近幾年來，人工智能概念與相關產品都非?；馃?，更有許多產品經理換行去當人工智能產品經理。本文特地整理了人工智能產品經理的4項基本技能，希望能給你帶來啟發。

大家好，我是白白，人工智能產品經理是現在非?；馃岬?a href="http://www.xsypw.cn/v/tag/" target="_blank">話題，白白本人負責醫藥AI產品多年，但是什么樣的人能做人工智能產品經理呢？人工智能產品經理都需要什么樣的技能？本片白白與你討論。

人工智能產品與傳統互聯網產品的具體區別在哪？

如果從效率方面來講，互聯網產品更多提高信息傳遞的效率，而人工智能產品提高信息產生的效率。兩種類型產品的功能重點不同，自然對產品經理的要求也不盡相同。

人工智能產品經理屬于產品經理的一種，必須對用戶、需求、商業模式有深刻的認知。除此之外，人工智能產品經理還需要4項基本技能：懂數據、懂算法、會溝通、懂行業，如圖1所示：

圖1

數據由行業產生，人工智能產品經理需要擁有敏銳的數據洞察力，這樣才能在眾多業務數據中梳理出有價值的數據信息；

算法在沒有使用場景時，只是一些數學公式，行業就是算法的使用場景，算法過程需要根據使用場景而改變，這樣才能更好的服務于場景，數據是算法血液，算法中的很多參數是依靠數據訓練而得到；

溝通是產品經理的固有技能，人工智能產品經理的溝通需要根據自身對行業、數據、算法的理解，與開發工程師、運營人員及行業專家等不同角色進行交流，才能有效的調動資源；

懂行業是做產品的基本素質，產品使用場景、商業模式都源于對行業的認知。

一、如何理解數據

數據是人工智能產品的基礎，人工智能產品經理必須懂得如何利用數據去構建產品。懂數據經常與懂行業相伴相生，數據畢竟來源于行業，所以數據自然帶有行業的一部分特征。

人工智能產品經理的數據認知，主要體現在以下三個方面，如圖2所示：

圖2 數據認知的三個方面

1. 懂數據的業務內涵

數據業務內涵是指數據在業務中的意義。

無論是做數據分析，還是做人工智能產品，首先要搞清每種數據的含義——數據通常來講能夠反應出某項業務或某類業務，模型的構建過程也是對業務關系的梳理。懂得數據業務內涵對也有有利于掌控數據標注的相關工作。

2. 懂數據屬性

數據屬性是指數據本身的特征，數據屬性包括數據類型、數據質量等不同維度的屬性。

（1）數據類型很多，有圖像數據、文本數據、聲音數據等，每種數據類型具有不同的分析方法與建模方法。

圖像數據可以采用卷積神經網絡進行處理，文本數據可以采用決策樹以及馬爾科夫鏈模型進行處理。

（2）數據質量包含的內容較多，包括數據真實性、數據結構化程度、數據異常情況等。不同質量的數據處理過程也不同。大多數情況下，非結構化數據需要轉化為結構化數據后才能構建模型。

