已使用訊飛轉錄，聽音頻解放雙眼

2019年3月開始，我們在打造一款名爲GET智能寫作的產品，由於缺乏經驗，做了一些看似很酷但無法解決問題的功能。回顧這些錯誤，問題的本質在於未能將場景中的問題與AI能力相匹配。

如今，我已經“淡忘”了AI的概念，因爲我知道真正的用戶價值源自於解決場景中的具體問題，而不是單純地去打造炫酷體驗感。記得有一次投資人問我：“你覺得AI有什麼不能做的？”我很堅定的回答：“AI最不能做的就是代替人類”。

今天翻譯的這篇文章也是與我的觀點不謀而合，作者建議我們不要被“AI”這個技術概念給迷惑了，AI只是解決問題的戰術，並不是企業的願景和戰略。另外，他還給我們提供了一個很有用的決策框架——“場景-決策矩陣”，用於評估AI是否適用。當你準備在產品中使用某一種AI或者數據技術的時候，不妨看看此文。

原標題：將AI應用於產品管理的基本準則 Ground Rules for Applying AI to Product Management

作者：帕特里克·曹 PATRICK TSAO  Getsafe產品總監

發表時間：2020年01月16日

隨着人工智能（AI）和機器學習的概念炒作，各種名詞術語也映入了我們的眼簾，以至於這種強大的技術變得更難以理解。下面，我列舉了一些對我個人來說很有用的技巧，我也希望這篇文章能幫助各位產品經理減少噪聲，懂得如何更好地將人工智能融入日常工作。

機器學習在車輛識別中的應用 (Image: Shutterstock)

一、寬泛的定義有助於更好地解決問題

首先，讓我們忘掉到底什麼是人工智能。 根據我從事數據驅動型產品的經驗，我發現，如果能對人工智能有個更寬泛的定義，將有助於我聚焦在要解決的問題上，而不是專注於解決方案中使用的某種技術。

作爲產品經理，我們必須深入的理解我們的問題空間，以便我們能夠正確地定義需求，讓我們的團隊去解決正確的問題。但在我們正確地定義問題之前，我們往往會過早地考慮“如何去做”，我們會不自覺地偏向於特定的解決方案。

爲了避免這種情況，我更喜歡將AI定義爲“自動化決策”。

我們做的大多數產品都需要基於數據來“決策”，但“決策”方式可以是多樣的。它可以由機器或人類做出，數據可以是靜態的或動態的。當我們的注意力聚焦到“決策”這個詞的時候，我們可以通過抽象的方式避免具體方法帶來的複雜性，以及行業術語帶來的噪聲。這個更寬泛的定義能避免我們陷入過早考慮解決方案的困擾，讓產品經理能夠更加關注問題空間。

二、AI是一種用來解決問題的戰術

產品經理在行動之前，需要有三個不可或缺的基石：

願景： 我們的最終目標；

戰略： 做正確的事情來實現我們的願景；

戰術： 正確執行我們的戰略；

不管在產品生命週期的哪個階段，產品經理都需要去做好這三個要點。我們必須讓我們的團隊與我們正在努力實現的願景保持一致，同時也要確保每個人都能理解我們的戰略，以及將具有可行性的戰術融入整體計劃中。我們需要注意的是，人工智能是一種可以用來解決特定問題的戰術，而不是一種戰略或願景。倘若我們缺乏最終目標，就算用了人工智能也不會給終端用戶帶來任何價值。

舉一個具體的在線視頻公司“網 飛”的例子。 網飛是最早地大規模有效地應用人工智能的公司之一：

網飛的願景 ： 成爲全球最好的娛樂發行服務商；

網飛的戰略 ：通過獨具吸引力的個性化體驗來提升會員留存；

網飛的戰術 ： 評分系統、推薦、個性英雄鏡頭、使用情況跟蹤等；

如你所見，在個性化體驗的戰略之下，有許多不同的戰術來幫助網飛達成提升留存率的目標。數據和AI的使用因戰術的不同而不同，而願景和戰略的描述並不要指明使用哪種技術或算法。

三、AI賦能人類而不是取代人類

當 前，自動化相關的話題，引發了人們一些對未來工作的倫理問題的有趣討論，隨之而來的是，人們對AI如何賦能人類也產生了一些迷茫。 一個常見例子是自動駕駛汽車。 在汽車行業內，汽車的自動化分爲五個等級。 大部分的話題都集中在完全自動駕駛（5級）實現以後，世界會發生怎樣的改變。

