转行做AI产品经理，你准备好了吗？

最新推荐文章于 2024-11-01 13:39:49 发布

AI大模型学习不迷路

最新推荐文章于 2024-11-01 13:39:49 发布

阅读量1.7k

点赞数 25

文章标签：人工智能产品经理 llama 自然语言处理 AI大模型大模型转行

本文链接：https://blog.csdn.net/Z4400840/article/details/140490398

版权

AI很火，但落地很难。产品经理很多，但AI产品经理很少。

目前在从事AIoT设备的研发，做的产品包括自助收银机、智能货柜、智能快递柜、服务机器人、智能熟食机、智能豆浆机等设备。里面涉及的AI功能包括：

这些算法有些是外购，有些是自研，目前自研的有人脸识别和迎宾算法。商品识别算法是校企合作的产物。定位导航算法是外购的，后期计划自研，会基于ROS系统里面的算法进行优化改进。语音识别和语义理解、刷脸支付是外购的。特别是刷脸支付自研基本不可能，一是要求太高，二是阿里和腾讯垄断了关键的硬件设备—3D摄像头，也许后续会放开。

如果普通岗位产品经理想转行AI产品经理，需要一定的技术背景，最好是能懂一些算法，哪怕皮毛也行，主要有两个原因：

在做功能设计和产品架构设计时，才会游刃有余。不然以为自己想了一个很好的点子，恨不得自己都感动了自己，可能在开发人员看来，这人是脑子有问题的感觉，完全无法落地。
不会被忽悠。举一个例子：公司的包子机的产品经理去调研图像算法的时候，对方公司的人员说在正常场景下，商品识别成功率为95%以上。仅用图像识别方案，不用借助其他传感器，这样的设备投放市场，3个月可以回本。调研回来后，信心满满的说，包子机可以开工了。当场就被我把方案给拍死了，说整个方案不可行，这是一个无法商用的方案，货损和维护成本太高。

1. AI系统

YC中国负责人陆奇在知乎上有一场私家课Live：AI本质与创业创新。介绍了什么是AI系统以及AI的本质，这里照抄一下：

整套AI系统，智力系统相当于大脑，观察系统相当于人的眼和耳，活动系统相当于脚。

观察系统就是通过安装在设备上的传感器收集数据，如收银机上的3D结构光摄像头，用于收集用户摆放在收银台上的商品数据，在终端进行商品识别并调用后台商品数据，实现商品的秒结算。服务机器人上的红外传感器、激光雷达、3D结构光摄像头等共同来收集数据，以此来实现定位与导航。

智力系统是AI系统中最核心的组成部分，就是数据+AI算法模型+前后端支撑系统。如自助收银机里面的会员管理，摄像头采集人脸后，将数据传输到后台，后台来进行人脸比对，并根据注册信息来判断购买者是否是会员，整套流程都属于智力系统。

活动系统就是根据AI计算后的结果来与用户进行互动。如不是会员，可能就没有折扣，也不会增加积分。如果是会员，则会进行打折以及增加用户的积分。

对产品经理来说，需要我们在感知、思考和行动三个环节共同使力，去构思产品能力，从而让产品落地。

对于AI系统，其典型的应用场景为：

AI的本质是一种获取知识，使用知识达到目标的通用能力，从而去创造社会价值。形成一种正向反馈，产生更多有意义的数据，进而提高模型的精度。

2. AI产品经理能力模型

根据上面陆老板说的AI系统以及自身的角色，再加上场景，不难推出AI产品经理的能力模型：

A. PM

对AI产品经理来说，具备产品经理的基础知识远远是不够的，要具备微观、中观和宏观视角。

中观就是套路，是术，也就是招式，如画原型图、写一篇PRD文档，天龙八部里面的主角王语嫣把招式记得管瓜烂熟，但不是高手。

微观是法，对用户的理解，对人性的理解，能给用户能提供什么样的服务，在细节处理上的一种判断和抉择能力。

宏观是道，产品在点线面体的选择，在大是大非面前的判断能力等。

宏观和微观描述的是人的一种底层操作系统能力，中观的那些套路是这个操作系统上的APP

B. AI

也许大家会经常听到机器学习、深度学习等词汇，那么他们三种之间的关系是什么呢？

AI：为机器赋予人的能力

模拟人脑，辨认哪个是苹果，哪个是橙子。

动图封面

机器学习：一种实现人工智能的方法

根据特征在水果摊买橙子，随着见过的橙子和其他水果越来越多，辨别橙子的能力越来越强，不会再把香蕉当橙子。

动图封面

深度学习：一种实现机器学习的技术

超市里有3种苹果和5种橙子，通过数据分析比对，把超市里的品种和数据建立联系，通过水果的颜色、形状、大小、成熟时间和产地等信息，分辨普通橙子和血橙，从而选择购买用户需要的橙子品种。

以上基础概念是做为一名AI产品经理必知必会的内容，同时还要了解一些机器学习和深度学习的基本算法，以及每种算法适用的场景。

C. X

X含义是比较宽泛的。X就是你对市场的判断，哪些场景可以用AI来解决。什么是场景，场景要能触发情绪，只有能触发用户情绪的场景才是真正的流量入口。如自助收银的商品识别，因为用户排队无聊，着急紧张的情绪，如果我们把这个场景用AI来解决，而且还是秒结算，能触发消费者的愉悦的情绪。

数据是模型的训练数据。比如人脸识别，我司自研人脸识别算法时，在网上下载的训练数据都是欧美人，而我们使用的场景是在国内，那么训练数据就要求是亚洲人，最终我们是购买数据。目前业界很多模型的效果不好，其中很大一部分原因是缺乏有效数据。

市场和技术成熟度，虽然理论上AI可以解决很多问题，但精度不高，也就是技术上还不成熟，如果强行推向市场，会适得其反，比如阿里的无人超市，已经进行几年了，但目前还没有大范围铺开，就是即拿即走的这种技术上还不成熟，容易误扣款，也就达不到商用的目的。

D. 硬件

硬件置灰的原因是AI产品经理不一定都要涉及到硬件。AIoT产品经理只是AI产品经理里面一个子范畴，需要具备相应的硬件知识。实际上AI产品经理的工作内容很广泛，如iPhone里面的Siri，假如你是Siri的产品经理，对应的硬件已经提供了，只需要借助手机已有的硬件进行产品设计。

综合以上理解，该能力模型里面涉及的知识点，不限于包括以下内容：

3. AI产品经理的舞台

对于AI产品经理，我们的舞台在应用层，也就是我们奋斗的方向。一种是提供开放平台，让那些没有实力开发AI算法的公司，借助于提供的SDK进行相关场景的落地。如百度的AI平台，阿里的AI平台。做开放平台的产品经理需要很强的技术背景，毕竟你的客户是开发人员和企业用户。要知道AI的边界，哪些能做，哪些不能做。

另外一种就是做垂直场景的应用，如最前面我司为新零售开发的那些设备，也就是本文的第一张图。我们的目标是做智慧零售的方案提供商，所以才规划了那些产品。