3. 懂數據處理的技術與流程

數據處理是指將原始數據變為對特定場景下有價值、有意義的數據形式。人工智能產品經理應該掌握數據處理的技術與流程，數據治理在整個數據科學中占有基礎性的地位。

人工智能產品經理首先需要對數據進行整體評估，確定數據是否能夠滿足業務需求，評價數據質量等相關情況。在對數據充分認知后，才能夠進行數據處理與建模工作。

二、如何理解算法

人工智能產品經理需要參與算法的設計過程，所以必須深入了解算法原理。懂算法可以更好地與算法工程師溝通，并且能夠知曉不同算法的應用場景。

1. 普通產品經理工作流程

熟悉普通產品經理工作流程的人都應該清楚，普通產品經理主要以提出需求為主，他們撰寫產品需求文檔提交給開發工程師，由開發工程師應按照需求文檔的內容進行開發。

普通產品經理的工作模式是制定一個產品開發的目標，由開發工程師去完成這個目標。

普通產品經理以“目標”為導向來參與產品研發，他們制定產品功能的目標，為最終結果負責。對于具體“目標”的實現過程，普通產品經理很少參與，大部分由開發工程師完成。

2. 人工智能產品經理工作流程

人工智能產品經理需要懂算法，這樣才能參與產品功能的實現過程。

在產品開發的過程中，人工智能產品經理始終參與算法的研發，一直需要與算法工程師保持緊密的配合。

人工智能產品經理需要針對行業特征進行技術預研，評估哪些算法適合產品的應用場景。算法模型的訓練以及訓練數據的準備工作，都需要人工智能產品經理參與。

首先，人工智能產品經理會提出產品需求，在提出產品需求后，他們會幫助算法工程師尋找合適的路徑去實現。

人工智能產品經理不僅要撰寫需求文檔，還需要撰寫技術文檔，通過自己對技術和行業的了解，在需求與算法間建立一棟橋梁，提出最佳的算法及技術實現路徑。

人工智能產品經理更多地參與產品“目標”的實現過程過程，是以“過程”為導向來參與產品研發。

由此可見，人工智能產品經理需要懂技術，這樣才能順利進行技術預研，并保證與算法工程師溝通順暢。

基于行業特點，人工智能產品經理首先需要確定“哪些是分類問題？哪些是預測問題？解決這些問題適合用什么算法？”，這些都需要與算法工程師深入的溝通，溝通的基礎就是對算法的理解。

通常情況下行業問題都比較復雜，很難用單一的算法滿足需求。人工智能產品經理需要探索如何組合不同的算法來滿足行業需求。

算法就像積木，人工智能產品經理需要根據行業需求的特點，去將算法積木搭建成相應的形狀。只有人工智能產品經理懂得算法原理，才能知道如何利用算法滿足行業需求。

圖3 人工智能產品的算法設計路徑

在產品構建過程中，人工智能產品經理參與算法設計的路徑如圖3所示：

第一步，需求確定。確認需求是一個反復的過程，首先通過自己對行業的了解提出需求，之后要通過訪問行業專家或用戶調研確定需求。

第二步，算法設計。算法設計考慮的維度較多，首先要將需求分解成幾個部分，分析這些問題屬于哪類問題。如果是文本分析問題，可以考慮使用長短時記憶神經網絡解決；如果是策略規劃問題，可以考慮用強化學習解決，除此之外還需要考慮數據的情況。綜合以上各種情況確定使用何種算法。

第三步，算法討論。將算法設計的思路與算法工程師討論，共同完成算法的實施路徑。

第四步，算法確認。算法達到三個要求可以認為完成了算法確認。其一，能夠滿足也業務要求；其二，在現有資源環境下可實施開發。當算法得到幾方確認后，便可以開始實施開發。

第五步，算法驗收。算法在實施過程中會有非常多問題存在，需要真正完成開發才能知道效果如何。在算法模型與真實業務系統完成對接，運營環境、運維等工作都得到確認，并確定算法模型能夠達到需求之后，算法驗收工作才能結束。

算法模型就像產品一樣，同樣是一個不斷改進更新的循環過程。在這個過程中，伴隨著硬件的升級，新模型的設計思路，甚至新業務數據的加入，算法只有不斷改進才能更好的符合業務需求。

三、 如何進行溝通

人工智能產品經理作為需求、算法、項目三方的協調者與管理者，盡量采用專家方式溝通會更有效。

所謂專家式溝通主要強調溝通者以專家的身份，有理有力有節的闡述觀點進行溝通。

人工智能產品經理與別人溝通時，需要具備以下3個特點，如圖4所示：

圖4 人工智能產品經理溝通要素

（1）專業性是人工智能產品經理的立命之本

無論是對于行業還是對算法，以及在規劃功能和設計流程時，都應該始現自己的專業性。只有突出專業性，才更容易取得信任。

（2）條理性是人工智能產品經理在一切溝通時的原則

無論什么樣的溝通首先闡述結論，在闡述理由，同時說明問題的背景及相關說明。溝通時，必須做到條理清晰，闡述理由時盡量使用推理演繹的邏輯路徑，能夠用圖表達的盡量不要用文字。

