導(dǎo)語(yǔ)：AI產(chǎn)品經(jīng)理是近年來(lái)職業(yè)市場(chǎng)上出現(xiàn)的一個(gè)新物種，遵循進(jìn)化規(guī)律，市場(chǎng)自然會(huì)逐漸對(duì)其提出新的職業(yè)要求。如何成為一名合格的AI產(chǎn)品經(jīng)理？除了需要具備傳統(tǒng)PM的核心技能，還需要有契合職業(yè)本質(zhì)的基本技能——將AI能力與場(chǎng)景匹配。

一、正逆向匹配

AI產(chǎn)品經(jīng)理工作中涉及的AI能力與場(chǎng)景匹配情形主要有兩種，分別是正向匹配和逆向匹配。

正向匹配從AI能力出發(fā)，尋找匹配場(chǎng)景。AI產(chǎn)品經(jīng)理經(jīng)常會(huì)關(guān)注行業(yè)趨勢(shì)，跟蹤、分析新近出來(lái)的算法表現(xiàn)，如果理論效果特別優(yōu)秀，會(huì)嘗試將算法表現(xiàn)對(duì)應(yīng)到AI能力，再去尋找AI能力所能解決的場(chǎng)景，探知是否比現(xiàn)有的場(chǎng)景解決方案做得更好，有沒(méi)有替代或者優(yōu)化的可能性。

逆向匹配從需求場(chǎng)景出發(fā)，匹配最合適的AI能力。在產(chǎn)品設(shè)計(jì)過(guò)程中，需求采集完畢之后，需要進(jìn)行需求轉(zhuǎn)化，即把需求轉(zhuǎn)化成功能。

這一步，傳統(tǒng)PM更多是進(jìn)行產(chǎn)品元素的組合，登錄注冊(cè)、詳情頁(yè)、個(gè)人中心、推薦、評(píng)價(jià)等，AI產(chǎn)品經(jīng)理還需要適度的穿插AI能力，通過(guò)獲取的用戶需求場(chǎng)景去探究如何選取合適的AI能力進(jìn)行匹配。

二、AI能力與場(chǎng)景匹配

不管是正向匹配還是逆向匹配，都需要按照一定的匹配流程，找尋AI能力和需求場(chǎng)景的契合點(diǎn)。

按照思維邏輯發(fā)展的順序，將AI能力與場(chǎng)景匹配時(shí)，核心關(guān)注點(diǎn)主要有三——場(chǎng)景需求是否適合用AI能力解決，用什么AI能力解決，解決到什么程度。

1. 場(chǎng)景需求是否適合用AI能力解決

顯而易見(jiàn)，并非所有場(chǎng)景需求都有必要?jiǎng)佑肁I能力，但是很多AI產(chǎn)品經(jīng)理都可能陷入的誤區(qū)是，任何需求到手，都喜歡請(qǐng)出AI能力這尊大佛，結(jié)果往往尷尬而過(guò)猶不及。

陷入誤區(qū)之后的AI PM可能已經(jīng)忘卻作為PM的本心——最簡(jiǎn)的方法，最優(yōu)的體驗(yàn)，最大的效用。

跟任何解決方案一樣，AI能力也有自己的適用范圍。這里借鑒車(chē)馬的觀點(diǎn)，從服務(wù)對(duì)象和服務(wù)內(nèi)容兩個(gè)維度對(duì)AI能力適用度進(jìn)行區(qū)分，其中服務(wù)對(duì)象分為對(duì)人和對(duì)物，服務(wù)內(nèi)容分為標(biāo)準(zhǔn)和非標(biāo)，劃分如下：

舉幾個(gè)例子，服務(wù)對(duì)象對(duì)人的比如人臉支付，服務(wù)對(duì)象對(duì)物的比如照片處理，服務(wù)內(nèi)容標(biāo)準(zhǔn)的比如刷卡進(jìn)站，服務(wù)內(nèi)容非標(biāo)的比如自動(dòng)駕駛。

人臉支付是一個(gè)典型的對(duì)人的場(chǎng)景，如果在支付時(shí)不對(duì)支付人加以引導(dǎo)，則會(huì)發(fā)展成非標(biāo)的場(chǎng)景，正是因?yàn)槟壳暗慕鉀Q方案都對(duì)支付人有支付引導(dǎo)，比如人臉框提示，才將場(chǎng)景從非標(biāo)變成標(biāo)準(zhǔn)，即對(duì)人標(biāo)準(zhǔn)場(chǎng)景——適合AI的場(chǎng)景。

比較好的理解這套規(guī)則能夠讓匹配過(guò)程一開(kāi)始就事半功倍，避免繞彎，而更進(jìn)階的是，某些情況下還可以充分利用這套規(guī)則，發(fā)揮想象力，將對(duì)人非標(biāo)的情況轉(zhuǎn)換成對(duì)物標(biāo)準(zhǔn)的情況，在解決方案上達(dá)到質(zhì)的提升。

舉個(gè)簡(jiǎn)單的例子：解決快遞件錄入庫(kù)的問(wèn)題，是選擇為錄入人員開(kāi)發(fā)一套智能錄入系統(tǒng)，方便人對(duì)物的錄入，還是選擇改進(jìn)快遞分揀作業(yè)線，直接在作業(yè)線上對(duì)快件進(jìn)行錄入？

