这是我2020年翻译的文章，首先发表在我的公众号“PM熊叔”。3年之后的今天，我们进入了大模型时代，但这篇文章并没有过时。因此我将它的音频重新发布我的播客之中，希望能帮助到大家。
    2020年1月25日, 在曼彻斯特产品思维大会上，Salesforce 爱因斯坦系统的产品总监马尤克·博瓦尔做了个分享，探讨了在人工智能时代，产品经理需要做哪些调整，以及如何打造成功的人工智能产品， 演讲主题《人工智能如何重新定义产品经理》

    一、故事

    在步入正题之前，我们从一些有趣的故事开始：

    1、AI重新定义职业
    在几个月前的马萨诸塞州剑桥城，聚集了在成百上千的技术爱好者，一名来自斯坦福的教授在探讨人工智能是如何改变世界，探讨传统的职业是如何被AI打破和瓦解的。这位教授就是吴恩达，一家名为“Landing AI”的公司的创始人，他也是著名的在线教育公司Coursera的创始人。在他的分享中提到了一段产品经理的工作的场景画面。
    以聊天机器人应用程序为例。在互联网时代，如果我们的产品经理正在设计一款新的网页或APP，那画线框图是必不可少的环节。通过原型图，产品经理可以告诉工程师这款程序应该是什么样子，而工程师将根据原型图方案进行实现。这就是长期以来，硅谷和科技公司的产品经理和工程师协作的方式。但在人工智能时代，这种旧的工作方式将变得无效。

    假设你在做一个聊天机器人，那又会怎么样呢？
    例如，我们在打造一个“行为疗法”的聊天机器人，通过与机器人聊天的方式解决美国人的心理疾病。如果展示在线框图上面，或许是这样：
    机器人说：“你好~”
    用户说：“我不开心”。
    机器人：神奇地展示了一张图片，括弧：一张源自于NLP生成的图片
    这完全没有用，我不需要知道对话的气泡的形状是怎么样的，我需要知道谈话的实质是什么，我的聊天机器人如何能够感知到用户发生了什么。传统的产品经理通过线框图为聊天机器人提供产品规格，但对于工程师来说更需要了解内在的逻辑。

    2、产品经理再造
    在加利福尼亚的旧金山，有一个叫做洞见数据科学（Insight Data Science）的组织。前不久，他们开办了一个为期七周的集训项目，帮助来自不同背景的专业人士转行至软件工程和数据科学领域。我的法国同事利昂·麦奎尔，她拥有神经科学博士学位，她加入了他们的数据科学项目，并在林肯获得了一份数据科学家的工作。最近，我从人工智能产品主管杰里米·卡拉斯科得知，他们正在启动一个全新的项目。此项目称为数据产品经理项目或者AI产品经理项目。杰里米认为，对于更传统的产品经理来说，他们需要掌握必要的技能，能专注于数据、更懂得如何利用AI来打造产品。
    最后，Salesforce 爱因斯坦的产品副总裁马可·卡萨莱纳正与他的团队合作开发一门新的课程，这是一个针对的内部培训课程，为人工智能和机器学习带来的第四次工业革命做准备。
    我问马可：“这门课的目的和目标是什么？”他说：“我们要让我们的产品经理们获得一些感知力，让他们能够快速地评估用机器学习解决业务问题的可行性，知道哪些业务问题适合使用AI，又有哪些不合适。”
    人工智能时代，产品管理发生怎么样的改变？作为产品经理，如果要打造一款成功的AI产品，你又需要掌握哪些技能呢？

    二、产品经理的奥林匹克竞赛

    工程学作为一门学科已经存在了几千年。它的历史可以追溯到埃及金字塔工程和军事工程。一千多年里，诞生了机械工程、发明了蒸汽机，工程管理已经是一门非常成熟的学科。相较于工程管理，产品管理要年轻许多，其历史不到一百年。最早的产品经理，实际上做的是品牌管理，他们被称之为“品牌人”。在制造业中，它又变成了“产品线经理”。