（3）廣博性是人工智能產品經理個人魅力體現

需要人工智能產品經理有廣闊的知識面與變通能力，針對不同的溝通對象盡量使用同樣的語言，或類似的思考路徑進行溝通，否則很容易產生無效溝通，而浪費了大量的時間。

人工智能產品經理溝通對象很多，所以需要有足夠的知識儲備，所以盡量做到懂算法、懂行業、懂設計、懂運營的綜合人才。

人工智能產品經理最重要的溝通對象是算法工程師。吳恩達在NIPS 2016演講中提到了人工智能產品經理的角色定位，強調人工智能產品經理是用戶與算法人員間的橋梁。

由于算法工程師并不很了解行業，如何將行業內容用算法語言描述給算法工程師是十分重要的，這種溝通我們稱之為“轉譯”。

轉譯就像是一個翻譯過程，將不同兩個領域的術語翻譯給對方。人工智能產品經理進行轉譯時，需要注意以下幾個要點：

1. 溝通行業背景

人工智能產品經理具有行業背景，與算法工程師溝通時，盡量使用對方能夠聽懂的語言，解釋產品給行業帶來的價值。

首先雙方應該溝通產品的行業背景，能夠使算法人員對整個產品有更全面的了解，有利于代碼質量的提高。

2. 說明產品價值

首先將溝通的最終目標解釋給對方，讓對方明白這件工作的意義。

例如在與算法工程師溝通時，首先讓對方明白我們需要實現產品功能是什么。在了解產品功能之后，再進行算法方面的討論。

3. 產品功能分解

產品功能通常由很多小的功能模塊組成，人工智能產品經理需要根據自己對行業的理解，將產品功能進行模塊化拆分，與算法工程師針對單個模塊內容進行溝通。

4. 給出數據例

數據例指的是訓練數據的數據樣例。人工智能產品經理需要負責數據的協調工作，應該盡快讓算法工程師看到數據例，這樣能節省很多溝通的時間。即使現在沒有足夠的數據，數據的基本情況也要盡快與算法工程師溝通。

5. 提供算法方案

人工智能產品經理需要進行技術預研，應該首先提出一套算法方案用于和算法工程師交流。該算法方案包括建議使用的算法類型、數據處理方案等。這樣可以就具體的算法路徑進行討論，提高了溝通的效率。

6. 案例

下面以一個行業壁壘的很高的產品為例，說明人工智能產品經理如何與算法工程師進行溝通。

【例】筆者一直從事分子質譜（MS）模擬相關產品的研發，質譜（MS）是一種分子檢測的技術手段。該產品涉及到多個學科交叉，并且專業度極高，需要人工智能產品經理與算法工程師進行良好溝通協作。分子質譜模擬產品溝通路徑，如圖5所示：

圖5 分子質譜模產品溝通路徑

第一步：溝通行業背景

分子質譜模擬產品主要用于醫藥、化工行業，主要用未知分子的鑒定工作。該產品主要為醫藥領域研發人員提供結構鑒定幫助。

當一個新物質誕生時，我們并不知道它的分子結構，但是我們可以利用一些手段將這個分子打成碎片，由于碎片分子的結構相對比較簡單，所以通過碎片分子結構去回推出新物質分子的結構。

我們能提取到的碎片分子信號，稱為質核比（m/q），是分子質量與其所帶電荷的比值。本產品需要根據碎裂的規律構建模型，通過碎片分子的質核比推斷出新物質分子的結構。

本階段溝通的目的，為了使算法工程師對產品與行業有一個大概的認知。

第二步：說明產品價值

該產品的核心價值用于進行未知物檢測——通過未知物的質核比的信息，推斷出未知物的分子的結構。

以往對未知物進行推斷，都是通過人的歷史經驗來完成，本產品價值在于通過人工智能技術，取代人來進行分子結構推斷。本階段溝通的目的，為了使算法工程師明確產品能夠解決的問題，以及開發該項目的原因。

