2.2 AI产品经理与传统产品经理的区别

2.2.1 面向的用户不同

AI产品经理与传统产品经理面向的用户不同，传统互联网产品集中于ToC端，AI产品现阶段则重点面向ToB端。例如，旷视科技、科大讯飞等企业的产品面向的主要群体是B端客户，B端客户通过集成其应用，然后赋能行业。现阶段，AI产品经理与传统产品经理的最大区别是能否把AI应用穿透到C端用户的具体应用场景中，并提供一个具体的产品和服务。

当下AI面向B端是理性的选择，原因如下。

第一，数据。AI公司往往具有自己的算法，但是没有数据，选择ToB，跟拥有数据积累的企业合作是明智的选择。

第二，获客成本。AI时代的创业不再是之前“烧钱”获取用户的时代了。

第三，与其从零启动，不如站在巨人的肩膀上。例如，旷世科技在创业之初选择了蚂蚁金服的战略投资，获得蚂蚁金服数据和算力的支持，这比自己从零开始建设这样一套系统来得更快。

下面以智能投资顾问为例进一步来看AI在当前阶段适合应用于ToB的缘由。

对于大多数行业来说，谁先占得了市场先机，谁就容易在潮流中脱颖而出。但这样的论断有个前提，那就是“市场”是业已存在的，只是谁能“占山为王”的问题。然而，就像早先“火了一把就销声匿迹”的VR一样，作为核心技术元素的AI，稍不留神也容易重蹈覆辙。

截至2018年，大多数C端的智能投资顾问产品的界面都过于简陋，对用户进行风险评测后即要求绑卡、开户，体验上过于直接、突兀，缺乏应有的引导过程，这显然是在注重技术的同时，产品体验的逻辑没有跟上。

几乎所有面向C端的产品都需要从零开始集聚人气，难以逃脱前沿科技产品“冷启动”的宿命。但智能投资顾问难以走通这条道路，此时，面向B端的优势就显现出来了。ToB既能够在内核算法技术上获得充分的依靠，也能够凭借充足的客服经验在产品体验上满足用户的需求。ToB给了智能投资顾问一个更好的选择，机构原有的用户基础甚至线下的实体门店都给了互联网化的智能投资顾问一个“从巨人肩膀上开始”的机会。最关键的是，除了数量上的“热启动”, B端自身的基础、积累还能有效治疗AI这种前沿科技与传统理念不匹配带来的智能投资顾问顽疾——获客成本高。在用户规模足够大的基础上，一方面投入的获客边际成本会越来越低，另一方面，新用户的进入意愿也相对会更高。

AI作为AI产品甚至母公司的核心，技术内容无疑最为关键。但过分注重技术往往会成为创业公司的弊端，一门心思钻研技术而被市场淘汰的案例比比皆是。在商业化浪潮下，技术极客需要抬起头看世界，思考一下围绕AI技术的发展策略同样重要。毕竟，越是前沿的科技，对市场的放大效应越强，在发展上越应当小心翼翼，任何失误都可能是致命的，错失任何有益尝试带来的机会损失都可能是巨大的，推及智能投资顾问，就是同B端合作时应当注重谋略、避开禁忌。

小结：纵观金融市场的演化过程，技术一直都扮演着重要的驱动角色，即便看跌的再多，智能投资顾问的价值也无法被否定。在未来市场更趋成熟的时候，AI将会与传统金融诸多功能紧密结合，为理性投资者们创造新的效益与价值。而在这之前，基于AI发展特性与市场现实，智能投资顾问最佳的发展方式可能是先面向B端，谋定而后动，最终征服B端和C端。

2.2.2 工作内容不同

传统产品的需求大多来自老板，AI时代的产品需求诞生于数据，来自产品经理对数据的感悟。

我们都知道，AI是一门前沿综合性的学科，最终形成的模型（相当于现在的程序）可以理解为中间件，是不能直接应用到用户交互操作中的。产品经理应当想办法利用这个“中间件”的性能优势，为用户提供体验更好的产品。那么，产品经理的核心任务会不会就是将AI技术应用在有商业价值的需求场景中？

下面笔者从行业+AI的角度提出对AI产品经理工作内容的几点思考。

1.AI产品经理需要了解AI技术的成熟度

笔者认为，AI技术处于快速发展时期，但是都不算成熟，了解技术的能力范围、技术当前存在的瓶颈、技术本身所需要的成本等，可能是AI产品经理需要具备的基础能力。按照以往的经验，如果在最初使用技术时并不了解技术的相关特性，那么当技术产生问题的时候一定会使你浪费掉更多的精力。本书先介绍两种了解AI技术现状的渠道。① 通过公司内部的AI技术团队。这种渠道主要针对大公司，当公司自有AI技术团队时，产品经理可以很方便地了解现有技术的情况。多与公司的科学家、工程师们沟通，AI产品经理会得到飞速的进步。② 通过第三方提供的AI平台或AI框架了解技术现状。这种渠道主要针对一些中小型公司。中小型公司可能没有AI技术团队，这时充分利用第三方平台提供的AI技术是一个理想的选择。

