1. 綜述
決定轉(zhuǎn)行AI PM之后杏节，我一直在通過不斷地信息的輸入來構(gòu)建AI PM的工作的宏觀面貌市咽、需要著重訓練的能力和需要注意的事情鸵鸥。《人工智能產(chǎn)品經(jīng)理 AI時代PM修煉手冊》(by 張競宇)這本書颖侄，的確讓我對AI PM的工作有了更深刻的認識重窟，非常值得買來讀一讀载萌。
AI PM，需要將人工智能技術和行業(yè)知識相結(jié)合，并通過產(chǎn)品和項目的落地實現(xiàn)最終商業(yè)目標扭仁。
我認為這本書帶給我的關鍵信息在于：
告訴了我們AI PM怎么做垮衷，而我們更應該關注，為什么要這么做乖坠。
2. 人工智能時代產(chǎn)品經(jīng)理的新定義
2.1 人工智能時代產(chǎn)品的特殊性
2.1.1 人工智能的本質(zhì)--概率
人工智能的本質(zhì)是：
實現(xiàn)推斷的概率可以無限逼近100%搀突，最終代替人類做判斷，完成任務熊泵，甚至超越人類的思維和判斷能力仰迁。
人工智能產(chǎn)品經(jīng)理的角色：
實現(xiàn)概率最優(yōu)和成本投入（可能包含資金投入、技術投入顽分、時間周期選擇）之間的平衡者徐许。
2.1.2 人工智能給傳統(tǒng)服務和產(chǎn)品賦能
人工智能產(chǎn)品可歸納為幾個類型：
行業(yè)邏輯短時間不會改變，將以上幾個方面結(jié)合到傳統(tǒng)產(chǎn)品流程上卒蘸，尋找用戶需求和新技術的交叉點雌隅。
產(chǎn)品策略 > 明確的交互邏輯設計
不同人看到的內(nèi)容不同，交互邏輯不同缸沃，甚至產(chǎn)品形態(tài)不同恰起，具有“千人千面”的特性。
2.1.3 構(gòu)成人工智能產(chǎn)品的三要素
2.1.4 人工智能產(chǎn)品成功的必要條件
2.3 產(chǎn)品經(jīng)理思維模式
1）資源管理思維：算法和泌、數(shù)據(jù)資源村缸、硬件資源（芯片、存儲）武氓，要衡量投入和產(chǎn)出梯皿；
2）解決方案思維：不被其他團隊牽著走，用技術/非技術資源生成解決方案（不一定非要用算法模型來解決）县恕，干成事兒东羹；
3）目標導向思維：明確項目每個階段的成果，明確項目中每個節(jié)點的責任劃分忠烛，保證每個節(jié)點的輸入和輸出属提，以及最終項目輸出。
2.4 AI PM的懂技術
1）了解產(chǎn)品的技術手段美尸，能夠量化產(chǎn)品表現(xiàn)（模型冤议、算力、數(shù)據(jù)等）师坎，能夠量化和競品對比的優(yōu)劣勢恕酸。懂得在A/B測試中設置合理的考核指標，從而明確算法的優(yōu)化方向胯陋；
2）了解行業(yè)蕊温、業(yè)務袱箱，根據(jù)業(yè)務的技術歷史、現(xiàn)狀义矛、趨勢发笔，整理需求。懂得影響產(chǎn)品表現(xiàn)的因素（算法凉翻、算力了讨、數(shù)據(jù)）。了解所用的技術如何組合噪矛，成本多少量蕊，風險點在哪里；
3）快速學習知識艇挨、獲取信息残炮，降低和市場、研發(fā)（軟件缩滨、硬件）势就、測試、設計（UI脉漏、結(jié)構(gòu)苞冯、電氣）的溝通壁壘，并將這種經(jīng)驗沉淀下來侧巨，讓新人更快上手舅锄。
2.5 AI PM的知識體系
2.6 小結(jié)
