从事AI PM的工作已经有8个多月，期间也接触到不少的项目，收获良多，在此写下几点心得沉淀一下自己，同时也希望能给和我一样在路上的人一点点帮助。
一．深刻理解应用场景
我觉得这一点是最重要的，也是最核心的，我们要深入场景中，理解场景是怎么运作，有什么规则。我们知道，目前人工智能替代人类的工作一般是存在大量人工、重复性的工作，这些工作的特点是：目标明确，方法明确，规则较确定。比如，客服工作，一般用户的问题都是相似的，都是那几种情况，客服有对应的规范回答。而客服需要花大部分的时间处理一般的问题，所以我们可以创建一个客服机器人帮助客服处理一般的问题。当用户有特殊的需求时才转接给客服处理，这样可以节省人力，提高客服工作效率和质量。一般评估一个项目是否可做会考虑三点：1.理解客户需求，使用AI技术是否能创造更高的价值；2.技术可行性，是否有比较成熟的技术；3.是否有现成的数据或者收集数据是否困难。理解客户需求是我们首先要做的，当确定应用场景之后，工程师才能根据需求选择什么算法。我了解一个场景一般要确定以下信息：客户需求，系统的运作流程，有哪些规则，有什么特殊情况，各种情况在实际处理中的占比，是否有数据，数据质量，有哪些影响因素等。
二．把控数据质量
我们知道人工智能的本质是经验主义，需要大量的数据来训练模型，而数据是决定模型预测效果的上限，而算法只能无限接近这个上限。之前，我们做过一个文本生成相关的项目，用的是无监督学习，但试验的结果一直很不理想，最后才发现是数据质量太差了。经过准备新的数据并做各种清洗，模型生成效果就好了很多。所以在准备训练数据时，我们要评估数据的质量，如果需要标注的数据，那么就要严格按照标准来标注数据。我们知道，训练的模型是有一定的泛化能力（可能简单理解为学习能力），但这个泛化能力的范围是由数据决定的，模型只能学习到这个训练数据所代表的知识、经验，比如说，我们拿篮球数据训练一个游戏ai模型，目前我们是不能拿这个模型去踢足球的。我们需要很了解数据，评估这数据是否反映应用场景，数据有些特征是需要工程师考虑的。此外我们也要准备测试数据，测试数据是对一个模型效果的评估，所以测试数据需要全面、客观。在不断地优化模型中，一般会在正确率和召回率做一个平衡。
三．具备一定的技术理解力
我们常常会问产品经理需要懂技术吗？我不喜欢这样的问题，我们应该思考懂技术能在工作中起到什么作用？有其他方式可以替代这种作用吗？这个作用对工作的影响有多大？我觉得作为AI PM具备一定的理解力是非常有必要的，它至少能起到两点作用：
1.与工程师沟通，表达清楚需求，推动项目大有帮助。我刚开始工作的时候，对人工智能的了解少之又少。在跟进项目时，与工程师交流很困难，有点不知所措，一直处于很被动的状态.当自己了解越来越多的人工智能相关知识，我才找到一点点节奏，与工程师讨论需求，评估方案可行性，与工程师讨论需要考虑哪些特征，可以尝试哪些方法，控制训练时间等，把控项目的方向，而不是仅仅是一个跟进的角色。
2.能提高自己的视野，对理解需求有所帮助，我们知道AI能做什么，不能做什么，有什么方法来做，在了解需求时，我们就能思考这个问题能不能做，有没有做等。
作为AI PM,我们还是需要提高自己的技术理解力，理解技术的边界是什么，每一种机器学习方法的优劣势是什么等，这方面的学习资料，我有一些，大家需要的话，可以私底下联系我。
四．极强的学习能力
现在世界变化速度如此之快，AI PM的要求如此之高，我们需要要很强的学习能力。简单说说学习的三个关键点：确定目标，付出行为，建立反馈。这些没什么好说的，总之要建立自己的人工智能知识网络，并且不断的更新迭代。
大概就说这么多吧，总之我们要知道，我们AI PM比工程师的优势，或者我们体现的价值有两点：一是对应用场景的理解，尝试让产品落地；二是对数据的理解，把控数据的质量。产品经理是世界上最难的工作之一，一起努力，争取拿到“产品经理”这张门票。
5�E��"�������F�
