隨著AI技術(shù)的飛速發(fā)展，AI產(chǎn)品經(jīng)理的角色和職責(zé)也在發(fā)生深刻變化。本文從AI的發(fā)展階段出發(fā)，探討了AI在不同階段的特點(diǎn)及其在社會生產(chǎn)中的作用，并結(jié)合作者從傳統(tǒng)產(chǎn)品經(jīng)理轉(zhuǎn)型為AI產(chǎn)品經(jīng)理的親身經(jīng)歷，分享了AI產(chǎn)品經(jīng)理在性質(zhì)、職能、工作對象等方面的變化。

01 AI現(xiàn)狀

1. AI的發(fā)展階段

AI，人工智能（Artificial Intelligence），定義上講是指人造系統(tǒng)（機(jī)器）通過模擬計(jì)算表現(xiàn)出來的類似于人類智能的行為。比如讓人造系統(tǒng)能夠具備感知、學(xué)習(xí)、推理、決策和解決問題等能力，從而進(jìn)行語言理解、視覺識別、決策、學(xué)習(xí)和問題解決等具體任務(wù)。

而當(dāng)下，按照我個(gè)人的理解，AI的發(fā)展階段應(yīng)該分為起步、應(yīng)用、發(fā)展、超越、全面這五個(gè)階段。而我也看到有通過AI技術(shù)進(jìn)行階段分類的，即窄人工智能（Narrow AI）和通用人工智能（General AI）。但我覺得只有兩個(gè)分類的話太粗糙了，不夠細(xì)致。比如其中窄人工智能和通用人工智能的分界點(diǎn)我認(rèn)為就是的五個(gè)階段的‘超越’階段，所以我覺得五個(gè)階段更細(xì)分，更貼近我理解中的AI發(fā)展。

舉幾個(gè)例子，文字、音頻、圖像等的識別、生成，就是處于‘應(yīng)用’階段；AI機(jī)器人（人形機(jī)器人），也是就是處于‘應(yīng)用’階段；自動駕駛，‘應(yīng)用’階段向‘發(fā)展’階段的過程中；那這些階段的分界點(diǎn)或者分級理由是什么呢？

2. AI的不同階段

起步：基礎(chǔ)認(rèn)知與初步探索

認(rèn)識和理解AI，嘗試并利用人造系統(tǒng)感知一定的信息，并可以進(jìn)行相應(yīng)的信息反饋；

此階段聚焦于AI概念的驗(yàn)證與基礎(chǔ)能力構(gòu)建，例如圖靈測試、機(jī)器定理證明等。早期跳棋程序通過規(guī)則驅(qū)動實(shí)現(xiàn)簡單決策，成為人類與機(jī)器交互的雛形（例：IBM深藍(lán)擊敗國際象棋冠軍）。

應(yīng)用：垂直場景的泛化落地

能形成一定的泛在感知數(shù)據(jù)系統(tǒng)，模擬部分程度上的人類思維能力，且能在一定范圍的場景內(nèi)應(yīng)用，解決特定領(lǐng)域上的一部分問題；窄人工智能（Narrow AI）在此階段主導(dǎo)，表現(xiàn)為特定領(lǐng)域的高效執(zhí)行能力。此階段部分技術(shù)已實(shí)現(xiàn)商業(yè)化閉環(huán)，但依賴人工規(guī)則與數(shù)據(jù)標(biāo)注，缺乏自主推理能力。比如：

• 圖像識別：醫(yī)療影像AI輔助醫(yī)生診斷，能力嚴(yán)格限定于醫(yī)學(xué)圖像分析場景，需依賴有 一定經(jīng)驗(yàn)醫(yī)生的標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，無法自主擴(kuò)展至其他領(lǐng)域；
• 自然語言處理：ChatGPT通過語義理解生成連貫文本；
• ?決策優(yōu)化：AlphaGo在圍棋中擊敗人類頂尖選手。

發(fā)展：系統(tǒng)化整合與主動學(xué)習(xí)

