AI时代，如何成功应用人工智能？产品经理必须要知道的4条准则

编者按：本文来自微信公众号“PM熊叔”（ID:pmxiongshu），36氪经授权发布。

作者 | 帕特里克·曹PATRICK TSAOGetsafe 产品总监

翻译 | PM熊叔

2019年3月开始，我们在打造一款名为GET智能写作的产品，由于缺乏经验，做了一些看似很酷但无法解决问题的功能。回顾这些错误，问题的本质在于未能将场景中的问题与AI能力相匹配。

如今，我已经“淡忘”了AI的概念，因为我知道真正的用户价值源自于解决场景中的具体问题，而不是单纯地去打造炫酷体验感。记得有一次投资人问我：“你觉得AI有什么不能做的？”我很坚定的回答：“AI最不能做的就是代替人类”。

今天翻译的这篇文章也是与我的观点不谋而合，作者建议我们不要被“AI”这个技术概念给迷惑了，AI只是解决问题的战术，并不是企业的愿景和战略。另外，他还给我们提供了一个很有用的决策框架——“场景-决策矩阵”，用于评估AI是否适用。当你准备在产品中使用某一种AI或者数据技术的时候，不妨看看此文。

原标题：将AI应用于产品管理的基本准则 Ground Rules for Applying AI to Product Management

发表时间：2020年01月16日

随着人工智能（AI）和机器学习的概念炒作，各种名词术语也映入了我们的眼帘，以至于这种强大的技术变得更难以理解。下面，我列举了一些对我个人来说很有用的技巧，我也希望这篇文章能帮助各位产品经理减少噪声，懂得如何更好地将人工智能融入日常工作。

机器学习在车辆识别中的应用 (Image: Shutterstock)

一、宽泛的定义有助于更好地解决问题

首先，让我们忘掉到底什么是人工智能。根据我从事数据驱动型产品的经验，我发现，如果能对人工智能有个更宽泛的定义，将有助于我聚焦在要解决的问题上，而不是专注于解决方案中使用的某种技术。

作为产品经理，我们必须深入的理解我们的问题空间，以便我们能够正确地定义需求，让我们的团队去解决正确的问题。但在我们正确地定义问题之前，我们往往会过早地考虑“如何去做”，我们会不自觉地偏向于特定的解决方案。

为了避免这种情况，我更喜欢将AI定义为“自动化决策”。

我们做的大多数产品都需要基于数据来“决策”，但“决策”方式可以是多样的。它可以由机器或人类做出，数据可以是静态的或动态的。当我们的注意力聚焦到“决策”这个词的时候，我们可以通过抽象的方式避免具体方法带来的复杂性，以及行业术语带来的噪声。这个更宽泛的定义能避免我们陷入过早考虑解决方案的困扰，让产品经理能够更加关注问题空间。

二、AI是一种用来解决问题的战术

产品经理在行动之前，需要有三个不可或缺的基石：

愿景：我们的最终目标；

战略：做正确的事情来实现我们的愿景；

战术：正确执行我们的战略；

不管在产品生命周期的哪个阶段，产品经理都需要去做好这三个要点。我们必须让我们的团队与我们正在努力实现的愿景保持一致，同时也要确保每个人都能理解我们的战略，以及将具有可行性的战术融入整体计划中。我们需要注意的是，人工智能是一种可以用来解决特定问题的战术，而不是一种战略或愿景。倘若我们缺乏最终目标，就算用了人工智能也不会给终端用户带来任何价值。

举一个具体的在线视频公司“网飞”的例子。网飞是最早地大规模有效地应用人工智能的公司之一：

网飞的愿景：成为全球最好的娱乐发行服务商；

网飞的战略：通过独具吸引力的个性化体验来提升会员留存；

网飞的战术：评分系统、推荐、个性英雄镜头、使用情况跟踪等；

如你所见，在个性化体验的战略之下，有许多不同的战术来帮助网飞达成提升留存率的目标。数据和AI的使用因战术的不同而不同，而愿景和战略的描述并不要指明使用哪种技术或算法。