2.AI产品经理需要挖掘并抓住AI业务场景的特点

技术处于发展之中，还不够成熟，这就要求AI产品经理需要在深度理解技术优/劣势的基础上，寻找可以提供更好用户体验的业务场景。也就是思考，如何结合现有AI技术与业务场景，为用户提供更好、更便捷的产品。这时，AI产品经理的主要工作是：完成当前技术与现有市场需求的映射。这一点笔者要特别说明的是，根据以往的经验，在技术能力不足时，很多场景的业务需求都不需要我们100%地解决，只需要利用现有技术为用户解决最为关键的问题即可，即抓住主要场景的痛点来解决问题。只不过，我们需要评估这样是否真的能够提升用户体验，而不是带来了新的麻烦。

另外，如果AI产品经理真的发现了具有良好用户体验的智能化场景，还需要充分评估产品定位、用户价值、成本、商业价值等因素是否相匹配，毕竟当前AI技术的实现成本相对还是很高的。不是你有想法，技术就能实现；也不是技术能实现，公司就能付得起成本。即使条件都能满足，也存在一个巨大的风险，那就是做出来一个没有市场价值的产品。

最后，我们来思考一下什么才是好的AI业务场景。笔者了解的几个要点如下。

① 有大量数据的业务场景。

② 充分体现用户个性化需求的业务场景。

③ 在进行交互时用户能够反馈结果的业务场景。

④ 强调为用户服务的业务场景。

3.AI产品经理需要推进产品研发

在项目研发过程中，为了最大限度地发挥机器学习对业务的价值，尽量避免研发过程的差错导致的成本浪费，需要产品经理、研发工程师与数据科学家之间持续保持密切协作，并且，产品经理有责任确保工作的成果对产品是有正面价值的。

4.AI产品经理需要挖掘产品的市场价值

笔者认为任何产品经理的核心职责都是让产品具备更好的市场价值，AI产品经理也不应该例外。AI产品经理应当理解产品，理解用户群体，理解业务场景，这些都是AI产品经理应当具备的基本素质。并且在市场逐步由技术竞争转变为产品竞争的时候，AI产品经理让现有技术所定义的产品价值能够转化为商业价值是其核心的工作。

5．小结

AI产品经理比互联网产品经理更关注数据：机器学习模型是使用数据“喂养”出来的成果，AI产品需要使用数据指导交互设计，即AI产品具有更强的数据需求。

2.2.3 技术方案的维度不同

传统产品经理一般只考虑前端、后台，而因为AI是一门前沿综合性学科，所以AI产品经理需要综合考虑前端、后台、软件、硬件、系统驱动等多个方面。

常见的AI产品经理有三种：①技术要求高。核心AI公司往往在技术层面对产品经理的要求最高，例如商汤科技、科大讯飞等应用型AI公司的产品经理。②对“软硬一体”理解较深。例如小米AI音箱、小蛋机器人等垂直应用型产品的产品经理。③对产品、业务、行业有深入的了解。例如，意能通的客服机器人的产品经理。

那么，产品经理应该如何找到自己当前的定位？“懂技术”该怎样衡量？

无论你身处三个阵营中的哪一个，你的AI技术知识都需要帮助你回答下面几个问题。

（1）AI技术会给你的产品带来多大的价值？产品永远是需求驱动的，而非技术驱动的，再前沿的技术，从理论到产品落地也是需要巨大的投入的。

（2）从技术角度来看，将AI技术应用到你的产品中需要哪些资源或准备，是更多的数据，还是更完善的算法模型？尽管很难量化这样的需求，你还是要尽可能掌握更多的信息。

（3）从技术角度来识别AI领域中的哪些理论已经有了最佳实践，即需要判断技术的成熟度。

当你将AI技术应用到产品中时，应该可以对以下问题做出回答。

（1）AI带来的价值是否真的被客户认可？这样的技术真的比传统技术更好吗？需要多长时间或多少样例数据来验证你的AI产品已经站住脚了？

（2）一旦产品上线后的效果没有预期好，你是否有备用计划？

（3）任何一个机器学习功能的上线都需要占用研发工作80%或更多的时间来完成数据的准备，你是否已经和研发部门充分沟通并达成一致？