能形成較全面的信息接收與理解，較大程度模擬出人類思維能力，并開始突破單一任務(wù)限制，通過多模態(tài)數(shù)據(jù)融合實(shí)現(xiàn)跨場景推理，其能力將逐步突破垂直領(lǐng)域的限制，為泛領(lǐng)域智能（超越階段）提供技術(shù)基礎(chǔ)，還可以在不經(jīng)過人為干預(yù)的情況下回溯以往的全部歷史自行總結(jié)、學(xué)習(xí)、改進(jìn)和反饋。

這里以上的階段我沒有辦法再列舉出現(xiàn)有的例子了，因?yàn)橹挥袔讉€(gè)正在往此階段過渡的，但遠(yuǎn)未達(dá)到的。比如：

• 自動駕駛：結(jié)合視覺感知與路徑規(guī)劃，實(shí)現(xiàn)動態(tài)環(huán)境決策；
• 知識圖譜：DeepMind利用強(qiáng)化學(xué)習(xí)優(yōu)化能源消耗，降低谷歌數(shù)據(jù)中心冷卻成本。

此階段AI具備初步自主迭代能力，但仍需人為設(shè)定邊界條件。

超越：類人思維的泛領(lǐng)域突破

能在較大范圍內(nèi)，具備與人類思維能力相同等級學(xué)習(xí)、推理、思考能力，并在特定領(lǐng)域（如科研、金融）展現(xiàn)出超越人類專家的能力的通用智能。

此時(shí)AI仍缺乏情感理解與跨領(lǐng)域遷移能力，還有與之相關(guān)的社交與互動能力，屬于“專家型智能”。

全面：通用智能的終極形態(tài)

這里我認(rèn)為AI將具備超越人類總體智能的能力（注意是總體），具備跨領(lǐng)域創(chuàng)造性解決問題的能力。比如AI可同時(shí)推導(dǎo)未知或待證明的物理定律，設(shè)計(jì)新的生物合成路徑，通過超大規(guī)模模擬優(yōu)化城市規(guī)劃與全部的資源分配，甚至運(yùn)用所有人類的全部文明成果和知識累積來進(jìn)化。

但此階段技術(shù)仍屬理論范疇，應(yīng)該為AI發(fā)展的終極目標(biāo)。

3. AI的作用是什么？

AI不是機(jī)器，不是實(shí)物，也沒有辦法直接產(chǎn)出實(shí)物。人與動物最大的區(qū)別就是有否具有意識，并通過制造和使用工具來從事生產(chǎn)勞動。而當(dāng)AI加入后，生產(chǎn)實(shí)物就可以使用AI，制造和使用工具也可以通過AI了。雖然AI無法直接生產(chǎn)和替代實(shí)物，不過作為優(yōu)化流程與決策提升效率的“杠桿”，AI具有先天性地作用與優(yōu)勢。比如

• 無間斷執(zhí)行：AI無需休息，可24小時(shí)處理重復(fù)性任務(wù)（例：客服機(jī)器人全年無休應(yīng)答）；
• 數(shù)據(jù)驅(qū)動決策：通過實(shí)時(shí)數(shù)據(jù)分析優(yōu)化生產(chǎn)鏈路（例：工業(yè)AI預(yù)測設(shè)備故障，降低停機(jī)損失）；
• 長尾場景覆蓋：解決人力難以規(guī)?；募?xì)分需求（例：AI法律助手解析海量判例，生成訴訟策略）。

我認(rèn)為AI更像是人在從事勞動生產(chǎn)過程里服務(wù)的一種，承擔(dān)了一部分人的屬性，尤其是當(dāng)AI具備部分意識能力和思維能力后；另外，AI也算是生產(chǎn)勞動工具的一種。換個(gè)角度來對比的話，就像‘錢’具備‘價(jià)值中介’屬性，而AI是連接需求與生產(chǎn)力的“智能中介”，它們都不屬于實(shí)物，但也都是提高人生產(chǎn)勞動的效率工具；

4. AI如何參與社會生產(chǎn)

對于使用AI的用戶而言，AI就像是一個(gè)擁有指令入口（語音、文字、操作等）、執(zhí)行和結(jié)果輸出（語音、文字、圖形、操作流程、成品/成果）的整合體，但有可能實(shí)際也是經(jīng)過多次邏輯整合和流程拼接的。比如，我之前的AI產(chǎn)品就會經(jīng)過像現(xiàn)在所謂的智能家居產(chǎn)品一樣的if（and/or），than，or，not的流程，通過邏輯整合的方式整合不同的模型來完成整體識別和輸出的流程。