    随着软件业的发展，它又发生了一些改变，使用着像Scrum这样的敏捷方法。这让我想起了职业体育。回顾过去的50到100年里，电视里重复播放着每一个世界纪录是如何打破的。我相信，不管你是在运动场上还是在家中舒适地观看，这已从根本上改变了你参与运动方式和情感的寄托。

    电影《点球成金》普及了体育分析方法。另外，有更多的高科技装备和运动器材出现在每隔四年的奥运会上，每一次都会有新的世界纪录。我们的确走在“更高、更快、更强”的道路上。最后，越来越多的女性也开始从事职业运动。

    华盛顿邮报还特别提到：女性在男性运动中的领导地位。其实，产品管理就像是一项运动比赛，随着人工智能和软件行业的发展，它也正在被重新定义。世界正在改变，AI产品经理正在崛起。如果你细想一下我讲的故事，就会发现那些针对产品经理的新要求。

    三、产品经理的新技能

    通常，产品经理需要跨职能地串联起每一个利益相关者，如：销售、市场以及开发。但是对于AI产品经理，你还需要串联起另外两个重要角色，即数据科学家和数据工程师。

    同时，产品经理还需要更新技能树的五个方面：

    1. 问题映射，

    2. 数据是新的UI，

    3. 验收标准，

    4. 可解释性、伦理和偏见，

    5. 将研究迁移到生产。

    1、问题映射（Problem Mapping）

    随着人工智能的热潮到来，你可能也会面临着新的执行压力，需要考虑如何将AI应用到产品之中。但是我们在考虑问题的时候，却常常忽视了将这些技术方案映射回业务问题上。

    AI产品经理需要能够将业务问题与机器学习或深度学习问题相匹配。这包括理解业务需求，明确定义问题，选择合适的算法和技术，以及为团队提供清晰的问题定义。随着技术的不断进步，AI产品经理需要不断学习如何更好地将业务问题映射到技术解决方案。

    AI产品经理必须能够清楚地表达产品的价值主张。产品经理必须先考虑传统的方法、评估使用传统的规则引擎来解决问题，而不是冒着风险去做。我们先举一个如何提升客服效率的例子。像亚马逊和优步这样的大公司都有庞大的客服部门。每天都会新增大量的客服工单。例如，顾客可能会抱怨：

    “我的订单在哪里，为什么还没有收到？”

    “收到了错误的订单，我需要更换”

    “我需要退款，优步司机取消了我的订单，但是费用还没有退给我！”……

    这个部门的目标就是尽可能快地解决掉这些不断涌现的客服工单。因此，系统的衡量指标就是如何尽可能地缩短解决工单的时间。

    作为一名产品经理，我会先思考要解决的问题，会考虑传统的方法、流程和规则引擎——最好的引擎是已持续使用了一段时间的。这个案例中存在一定的问题，“分类”和“产品”这两个字段值是空的。

    因为这些字段有助于正确地将客服工单指向到正确的部门。从而让它们可以得到快速解决。如果缺乏这些字段，客服工单很可能会被错误的分配到其他部门。导致它们在不同的部门之间来回流转，从而浪费了宝贵的解决时间。

    可能，每个产品经理会这么想：通过使用一些规则，根据客服工单中的其他字段来填写此字段中的值。但通过进一步分析，我们会发现这样的规则是很繁琐的。它不会随着时间的推移而扩展，它将变得难以管理。坦率地说，有时候一个严格的规则并不能真正抓住价值。但倘若你有一段自由格式的文本并缺少关键字段和描述，您无法找出将其映射到“产品”和“类别”的规则。

    此时，你就可以使用人工智能了。实际上，这可以建模为一个多分类问题。这些字段中的每个值都对应多个分类。您可以通过肉眼从历史的客服工单中学习和获得相应的感知，例如通过查看标题和描述来确定预测值应该是什么。

    在我们的“爱因斯坦”系统中，我们可以看到这些字段的预测值。每个预测值