的一个循环。

和工程师相比,有一个重要的区别:工程师没有表达那一项,因为不是必须。

对工程师来说,会表达会更好,但是没有也不影响他成为一名合格的工程师。但是对产品经理来说,没有表达,就不是一名合格的产品经理。

为什么我会特别强调“表达”?

因为它是一个中间环节——产品经理是一个中间环节,他需要做各种沟通、各种协调的事情。而所谓的“表达”,并不是单纯的“说”,并不是你能表述,能劝别人,能有说服力;而是包括问答设计、产品理念具象化能力——这些都是“表达”的一部分。

产品经理的表达还有一个作用:向上管理。如何说服你的BOSS,说服你的上级来支持你的观点,这些也需要通过表达的方式来实现——这也是强调产品经理在“表达”上需要下功夫的一个原因。

AI的现在:大航海时代

15世纪到17世纪时期,欧洲的船队出现在世界各处的海洋上,寻找着新的贸易路线和贸易伙伴,以发展欧洲新生的资本主义。

麦哲伦完成首次环球航行时,他的设备和人员都是极其简陋的;最重要的是:这件事情从来没有人去做过,没有人知道做这件事的时候你面临的是什么。对AI来说,现在也是这样:前途完全是未知的,大家都是第一次在做这样的事情。

第一个挑战:不确定性

现在投身这个大航海时代,未来的不确定性是产品经理面临的第一个挑战:

对于需求的快速变化,你要做一个缓冲区,你要做到八分的成绩;对于落地的场景,你需要做一个猎手,要有敏锐的感觉去捕捉那些可以快速落地的事情。对于各种各样的可能性,你要做一个Filter,要把合理的东西剥离出来。

我一直在强调一个事情:在团队中面临不确定性的时候,产品经理应该是最乐观的,我希望产品经理更是一名理性乐观的创业者。作为一名创业者,如果不乐观,每天的工作就没法做。

第二个挑战:技术黑盒

产品经理一般都不含有技术背景(当然有些有技术背景的同学做产品经理做得非常好),那你一定会面临技术黑盒:你知道这件事情的需求是怎样的,但是你并不知道这件事情是怎么做出来的。

怎么办呢?

不要试图打开技术黑盒——你可以从外部去定义它,但是不能打开它。

我个人不建议你打开技术黑盒,因为打开的过程是要给事倍功半的事。你可以了解一些技术的行话,这些可以帮你拉近与研发的距离。而你只需要在黑盒外面做这些事情即可——知道它到底是一个怎样的表现。

如何从外部定义技术黑盒?

首先,从效果去定义:它能给你带来什么?它的输入、输出是什么?从需求的方向去把握它。

其次,从适用的环境去定义。AI产品很特殊的一点,它的基础设施并不完善,很多AI的项目可能要求私有化部署,需要用到巨大的计算资源或者非常大的带宽;那你要熟悉各种数字跟逻辑的结合——它并不牵扯到什么高深的东西。

你还能从环境去定义它:它现在是什么环境,有什么样的效果?你能给多少计算资源,产品做出什么样的事情。你要能从资源消耗去定义它,不光是硬件的资源小号,还有软件、人力的资源消耗:为了达成一个任务,需要多少人、什么样的人、团队要怎样的,要有科学家吗?要有研发工程师吗?还是要有人专门去负责算法?你要对不同产品、不同项目需要什么样的资源非常清楚。

第三个挑战:团队

产品经理会对接各种各样的团队,和各种不同的人打交道,这也是大家共总的日常,也是产品经理的挑战和成就感所在。

对创业公司来说,产品经理事醉了解事情的人,他几乎无所不知:细节事怎样的,这个东西会带来怎样的影响,造成什么样的效果,那个坑具体在那里等等。

AI与产品经理

在当前的技术水平和市场环境下,哪些事适合AI去做的呢?

参考“一秒法则”:人类在一秒内能完成的事情,以目前的技术水平来看,基本上都是可以被AI替代的,或者是某种程度上被AI替代。

这些事情有什么样的特性呢?

  • 大规模、重复性:每天都会发生的事,比如人脸识别。
  • 限定领域:它是单一领域的事情,一旦是多领域的,你不太可能在一秒之内完成。
  • 快速反馈:这个对当前的AI算法来说,几乎是最重要的一件事情。比如自动驾驶,我们在开车的时候反应必须非常快,大概几十毫秒几百毫秒这种量级,如果到一秒,就会出危险。很大程度上,你能多快获得反馈,决定了算法能做到多好;而算法有多好,就越能快速得到反馈——正向循环,越简单,算法效果越好。

我在念书的时候有一个机器人的经典例子:你用机械手臂去拿一个杯子的时候,理论上你有两种算法、两种模型去做这种事情:

第一种算法是从物理定律出发。先看你和杯子有多远,然后建立一个特别复杂的物理方程,一次性把杯子拿起来。

第二种算法是用一种类似梯度下降的方式,不停地去看胳膊,在机械臂朝一个大致的方向运动,同时视觉部分不停反馈机械臂和杯子之间的距离、方位、角度、速度等,通过快速迭代的方式,最后在有确定性的时候,把杯子拿起来。

第二种算法非常简单,它不需要简历那么复杂的物理学定律,但是实验效果会更好——因为它利用了快速和大量的反馈。

对各位产品经理来说,你希望在AI时代做一名AI产品经理,核心还是回归本质,回到原点;从产品经理的技能树出发,从你的职责出发,面对需求的不确定性,面对新的团队、新的工作方式,做团队中最理性乐观的一个人。

案例:对话机器人

我们来看一个具体的案例:作为一名对话机器人的产品经理,你是如何去思考这些问题,或者说大致的流程是怎样的。

相比前几年,APP的红利已经消失,下载的量级也下降了很多,但是消息平台却有爆发性的增长。国外是Facebook,国内是微信这样的,这些都是对话机器人兴起的原因。

我个人使用手机的时间大概占 了88%,有大量的用户也是这样(有调研数据支持),大量的用户习惯于以消息的方式来进行工作沟通,这也是一个市场倾向,或者说是一个现实的情况——这也正是巨头在对话系统,包括语音识别领域做出巨大投入的原因之一。

作为产品经理,你看到这样一个现象;你非常兴奋,立刻投身其中;但实际上,你会发现面临巨大的挑战:

大家都用过Siri,智能音箱或者其他类似的应用,分享一些有意思的调研数据:使用前三位的功能是闹钟,查天气和听新闻。听新闻的频次不超过10%,查天气大概是接近70%——嗯,看起来智能音箱这些在我们的生活场景中起到了作用,但是非常有限。

而从产品表现来看,Siri之类的前言不搭后语,缺乏常识,缺乏自学能力,这些的根本问题,在于技术的限制——我们当前的技术水平,没有办法让机器真正理解人类的语言。

在当前的市场环境和技术水平之下,我们应该用什么样的产品来应对我们当前市场的发展趋势——这是我们产品经理面临的一个巨大挑战,这也是产品经理思考的一个过程:市面上这么多做对话的,到底是在做什么?为对话而对话?对话是一种高效的沟通方式吗?对话到底能给用户提供怎样的价值?

  • 从效率来讲,CUI对话更适合做信息的深度展示,GUI更合适做信息广度的展示。如果有几百个选择,更适合用图形界面,如果只有几个选择,每个选择都需要做很深入的沟通(几步几十步这样的沟通),那图形界面就未必是好的选择,用户会在过程中迷失。
  • 从用户感受来讲,图形界面更强调空间感:打开一个界面后我们知道哪里是重要的内容,哪里有广告,哪里有次要的内容。但是对话更强调时间感:随着时间流逝,有因果关系的产生;随着时间的流逝,他有更深入的交流。
  • 从用户预期来讲,CUI更强调个性化参与和自我学习,而人们对GUI的预期,其实是一个差不多或者不完全一致但基本类似的一个预期。

从这三点来看,对话未必适合所有的场景,但某些场景下,对话是更合适的。所以需要深度沟通,更强调时间上的因果关系,更强调个性化参与这些具体的场景。

那么,我们到底应该做一个什么样的事情?

结论是:作为创业公司,应该去做高用户价值、高稀缺性的事情。高用户价值、高技术成熟度的一定是充分竞争的,大家都一窝蜂挤进去;而如果是稀缺性技术、成熟度都很高,那就是夕阳产业,再往下坡路走了——因为用户价值越来越低。而如果三个都很高,那是垄断企业做的事情。

AI商用的原则是什么呢?

在当前的技术水平和市场接受程度来说,一共是通过对话能够高效解决问题的场景。你要找到这个场景,选择合适的技术(并不追求技术领先或绝对的技术成熟),去成为细分领域的关键业务环节,让别人离不开你。

这些场景有清晰的知识结构和边界,在对话这件事情上,它一定不是开放的(因为开放域的问题限制还没有非常好的解决方案),对非标准的服务信息不对称,需要深度沟通,然后你通过数据的积累去提升服务质量,并建立知识和技术壁垒。

也就是说,以对话为界面,综合其他各项技术(管他是AI也好,或者其他的),为用户提供价值。对话本身不是目的,他的内容、领域、知识才是你真正提供给用户的知识。

通过这样的分析,我们回去看几个有意思的场景:

智能投顾保险理财,它的销售转化就是用对话的方式带动。

以对话时的发现解释和推荐。它有可能是产品,也有可能是信息,甚至是其他东西。

最后一点分享:

作为产品经理,你要在这些case上把你的规划落地,要考虑各种各样的问题:和商业相关的问题,跟具体场景相关的问题,渠道的问题,定价的问题,技术的问题;你的语料从什么地方来?你的软硬件环境是怎样的,具体的技术架构是如何等等。

最新文章