當(dāng)下的AI更像通過特定邏輯規(guī)則推導(dǎo)并執(zhí)行的流程，只是相對人或者機(jī)器更簡便和效率更高。但本質(zhì)上仍像是皮球一樣，踢一下，動一動的‘被動響應(yīng)式執(zhí)行’，不過有些可能會滾得比較遠(yuǎn)。當(dāng)AI各項(xiàng)能力的提高，將滾得會更遠(yuǎn)。

當(dāng)下的社會生產(chǎn)模式仍以批量化的工業(yè)生產(chǎn)為主，通過廣泛地復(fù)雜地社會性協(xié)作進(jìn)行產(chǎn)出實(shí)物成品或服務(wù)。但當(dāng)前階段AI仍缺少最重要的思考深度和廣度，或者叫多模態(tài)數(shù)據(jù)融合實(shí)現(xiàn)跨場景推理，實(shí)際生產(chǎn)執(zhí)行過程中的中間決定仍然無法通過使用AI而省略。這就會讓使用場景和范圍較為單一的AI無法將整個(gè)流程執(zhí)行完成，也無法直接通過拼接讓各項(xiàng)協(xié)作流程有機(jī)整合。
舉個(gè)例子，假如我想買一件衣服（成衣），在當(dāng)下的情況下，我要把這件衣服買到和穿上，加上可能的售后（不包含支付），大概需要經(jīng)過以下流程

（以上流程和節(jié)點(diǎn)僅為舉的例子更清晰易懂，實(shí)際流程只會更復(fù)雜繁瑣并充滿各種決策和意外處理流程，行業(yè)專家可以一笑置之，無需較真）

部分的流程和節(jié)點(diǎn)都已有相應(yīng)AI工具可以用來協(xié)助完成，但要利用AI來完成整個(gè)流程，現(xiàn)階段仍無法做到。無論是客觀方面的技術(shù)、能力應(yīng)用上，還是主觀方面的利益驅(qū)動下，都無法全部用AI完成。

比如設(shè)計(jì)可以用生圖AI或者專業(yè)的服裝設(shè)計(jì)AI工具完成，但去到材料選擇的節(jié)點(diǎn)，各原料生產(chǎn)廠商的數(shù)據(jù)沒有辦法統(tǒng)一格式標(biāo)準(zhǔn)、整理利用和同步，先不說工作量大不大的問題，這些涉及企業(yè)利益的核心數(shù)據(jù)是不會輕易拱手讓別人或公司輕易取用的。

依此類推，可以想象就像買成衣這么一個(gè)簡簡單單需求需要滿足，將會涉及到社會上多少人、企業(yè)的相互協(xié)作，多少資金、資源、數(shù)據(jù)和系統(tǒng)的參與才能完成。如果需求稍微再變化一下，由買成衣?lián)Q到買定制服裝，整個(gè)流程和節(jié)點(diǎn)需要進(jìn)行多少改變，那現(xiàn)在有哪些AI能夠串聯(lián)并完成整個(gè)流程呢？顯然是沒有的。當(dāng)下，各個(gè)流程和節(jié)點(diǎn)，仍需要人為參與梳理、串聯(lián)流程，修正和保證流程的順利和有效執(zhí)行。

當(dāng)然，隨著各類應(yīng)用階段的AI不斷進(jìn)化完善和強(qiáng)大后，部分流程中的節(jié)點(diǎn)會很輕松地讓AI完全取代且無需任何人為干預(yù)和參與決策。比如，AI參與的3D打印、自動材料生產(chǎn)、物流自動運(yùn)送與裝卸貨等等。一旦進(jìn)展到該階段，此時(shí)再‘踢’一下，AI就會在整個(gè)需求流程里滾的更遠(yuǎn)。AI取代的流程節(jié)點(diǎn)越多，人的參與度就越低，效率將自然地指數(shù)級提升。