第三步：產品功能分解

未知物分子的推斷過程，主要分為3個步驟：

第一步，首先確定未知物分子的各類原子個數，確定未知物的分子式/

第二步，尋找比較有特征的數據，這些數據對應著某種固定的分子結構，如果能找到這些特征數據，則證明這個未知物分子中存在這樣的結構。

第三步，根據數據特征，找到全部可能的結構。第四步，將這些找到的結構組合，推斷出可能的未知物分子結構。在和算法工程師解釋基本知識后，需要用通俗的語言將業務過程闡述出來。

第四步：給出數據例

將質譜數據展示給算法工程師，并解釋清楚各部分數據的意義。

第五步：提供算法方案

人工智能產品經理應與算法工程師共同討論，確定各部分功能所使用的算法。第五步能否順利實施，取決于第三步是否能夠使算法工程師理解產品功能。算法的確定需要雙方經過多次討論、嘗試才能確定。

人工智能產品經理的溝通更像是一門藝術，不僅僅要做“轉譯”的工作，還需要與很多角色協調部署工作。人工智能產品經理溝通不僅僅是個人情商魅力的表現，也同樣體現了你的行業能力與算法功底。

四、如何理解行業

2017年，吳恩達在高山大學（GASA）作主題名為《探索人工智能》的演講時，曾經說：

“我經常對很多公司說，如果能夠找到一個獨立的人工智能團隊，就把這些有人工智能力的人放到不同的業務團隊矩陣去”。

這句話足以證明行業對人工智能的重要性。人工智能產品經理是人工智能產品的締造者，對行業認知程度有則有更高的要求。

人工智能產品經理需要懂行業，這一點在本書很多地方都有體現。懂行業分為2個方面：

首先人工智能產品經理只有懂行業，才能對產品價值有深刻認知，才能知道產品如何滿足需求。

其次只有懂行業才能懂商業，才能知道產品在行業中如何賺錢，商業利益是產品實現的最終目的。

產品最終需要追求商業價值，很難想象一個不懂行業的產品經理，能夠設計出給業內人士使用的產品。一個不懂行業的人，更不可能明白一個行業的商業運轉規律，以及產品商業化過程都有哪些“坑”。

產品經理需要有商業的前瞻性，才能構建產品價值，并能協調現有資源產生最大的商業價值。

圖6 行業認知與行業需求

如圖6所示，人工智能產品經理只有具備充分的行業認知，才能構造良好的商業模式，才能創造較高的產品價值。產品價值能夠滿足行業需求，商業模式能夠保證產品價值與行業需求間的平衡穩定。

案例

下面以臨床科研平臺為例，說明行業認知對產品構建的重要性。

【例】臨床科研智能平臺是針對醫院進行臨床研究需求所使用的數據匯聚及人工智能算法的集成平臺。此類平臺主要是解決醫院用戶進行臨床科研的剛性需求，該平臺的搭建需要深刻的行業認知，需要熟悉醫療科研的流程與方法，平臺架構圖7所示：

圖7 臨床科研智能平臺系統架構圖

臨床科研智能平臺與醫院多個系統對接，將多個系統數據結構化供臨床科研智能平臺使用。臨床科研智能平臺上集成了多種算法，為臨床原始研究與二次型研究提供了工具。

設計此類平臺產品，需要對臨床科研具有深度行業認知，對醫療體系數據充分理解。

臨床科研智能平臺主要解決了醫生用戶3個痛點：

醫院內數據存在于各個系統中難以整合。

醫生缺乏簡單易用的人工智能分析工具。

醫院間開展聯合研究缺乏數據協同平臺。

基于行業的思考，臨床科研智能平臺不僅能給醫生科研帶來便利，更能夠成為醫療數據走向市場的一個基礎。當前為了隱私性等問題，臨床數據一直無法走向市場，也意味著醫療數據利用無法快速向前推進。只有進行了良好的商業模式布局，醫療大數據才能更加健康地向前發展，臨床科研平臺的商業模式如圖8所示：

圖8 臨床科研平臺商業模式

臨床科研智能平臺依托承載的臨床數據具有極高的價值，針對藥企、醫院、政府、保險公司都可以形成商業閉環。如果對行業不夠了解就無法得到上述產品商業模式，所以人工智能產品經理需要充分了解行業才能構建有價值的產品。

來源：人人都是產品經理