2. 用什么AI能力解決

如果判斷手上的需求場(chǎng)景適合調(diào)用AI能力，就要考慮到底選擇什么AI能力進(jìn)行解決。

有一些AI能力天生就適合特定場(chǎng)景，如果將對(duì)應(yīng)關(guān)系弄錯(cuò)，就會(huì)走不少?gòu)澛罚鴮?duì)應(yīng)關(guān)系的理解，“無(wú)他，但手熟爾”，靠平時(shí)的見(jiàn)解與積累。個(gè)人歸納的對(duì)應(yīng)關(guān)系如下：

AI行業(yè)快速迭代的特殊性質(zhì)決定了AI產(chǎn)品經(jīng)理里必須不斷更新自己，將知識(shí)內(nèi)化，形成能力壁壘。當(dāng)涉及方案匹配時(shí)，多一種想法，就多一種質(zhì)變的可能。

選擇AI能力時(shí)，僅考慮AI能力與需求場(chǎng)景的對(duì)應(yīng)性還不夠，同時(shí)要兼顧的還有設(shè)備性能和系統(tǒng)平臺(tái)。

AI硬件的設(shè)計(jì)除了要考慮軟件架構(gòu)，還需要考慮硬件設(shè)備的性能，因?yàn)橛布O(shè)備性能才是AI能力施展拳腳的天花板。

如果AI能力需要部署在本地硬件設(shè)備上，在挑選AI能力時(shí)就不得不基于設(shè)備性能進(jìn)行權(quán)衡，目前學(xué)界的算法喜歡為了百分之零點(diǎn)幾的準(zhǔn)確率的提升，在設(shè)備性能上毫不設(shè)限，誕生不少巨無(wú)霸算法，多少脫離實(shí)際，應(yīng)用中還是應(yīng)該以設(shè)備性能為限。

AI能力的應(yīng)用廣泛，在Windows、Linux、Android、iOS等不同系統(tǒng)平臺(tái)上都有涉及，而不同系統(tǒng)平臺(tái)的支持庫(kù)相差不小，不同算法所適用的部署平臺(tái)也不盡相同，這一點(diǎn)在選擇的時(shí)候也要考慮。

3. 解決到什么程度

挑選完合適的AI能力之后，研究?jī)?nèi)容需要細(xì)化到具體的算法選擇。同一項(xiàng)AI能力會(huì)有很多不同的算法解決，每一個(gè)算法都對(duì)應(yīng)一個(gè)準(zhǔn)確率，選擇哪個(gè)算法就等于希望場(chǎng)景需求被解決到什么程度。

通常情況是，越復(fù)雜、體積越大的算法得到的精度、準(zhǔn)確率越高，算法越好，需求越能被解決好，但并不是越好的算法就越適合當(dāng)前場(chǎng)景，這就涉及到一個(gè)權(quán)衡——場(chǎng)景需求被解決到什么程度才正好？可以從三個(gè)方面進(jìn)行展開(kāi)：適度匹配，SOTA極限，團(tuán)隊(duì)資源。

適度匹配的意義更多在于性能的合理利用，90%的人臉識(shí)別準(zhǔn)確率顯然不能用于金融支付場(chǎng)景，但是90%的人體檢測(cè)準(zhǔn)確率在人流量監(jiān)測(cè)場(chǎng)景下卻能夠適用。

硬要將人流量監(jiān)測(cè)場(chǎng)景下的人體檢測(cè)準(zhǔn)確率提升到99%，暫且不談能不能實(shí)現(xiàn)，單是研發(fā)投入就會(huì)極大提升，實(shí)際效用差卻沒(méi)有多大。

金融支付場(chǎng)景下的人臉識(shí)別準(zhǔn)確率對(duì)于實(shí)際效用影響巨大，是硬著頭皮也要進(jìn)行研發(fā)投入的點(diǎn)。將性能合理利用，適度匹配，根據(jù)實(shí)際調(diào)整解決程度。

SOTA極限其實(shí)決定了解決程度的上限，SOTA是State-of-the-Art的縮寫(xiě)，有趣的是，它的意思指向“在一些benchmark的數(shù)據(jù)集上跑分非常高的模型”，代表了最優(yōu)秀的一批算法。

很容易理解，如果目前行業(yè)的極限算法的能力是這樣，那對(duì)于場(chǎng)景需求的解決程度也只能以此為上限。

如果說(shuō)SOTA極限來(lái)自于外部，那團(tuán)隊(duì)資源則是內(nèi)部的上限。學(xué)界的有些算法方案在發(fā)布的時(shí)候，會(huì)切實(shí)考慮到工業(yè)應(yīng)用，會(huì)將源碼及部署方案一并發(fā)布到github等托管平臺(tái)；有些算法方案則只有paper放出，沒(méi)有相關(guān)實(shí)現(xiàn)資源。

如果最合適的算法恰好沒(méi)有放出實(shí)現(xiàn)資源，而團(tuán)隊(duì)人力和時(shí)間又不足，則只能在放出過(guò)實(shí)現(xiàn)資源的算法里面找相對(duì)合適的，相應(yīng)的解決程度也會(huì)受限。如果團(tuán)隊(duì)資源充足，就有機(jī)會(huì)通過(guò)paper進(jìn)行算法復(fù)現(xiàn)，將需求解決得更好。

本文由 @JaceinSalt 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自?Unsplash，基于 CC0 協(xié)議