打开

AI PM 和常规 PM 的区别是什么

大虾. 9978阅读 2018-05-07

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]

简单翻译下,就是:

  1. 战略思维:能为越来越大的产品领域和问题寻找答案
  2. 沟通能力:能清晰准确地进行书面和口头的交流
  3. 合作能力:在团队内部以及外部的协作下,完成任务
  4. 利用工具:利用产品管理工具,促进团队的良好合作
  5. 把控细节和质量:推动项目进展,并及时发现细节错误
  6. 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
  7. 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:

2018-04-09-031902.jpg

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(请备注来自 PMCAFF)。


- created,180409

写下你的评论

发布评论 取消
500

写下你的评论

发布
500

评论

查看更多评论

删除评论

删除的评论将永久消失,确定要删除吗?

删除 取消
内容不合法,请修改后提交

云队友 | 热门职位

我要招聘 →

绑定手机

参与互动需要先绑定手机号哦~

完善信息

参与互动需要完善个人信息哦~

参与互动需要进行审核

为了保证社区的内容质量,需要提一个问题,来证明你是可以的!

在问题审核通过后,即可开启PMCAFF所有功能~

  • 微信好友

  • 朋友圈

取消

打开 APP 阅读

推荐使用 PMCAFF APP,阅读体验更佳。