另外，還有一個(gè)更直觀的例子。

有一部名字《神奇遙控器》（又名人生遙控器）的好萊塢電影，由著名演員亞當(dāng)·桑德勒飾演主角，大概講述的是他通過一個(gè)神奇的遙控器隨心所欲跳過他身邊一些繁瑣復(fù)雜且不愿面對的事情，然后突然身邊的事情和事物都變得不可控制，讓他的生活變得亂七八糟的故事。那個(gè)神奇的遙控器，就是類似于AI的作用。有興趣的朋友可以去看看，就能更清楚AI的作用了。

02 轉(zhuǎn)AI產(chǎn)品經(jīng)理后的變化

我轉(zhuǎn)成AI產(chǎn)品經(jīng)理是2018年初時(shí)候的事情，那時(shí)的AI還是非常流程化，作用非常有限的階段，比較像自動流水線生產(chǎn)往智能流水線生產(chǎn)過渡一樣。AlphaGo也才剛剛成名不久，AI開始透過各種事件和角度進(jìn)入普通大眾的視野。而我接觸的是行業(yè)比較特殊，受眾少且專業(yè)程度較高的醫(yī)療行業(yè)，做的是圖像識別類的AI系統(tǒng)。

而且AI產(chǎn)品經(jīng)理其實(shí)也有不同類型的，比如有以算法模型選型等研發(fā)方向?yàn)橹鞯募夹g(shù)研發(fā)型，也有以AI平臺和應(yīng)用為主的應(yīng)用型，而我則是屬于后者。

通過逐步深入的接觸，我發(fā)現(xiàn)相比我過往的產(chǎn)品經(jīng)歷，作為一個(gè)AI產(chǎn)品經(jīng)理，讓我產(chǎn)生了很多不同的變化和感受，下面我將分類淺談一下。

1. 性質(zhì)變化

互聯(lián)網(wǎng)產(chǎn)品經(jīng)理如果用產(chǎn)業(yè)來比喻的話，比較像是第二產(chǎn)業(yè)中的輕工業(yè)或者第三產(chǎn)業(yè)，而AI產(chǎn)品經(jīng)理更接近于第二產(chǎn)業(yè)中的重工業(yè)。就是以前生產(chǎn)手機(jī)、賣手機(jī)的，現(xiàn)在改成制造手機(jī)生產(chǎn)線的了。以前做ToC的，就是那生產(chǎn)手機(jī)的，負(fù)責(zé)生產(chǎn)市場上各類客戶需要的手機(jī)，讓客戶喜歡買，喜歡用；ToB的，就像是那賣手機(jī)的，負(fù)責(zé)為平臺、商家、廠商提供服務(wù)。雖然不管ToB還是ToC，兩者都有一定的共通點(diǎn)，但都有各自著重的方向。

AI產(chǎn)品經(jīng)理則不同了，本質(zhì)差異類似于“制造手機(jī)”與“設(shè)計(jì)制造手機(jī)生產(chǎn)線”，后者需兼顧技術(shù)可行性與規(guī)?；涞?。而性質(zhì)變了，馬上地，職能也跟著變化了。

2. 職能變化

第一重變化：戰(zhàn)術(shù)層

首先感受到第一重的職能變化就是，工作的核心與重點(diǎn)有所偏移了。

如果放到軍隊(duì)里來類比的話，互聯(lián)網(wǎng)產(chǎn)品經(jīng)理更傾向于指揮和組織部隊(duì)。善于指揮和戰(zhàn)術(shù)，能上陣殺敵的是武將，善于組織和謀略，能把戰(zhàn)術(shù)執(zhí)行到位的是儒將。而AI產(chǎn)品經(jīng)理的角色和定位，對剛接手AI項(xiàng)目的我來講，更接近于系統(tǒng)整備和后勤保障。不像是武將一樣善于突破，但武將想要部隊(duì)?wèi)?zhàn)斗準(zhǔn)備充足，無后顧之憂，后勤保障很重要。要把戰(zhàn)術(shù)執(zhí)行到位，指揮系統(tǒng)、人員層級架構(gòu)和效率也需要得到充分發(fā)揮。在我接觸的AI產(chǎn)品研發(fā)過程里，算法工程師就像武將和重武器一樣，能直接殺傷敵方，但沒有好的部隊(duì)和彈藥配合，效力會大大降低。

這時(shí)我的職能側(cè)重傾向于資源整合與流程優(yōu)化。

比如需要為‘武將’提供有效的指揮系統(tǒng)和后勤保障，并在一定程度上梳理層級架構(gòu)和流轉(zhuǎn)效率（數(shù)據(jù)流轉(zhuǎn)）。不是還有一句話說，打仗其實(shí)就是打后勤。尤其是我所處的醫(yī)療行業(yè)里，不像是那種通用數(shù)據(jù)，采集數(shù)據(jù)來源豐富，處理起來需要的專業(yè)要求程度不高。如何高效采集和利用數(shù)據(jù)，落地到整個(gè)場景和流程中，是我前期職能變化的核心與重點(diǎn)之一。

第二重變化：戰(zhàn)略層

根據(jù)AI的階段變化，我的AI產(chǎn)品經(jīng)理角色也產(chǎn)生不一樣的變化。在AI還在快速‘野蠻生長’的階段，就是大家在拼各自的準(zhǔn)確率、精確率、召回率和綜合評價(jià)指標(biāo)等等數(shù)字高低的階段。當(dāng)戰(zhàn)術(shù)層的資源整合完成（如數(shù)據(jù)閉環(huán)建立，模型和技術(shù)指標(biāo)趨近平穩(wěn)），我的職能就產(chǎn)生了第二重變化，轉(zhuǎn)向戰(zhàn)略層的能力邊界定義，即通過技術(shù)可行性評估確定AI應(yīng)用的擴(kuò)展方向。

這時(shí)，如何塑造AI的性格，或者說是解決問題的范圍。一旦AI能在一定的范圍和場景內(nèi)，較為準(zhǔn)確有效地解決問題后，如何利用有限的研究資源進(jìn)行擴(kuò)大AI的使用范圍和場景限制，就會逐漸成為新階段的工作重點(diǎn)。

比如，當(dāng)AlphaGo能下圍棋，那是否讓AlphaGo玩游戲，還是讓AlphaGo進(jìn)行氣候預(yù)測與建模。AI自動駕駛在接近L3級（附下圖：即有條件的自動駕駛）后，需決策優(yōu)先優(yōu)化城市道路場景還是高速貨運(yùn)場景，以匹配商業(yè)戰(zhàn)略。

而我實(shí)際的職能變化就像是，從“設(shè)計(jì)制造手機(jī)生產(chǎn)線”升級為“設(shè)計(jì)+生產(chǎn)+配送”如何一同完成了。

3. 對象變化

這種變化體現(xiàn)在以下兩方面

• 人群對象：互聯(lián)網(wǎng)經(jīng)理以往面對的對象，要么是產(chǎn)品/服務(wù)的使用者，而AI產(chǎn)品經(jīng)理在前期，更多地是面向產(chǎn)品/服務(wù)的生產(chǎn)制造者。比如算法工程師、數(shù)據(jù)標(biāo)注員、開發(fā)人員、測試人員等生產(chǎn)環(huán)節(jié)參與者；
• 用戶對象：由以往的實(shí)際用戶，轉(zhuǎn)變?yōu)榱颂摂M用戶（模塊和流程）。比如權(quán)限系統(tǒng)，數(shù)據(jù)中心，知識圖譜，測試與金標(biāo)準(zhǔn)驗(yàn)證等模塊和流程。

03 不變的地方

上文已經(jīng)講到了一部分我個(gè)人感覺到的變化，接著我將簡單說說我覺得沒有變化的地方。

首先，盡管職能與對象發(fā)生變化，但我認(rèn)為作為產(chǎn)品經(jīng)理的部分本質(zhì)作用沒有發(fā)生變化，那就是銜接。
之前是銜接需求方和制造生產(chǎn)方，需求方有可能是用戶、甲方、老板等等，制造生產(chǎn)方就是設(shè)計(jì)、研發(fā)、測試、運(yùn)維等等。而AI產(chǎn)品經(jīng)理更接近于銜接制造生產(chǎn)方和各模塊流程，然后應(yīng)用于服務(wù)使用方，就是銜接研發(fā)團(tuán)隊(duì)和AI系統(tǒng)本身，然后再應(yīng)用于使用AI的人群。比如在我的之前的項(xiàng)目里，既需協(xié)調(diào)算法團(tuán)隊(duì)（生產(chǎn)方），又需確保搭載模型的系統(tǒng)符合臨床需求（使用方）。