AI PM所掌握的技術知識、行業(yè)/業(yè)務知識司忱、產(chǎn)品管理知識等皇忿，都是在為人工智能產(chǎn)品的本質(zhì)服務，提高推斷的概率坦仍，來代替/提升原有的產(chǎn)品或人鳍烁。那么提高推斷的概率所需要用到的算法、數(shù)據(jù)繁扎、算力資源幔荒，是AI PM要衡量的投入，而代替或提升原有產(chǎn)品或人所帶來的價值就是AI PM最終負責的東西梳玫。因此爹梁，本章內(nèi)容表達的AI PM所需要的技能：量化、策略/解決方案輸出提澎。
3. AI PM如何懂行業(yè)
3.1 六種行業(yè)分析維度
可以做一個表格卫键，把這幾點都列進去，然后再填充內(nèi)容虱朵，這樣來分析莉炉。
3.2 人工智能的公司類別
3.3 行業(yè)分析案例-以個人/家庭服務機器人為例
3.4 如何成為行業(yè)專家
3.5 小結(jié)
這章內(nèi)容比較通用，我覺得有經(jīng)驗的產(chǎn)品經(jīng)理肯定都很擅長行業(yè)分析碴犬，因此多圖少文字絮宁，不細說了。
4. AI PM需求分析和之前有哪些不同
4.1 人工智能產(chǎn)品的趨勢
4.2 根據(jù)功能性需求和非功能性需求服协，做一個關于需求的checklist
這個checklist是根據(jù)書中內(nèi)容绍昂，增加了一些我自己的理解。
4.3 量化需求
4.3.1 為什么要量化需求
基于概率 --> 需求量化 --> 技術可行性預研 --> 得出結(jié)論 --> 開發(fā)&測試&上線?--> 復盤
需要考慮的點：
1）預研期間：衡量數(shù)據(jù)質(zhì)量偿荷、算力資源窘游、上線時間，在算法精度上給出合理量化標準跳纳，或者要求增加資源投入忍饰；
2）開發(fā)、測試寺庄、上線后：對量化的目標進行精準地驗證艾蓝，進行A/B測試時可以比較A、B兩個方案的效果斗塘；
3）復盤期間：總結(jié)量化評估經(jīng)驗赢织，和研發(fā)團隊溝通，了解團隊技術實力和算法能力邊界馍盟。爭取量化更靠譜于置，減少需求變更和額外申請資源。
4.3.2 量化需求的方法
4.4 小結(jié)
需求分析這部分贞岭，需要AI PM充分了解算法八毯、數(shù)據(jù)、硬件資源的技術邊界曹步。因此宪彩，大量學習和了解非常重要。
5. 人工智能產(chǎn)品體系
5.1 人工智能產(chǎn)品的實現(xiàn)邏輯
弱人工智能（當前主流產(chǎn)品均屬于此范疇）：
通過海量數(shù)據(jù)的訓練和學習讲婚，從中識別規(guī)律和經(jīng)驗尿孔，當新的數(shù)據(jù)進入時，機器可以在某些方面具備接近人的感知筹麸、理解活合、推理能力。
感知（識別） > 理解物赶、決策 ：
機器學習特別是深度學習在感知（語音和圖像識別）上已經(jīng)取得了歷史性的突破白指，而理解和決策在當前還需要通過機器學習和人類知道相結(jié)合的方式才能實現(xiàn)。
一個通用的人工智能體系（包含4個部分）：
基礎設施提供者酵紫、數(shù)據(jù)提供者告嘲、數(shù)據(jù)處理者错维、系統(tǒng)協(xié)調(diào)者。
數(shù)據(jù)流向為（在基礎設施的支撐下）：
數(shù)據(jù)提供者 --> 數(shù)據(jù)處理者? ? ?--> 系統(tǒng)協(xié)調(diào)者
數(shù)據(jù)? ? ? ? ? ? --> 信息 -->知識? ?--> 智慧
AI PM屬于系統(tǒng)協(xié)調(diào)者橄唬，保證人工智能產(chǎn)品順利運行和在行業(yè)落地赋焕。
5.2?
6. 機器學習技術部分
7. AI PM的工作流程
8. AI PM的方法論、溝通能力仰楚、CEO視角
