一、目標回顧

? ? ? ?回憶2020年初定下的目標术幔，做一名真正AI產(chǎn)品經(jīng)理另萤，能對AI有更深的理解。從19年初了解到AI產(chǎn)品經(jīng)理崗位诅挑，經(jīng)歷過數(shù)次的知識重組四敞，到2020年成為了一名真正的AI產(chǎn)品經(jīng)理，自身完成了一次的蛻變拔妥。?

? ? ? ?2020注定是不平凡的一年忿危，疫情蔓延，過完年我就決定離開杭州了没龙，這是我計劃的第一步铺厨，因為杭州的AI產(chǎn)品經(jīng)理崗位實在太少了，記得當時搜BOSS硬纤、拉鉤等招聘網(wǎng)站解滓，AI產(chǎn)品崗位可憐的只有一頁列表，而對比北京咬摇、上海長達六伐蒂、七頁之多，可見其中的差距肛鹏。對我而言逸邦，AI產(chǎn)品經(jīng)理的崗位將我置身于焦慮區(qū)和學習區(qū)之中，這是一個充滿了未知與充滿挑戰(zhàn)的崗位在扰。

二缕减、總體陳述

? ? ? ?在經(jīng)歷過數(shù)次失敗的AI產(chǎn)品經(jīng)理面試后，20年5月我來到了北京芒珠，做了一名法律行業(yè)的AI產(chǎn)品經(jīng)理桥狡，主要負責部門內(nèi)搜索系統(tǒng)、文本比對和文本糾錯等NLP方向的工作皱卓。

? ? ? ?然而好景不長裹芝，實際狀況和預期還是有很大差距的，這份工作差點又讓我陷入了和上一份工作同樣的處境娜汁，讓我陷入了迷茫中嫂易，因為AI的本質(zhì)是實驗性質(zhì)，可能任務失敗1-2次后掐禁，領導們就會對你的工作能力產(chǎn)生質(zhì)疑怜械，尤其在領導不懂AI的情況下颅和，作為一名AI產(chǎn)品是及其痛苦的，因為領導并不知道什么任務是AI產(chǎn)品該做的缕允，也無法判斷你所做的工作帶來的價值峡扩，同時會給你安排大量非AI的工作，導致工作重心無法聚焦障本，使項目停留在理論建設層面教届，雖然學習到了大量的AI知識，但卻難以展開實踐彼绷。

? ? ? ?我入職時負責搜索業(yè)務系統(tǒng)的優(yōu)化巍佑，深入了解后發(fā)現(xiàn)部門內(nèi)的AI投入是根據(jù)業(yè)務線來定的茴迁，只為快速產(chǎn)出業(yè)務寄悯，對AI能力不重視，導致系統(tǒng)缺少問題建模和用戶數(shù)據(jù)分析兩個非常重要的模塊堕义，我嘗試去解決問題建模猜旬，但初版測試集構建以失敗而告終且花費大量時間，ROI不成正比倦卖。記得入職時候搜索系統(tǒng)是作為一個子功能放在業(yè)務系統(tǒng)中的洒擦，當時討論過幾次優(yōu)化的方向，但都未能決定主要的優(yōu)化方向到底是搜索怕膛，還是業(yè)務系統(tǒng)熟嫩，其實這兩個方面都需要優(yōu)化。好在經(jīng)過大量的學習褐捻、復盤掸茅，我的AI認知有大幅度提升，對搜索系統(tǒng)有了更進一步的認識柠逞，這件事最終還是讓我給推動起來了昧狮，目前已經(jīng)將搜索從業(yè)務系統(tǒng)中剝離，形成單獨的一條業(yè)務線進行優(yōu)化板壮。這個過程是痛苦的逗鸣，但是讓我對工作的本身的有了更深一層的認識，有些事情其實不能去等領導給你安排绰精，需要自己主動去做和爭取撒璧，另一方面這些經(jīng)驗也讓我更加深入的了解AI系統(tǒng)全鏈路，包括底層的數(shù)據(jù)處理原理笨使。

三卿樱、總結

1.對面試的思考：

? ? ? ?面試前需要了解行業(yè)，競品阱表，AI知識殿如，提問環(huán)節(jié)可以像面試官了解公司的團隊贡珊，公司的內(nèi)容等等。我的面試大多不算成功涉馁，我個人分析有四個方面的原因：1.經(jīng)驗比較淺门岔，對行業(yè)的理解不夠。2.同時出身于小公司烤送，對于大公司的一些工作上的問題無法理解寒随。3. 因為不具有對應場景的業(yè)務知識，經(jīng)歷不可被復用帮坚。4.今年受疫情影響整體行情不太好妻往。

2.對工作上的思考：

? ? ? ?在實際工作中，我發(fā)現(xiàn)很多公司可能并不需要專門的AI產(chǎn)品經(jīng)理试和，一方面是感覺AI產(chǎn)品經(jīng)理的工作可能本身工作是算法工程師工作的一部分讯泣，如搭建測試集，數(shù)據(jù)采集阅悍，算法評測等工作好渠，這才是真正深入到AI底層的工作，但很少有產(chǎn)品經(jīng)理能去做這些节视，大部分還是做著傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品的工作拳锚。另一方面中小型公司會直接采購第三方的平臺AI服務或者開源開源技術，導致傳統(tǒng)產(chǎn)品經(jīng)理只要略懂AI原理就能勝任寻行。