還有，之前是透過產(chǎn)品或服務(wù)完成用戶的場景需求，而現(xiàn)在是讓AI取而代之來完成用戶的場景需求。舉個(gè)上文類似的例子，以前是造車，讓用戶可以使用造好的車（設(shè)計(jì)好的規(guī)則和流程）完成A到B的需求，現(xiàn)在是讓AI成為‘車’或者車的一部分，直接讓用戶用車（按自己的想法和規(guī)則）完成從A到B的需求。也就是價(jià)值創(chuàng)造沒有變。

04 AI產(chǎn)品經(jīng)理的展望

那作為AI產(chǎn)品經(jīng)理，如何看待這崗位將在未來如何融入AI和在AI浪潮中發(fā)揮作用呢？

首先，按照我上面的AI的五個(gè)階段，現(xiàn)在AI應(yīng)該大多是處于或剛進(jìn)入應(yīng)用階段，那AI產(chǎn)品經(jīng)理首先應(yīng)該發(fā)揮的作用就是如何讓AI進(jìn)化到發(fā)展階段。當(dāng)然，這不是一個(gè)產(chǎn)品經(jīng)理就可以做到的，更不是一個(gè)算法專家或算法團(tuán)隊(duì)就可以做到的。

比如，‘車’是一種交通工具，它的主要作用是安全地將人或物品等實(shí)物，轉(zhuǎn)移至另外一個(gè)空間或位置。但人的需求是多樣的，對‘車’的需求也是一樣，有的人買車是因?yàn)槠放?、因?yàn)橄胂硎荞{駛樂趣，因?yàn)樾枰ㄟ^車來賺錢等等。那‘AI+車’對與這些需求，有的就呈現(xiàn)積極反應(yīng)，有的則呈現(xiàn)消極反應(yīng)，如何對此進(jìn)行抉擇，并讓AI發(fā)揮最大效能和效益，就是AI產(chǎn)品經(jīng)理在這個(gè)階段最核心和重要的作用了。我稱之為技術(shù)商業(yè)化的“邊界探索者”

當(dāng)然，展望未來，AI產(chǎn)品經(jīng)理至少仍需扮演三重角色：

1. 落地可行性評估者：對AI技術(shù)形成產(chǎn)品或服務(wù)的成本與收益進(jìn)行全方位評估；
2. 場景化需求定義者：挖掘高價(jià)值落地場景，覆蓋更多目標(biāo)用戶群體；
3. 倫理與合規(guī)守門人：避免AI對人類安全產(chǎn)生威脅，防止AI突破倫理與法規(guī)限制。

05 結(jié)語

未來，隨著AI向通用智能演進(jìn)，產(chǎn)品經(jīng)理當(dāng)然也需要適時(shí)改變，畢竟適者生存。
如果用產(chǎn)品經(jīng)理的‘道’、‘術(shù)’、‘器’來對比的話，現(xiàn)在AI已經(jīng)在某些領(lǐng)域取代了‘器’，比如寫稿件、劇本、文章，還有編程、生圖、剪輯等等，雖然不能完全替代，但基本能做到大多數(shù)場景下中等以上的完成效果，而且效率和效果已經(jīng)可以直接秒掉大多數(shù)基層從業(yè)人員了。作為產(chǎn)品經(jīng)理，唯有深刻理解AI發(fā)展階段與產(chǎn)業(yè)需求的雙向驅(qū)動，方能成為推動AI智能革命浪潮下的關(guān)鍵樞紐。
至少現(xiàn)在AI還沒辦法到達(dá)‘術(shù)’的層面。

以上思考，均僅代表個(gè)人觀點(diǎn)。