從傳統角度來看，一款成功的產品需要擁有穩定的功能，至少要滿足甚至超出用戶的期望，并且能夠為業務的增長作出重大貢獻。產品經理的主要職責包括設定和管理用戶期望，定期收集可量化的反饋信息，嚴格地與工程師進行溝通，并確保產品能夠應對業務和市場的不斷變化。

AI 產品相比傳統產品來說則有很大的不同。比如，在我擔任產品經理的時候，交付讓客戶感到滿意的“確定性”產品是衡量成功的標準。只要標準一樣，那么硬件產品的產出結果也幾乎一樣。同樣的，相同的用戶預期使得軟件產品形態也不會有太大差異。但是，一個人工智能（AI）驅動的產品可能并不總是具有確定的產品形態，實際的結果可能與直覺有所差異，個性化的推薦系統能夠學習不同偏好，因此可能產生不同的結果。

對于產品經理來說，如果想要交付一款成功的 AI 產品，除了履行常規的產品經理職責之外，還需要具備新的思維方式并增強一些其他技能。在本文中，我將圍繞產品構思、原型設計以及早期發布來介紹一些新的思維方式。

1.密切跟蹤 AI 技術動態

麥肯錫全球研究院（MGI）對160多個行業的人工智能使用案例進行了調研，調研發現只有12％的案例突破了實驗階段，并且這些案例局限在技術部門之外。MGI 報告中提到的最佳案例是一家采用敏捷、測試和學習方法的公司。它建立一個跨職能的人工智能任務組，該任務組在幾周內完成原型構建以及業務單元測試，然后進行下一次迭代。對 AI 應用具有敏銳洞察力并且能夠把握行業趨勢的產品經理才能在 AI 領域里脫穎而出。我個人覺得 MGI、Gartner 的 AI 市場報告以及 CB 人工智能研究欄目內容都非常有見地，我密切關注著它們的 Twitter 來了解 AI 動態。

2. 把握深度學習的研發趨勢

AI 產品經理的核心競爭力并不在于精通多少高深的算法，他們的主要職責是盡快將這些算法轉變為產品和服務并推向市場。即便如此，我們仍然需要密切關注算法的最新研究進展。

AI 領域大多數有影響力的人物（比如谷歌的 Peter Norvig，Facebook AI 研究的 Yann LeCun 以及微軟的 Eric Horvitz）似乎都樂于享他們研究 AI 算法和體系結構上的突破，你可以在公司網站上找到他們的論文和方法。

除了這些大公司之外，如果想要關注其他公司的深度學習社區動態，我推薦 Andrej Karpathy 網站，這上面總結了在 Arxiv 上發布的最新機器學習和 AI 研究。