? ? ? ?根據(jù)我自身的經(jīng)驗霍掺，以及對各AI產(chǎn)品微信群及論壇的觀察，AI產(chǎn)品經(jīng)理從業(yè)人數(shù)似乎在不斷下降拌蜘。AI產(chǎn)品經(jīng)理之所以不能形成一行業(yè)的內(nèi)統(tǒng)一認知杆烁，我個人覺得有4個因素影響著這個崗位，分別是行業(yè)拦坠、客戶连躏、領導和團隊成員，行業(yè)和客戶其實在我們?nèi)肼殨r候就已經(jīng)基本注定贞滨，AI賦能行業(yè)的效果及其商業(yè)價值目前在大部分行業(yè)中已經(jīng)定型入热，除非是處于行業(yè)變革的早期或者出現(xiàn)突破性的技術，不然領導和團隊成員是直接影響你工作的內(nèi)容的主要因素晓铆。

? ? ? ?領導的AI認知決定了你能做什么勺良，而團隊成員的經(jīng)驗決定了你該如何去做。領導的AI認知是非常重要的骄噪，一個了解AI全鏈路并且有豐富經(jīng)驗的領導絕對能在工作中給你不少的幫助尚困。另一方面，團隊成員的經(jīng)驗也是一個非常重要的因素链蕊，這邊主要根據(jù)我目前的經(jīng)驗講一下算法工程師事甜，我感覺AI產(chǎn)品的工作和算法工程師的經(jīng)驗有直接的關系谬泌，初級算法工程師是“高效執(zhí)行機器”，中級算法工程師是“算法選型和改造能力”逻谦，高級算法工程師是“業(yè)務抽象能力”掌实，可以看到在面對初級算法工程師的時候，是需要AI產(chǎn)品經(jīng)理將業(yè)務抽象轉(zhuǎn)化為算法工程師可以懂的語言的邦马，這個階段需要既懂AI又懂業(yè)務的AI產(chǎn)品經(jīng)理去協(xié)調(diào)算法和業(yè)務贱鼻。而隨著算法工程師對業(yè)務理解能力的增加，AI產(chǎn)品經(jīng)理將逐漸往應用與解決方案層走滋将。

3.對學習的思考：

? ? ? ?今年幾乎每天我都會看人人都是產(chǎn)品經(jīng)理邻悬、36氪等論壇，了解最新的動態(tài)随闽。同時父丰，閱讀了《從0到1》、《美團機器學習實踐》《數(shù)據(jù)挖掘?qū)д摗返葧髁常啾扔陂喿x的帖子而言础米，書中的用詞更加準確，例子更加詳細和豐富添诉，許多看帖子一知半解的問題在書中得以解惑。

4.對職業(yè)的思考：

? ? ? ?我漸漸的看清了前方的路医寿，但是又陷入另一片黑暗栏赴，《挪威深林》中曾寫道：“如果你掉進了黑暗里，你能做的不過是靜心等待靖秩，直到你的雙眼適應黑暗须眷。” 當前NLP目前遇到瓶頸沟突，市面上大部分AI產(chǎn)品崗位正在逐漸轉(zhuǎn)變成平臺型的產(chǎn)品經(jīng)理花颗，希望通過各類大客戶的業(yè)務，將通用的AI功能抽取出來形成可以復用的模塊惠拭，將產(chǎn)品SAAS扩劝，PAAS化，這類現(xiàn)象在巨頭公司出現(xiàn)較多职辅。而我目前所做的工作棒呛，更多的偏向于技術層的AI產(chǎn)品經(jīng)理崗位，一方面由于AI賦能法律的效果還在初期探索階段域携，另一方面由于法律行業(yè)的數(shù)據(jù)比較特殊簇秒，不僅難以獲取，同時法律語言存在特殊的表述秀鞭、規(guī)則和結構趋观，市面上通用的NLP解決方案并不適用扛禽，這就需要做一些特殊的測試集對算法做一些評估，同時法律行業(yè)從業(yè)人員基本是文科出生皱坛，對于數(shù)據(jù)方面并不重視旋圆，這使我感覺到了AI在一些垂直行業(yè)內(nèi)的應用其實并不成熟，巨頭公司和傳統(tǒng)公司在未來幾年內(nèi)的AI產(chǎn)品崗位將呈現(xiàn)兩極分化現(xiàn)象麸恍。

? ? ? ? AI產(chǎn)品經(jīng)理的路不好走灵巧，可能并沒有人帶領你，甚至你的同事都不了解AI抹沪。我常常會質(zhì)疑AI產(chǎn)品經(jīng)理或許是一個被錯誤定義出來的崗位刻肄，因為跟普通互聯(lián)網(wǎng)產(chǎn)品不同的是，AI產(chǎn)品本質(zhì)是一種實驗的性質(zhì)融欧，需要反復根據(jù)數(shù)據(jù)去不斷迭代敏弃，不僅是訓練數(shù)據(jù)，也需要用戶使用數(shù)據(jù)噪馏，脫離數(shù)據(jù)的AI是一個空殼麦到。商業(yè)模式中一個核心問題：“為誰提供價值”，AI最終都是為人提供服務的欠肾，不同領域不同需求的客戶瓶颠，其實只是把人這個集合按照不同的特征進行拆分后的不同的群體，所以無論什么行業(yè)刺桃，AI都是不能脫離人的數(shù)據(jù)的粹淋，而分析用戶數(shù)據(jù)的崗位在大多C端公司被稱為運營，B端公司大多不設運營這個崗位瑟慈，這個是一個非常矛盾的點桃移，我猜想一個產(chǎn)品從解決基本需求開始，再到運營到體驗葛碧，也許掌握數(shù)據(jù)的AI運營才是未來發(fā)展的趨勢借杰。