三、AI赋能人类而不是取代人类

当前，自动化相关的话题，引发了人们一些对未来工作的伦理问题的有趣讨论，随之而来的是，人们对AI如何赋能人类也产生了一些迷茫。一个常见例子是自动驾驶汽车。在汽车行业内，汽车的自动化分为五个等级。大部分的话题都集中在完全自动驾驶（5级）实现以后，世界会发生怎样的改变。

产品经理必须认识到，AI能力的发展是需要阶段和时间的，并不是一蹴而就的。机器擅长的与人类不同，因此某些决策会更容易自动化。高性能的AI能力首先需要一个庞大的训练数据集。这个训练数据集不仅要大量，还需要有良好的数据结构，并易于机器读取。理想情况下，这个数据集还应定义清楚什么是成功与失败，因为过去的结果是对未来的预测。

下面是我在考虑如何应用“自动化决策”时，经常使用的一个框架：

沿Y轴，常规性场景（Routine Scenario）发生的频率很高，并且其延展的可变性也很低，而细腻性场景（Nuanced Scenario）发生的频率很低，并且可能包含难以复制的细节。

沿X轴，信息性决策（Informational Decision）为终端用户提供附加的上下文信息，而行动性决策（Action-oriented Decision）代替终端用户执行动作。常规的场景往往会生成更可靠的训练数据集，因此机器更容易学习；信息性决策往往比面向行动的决策风险更低。

将这两个维度结合起来，可以得到四类自动化决策：

• 常规信息：容易预测，出错风险低：

      例如：汽车根据剩余燃油和驾驶行为估计剩余行驶距离； 

• 细腻信息：难以预测，出错风险低：

  例如：汽车根据图像识别和驾驶行为防止驾驶员入睡；

• 常规行动：容易预测，如果有错误，则高风险：

  例如：正常情况下，汽车在高速度公路上自动驾驶；

• 细腻行动：难以预测，如果错误，则高风险:

  例如：汽车在繁忙的施工区域自动驾驶。

四、AI的三种不同方式的影响力

在过去十年中，通过研究数据驱动型产品，我发现了三个主要的用例组，这些用例可以帮助产品经理提高数据影响力：

1.AI可以优化或自动化业务运营

产品通过使用合理的行为跟踪可以生成一个数据集，能够赋能团队做出明智的业务运营决策。例如，可以利用数据优化客户接触点和沟通，以提升转化率或减少客户流失。通过预测主题或结果，服务请求可以更有效地被筛选和分配。从某种意义上，人工智能是一种可以提高团队效率和生产力的先进商业智能工具。

2.AI可以显著改善产品的用户体验

以下是一些公司使用AI为客户创造愉悦体验的例子：

 在这些例子中，交付给终端用户的产品形态并没有改变（例如，Uber的移动端），但是通过应用数据（例如，让乘客与附近的Uber司机相匹配），产品体验会变得更好。通过这种模式，产品团队通常可以创造独特的用户体验，成为公司的长期竞争优势。

3.AI可以从根本上改变产品

也许最著名的例子是网飞的系列电视剧《纸牌屋》的背后故事，通过使用数据重新定义了创造娱乐的方式。这个系列不仅赢得了许多奖项，而且也深受网飞用户的喜爱。这也标志着公司进入了一个新的显著增长期。这说明AI有潜力为整个行业创造新的产品品类和新的趋势。

五、结论 

综上所述，产品经理在思考如何将人工智能集成至产品时，可参考这四条基本原则：

• 通过对AI宽泛的定义能够帮助我们专注于解决问题，而不是直接思考最终的解决方案；

• AI是一种帮助解决问题的战术，而不是一种战略或最终目标。

• AI可以赋能人类但不能取代人类。

• AI发挥作用的三种不同方式：优化运营、改善产品体验和创造新的产品品类。