產品經理必須認識到，AI能力的發展是需要階段和時間的，並不是一蹴而就的。 機器擅長的與人類不同，因此某些決策會更容易自動化。 高性能的AI能力首先需要一個龐大的訓練數據集。 這個訓練數據集不僅要大量，還需要有良好的數據結構，並易於機器讀取。 理想情況下，這個數據集還應定義清楚什麼是成功與失敗，因爲過去的結果是對未來的預測。

下面是我在考慮如何應用“自動化決策”時，經常使用的一個框架：

沿Y軸， 常規性場景（Routine Scenario） 發生的頻率很高，並且其延展的可變性也很低，而 細膩 性 場景（Nuanced Scenario） 發生的頻率很低，並且可能包含難以複製的細節。

沿X軸， 信息性決策（Informational Decision） 爲終端用戶提供附加的上下文信息，而 行動性決策（Action-oriented Decision） 代替終端用戶執行動作。 常規的場景往往會生成更可靠的訓練數據集，因此機器更容易學習； 信息性決策往往比面向行動的決策風險更低。

將這兩個維度結合起來，可以得到四類自動化決策：

• 常規信息： 容易預測，出錯風險低：

例如： 汽車根據剩餘燃油和駕駛行爲估計剩餘行駛距離；  

• 細膩信息： 難以預測，出錯風險低：

  例如： 汽車根據圖像識別和駕駛行爲防止駕駛員入睡；

• 常規行動： 容易預測，如果有錯誤，則高風險：

  例如： 正常情況下，汽車在高速度公路上自動駕駛；

• 細膩行動 ： 難以預測，如果錯誤，則高風險:

  例 如： 汽車在繁忙的施工區域自動駕駛。

四、AI的三種不同方式的影響力

在 過去十年中，通過研究數據驅動型產品，我發現了三個主要的用例組，這些用例可以幫助產品經理提高數據影響力：

1.AI可以優化或自動化業務運營

產品通過使用合理的行爲跟蹤可以生成一個數據集，能夠賦能團隊做出明智的業務運營決策。例如，可以利用數據優化客戶接觸點和溝通，以提升轉化率或減少客戶流失。通過預測主題或結果，服務請求可以更有效地被篩選和分配。從某種意義上，人工智能是一種可以提高團隊效率和生產力的先進商業智能工具。

2.AI可以顯著改善產品的用戶體驗

以下是一些公司使用AI爲客戶創造愉悅體驗的例子：

品牌	產品	AI增強體驗案例
	移動端	行程耗時估算 司機乘客匹配
	房產	房產估值 房產推薦
	娛樂	電影推薦 英雄鏡頭優化

在這些例子中，交付給終端用戶的產品形態並沒有改變（例如，Uber的移動端），但是通過應用數據（例如，讓乘客與附近的Uber司機相匹配），產品體驗會變得更好。 通過這種模式，產品團隊通常可以創造獨特的用戶體驗，成爲公司的長期競爭優勢。

3.AI 可 以從根本上改變 產品

也許最著名的例子是網飛的系列電視劇《紙牌屋》的背後故事，通過使用數據重新定義了創造娛樂的方式。這個系列不僅贏得了許多獎項，而且也深受網飛用戶的喜愛。這也標誌着公司進入了一個新的顯著增長期。這說明AI有潛力爲整個行業創造新的產品品類和新的趨勢。

五、結論 

綜上所述，產品經理在思考如何將人工智能集成至產品時，可參考這四條基本原則：

• 通過對AI寬泛的定義能夠幫助我們專注於解決問題，而不是直接思考最終的解決方案；

• AI是一種幫助解決問題的戰術，而不是一種戰略或最終目標。

• AI可以賦能人類但不能取代人類。

• AI發揮作用的三種不同方式：優化運營、改善產品體驗和創造新的產品品類。

點擊 閱讀原文 ，可以查看英文原文。 讚賞 後可以獲得PPT。 如果覺得這篇文章有價值請不要吝嗇 在看。

說明 

本微信號以長文爲主，知識星球以短文爲主。

我最新寫的文章以短篇的方式先更新在“知識星球”，然後再整理成微信文章。因爲公衆號發了一次就不能修改了，我會把它作爲精品來做，每一篇文章儘可能詳實，轉錄成音頻，便於您的收藏和保存。

如果你不習慣看長文，或者想要和我深度討論一些問題，可以至我的知識星球“PM熊叔|未來產品經理”。一些未最終發表的內容，以及一些資料都會放上面，如果覺得還不夠，加我微信gold3bear，我拉你入羣。

現在用券購買我的99元星球享 50元的折扣， 一杯咖啡的價格，但不僅是一年的知識服務，也是一種朋友之間的相互認可。

我的好朋友Shadow也開通了個關於AI+的星球，很榮幸被他邀請爲合夥人，我會把關於AI+所有產品相關知識和資料往上面發。

 2019文章排行 

相關文章