一、目标回顾

       回忆2020年初定下的目标，做一名真正AI产品经理，能对AI有更深的理解。从19年初了解到AI产品经理岗位，经历过数次的知识重组，到2020年成为了一名真正的AI产品经理，自身完成了一次的蜕变。 

       2020注定是不平凡的一年，疫情蔓延，过完年我就决定离开杭州了，这是我计划的第一步，因为杭州的AI产品经理岗位实在太少了，记得当时搜BOSS、拉钩等招聘网站，AI产品岗位可怜的只有一页列表，而对比北京、上海长达六、七页之多，可见其中的差距。对我而言，AI产品经理的岗位将我置身于焦虑区和学习区之中，这是一个充满了未知与充满挑战的岗位。

二、总体陈述

       在经历过数次失败的AI产品经理面试后，20年5月我来到了北京，做了一名法律行业的AI产品经理，主要负责部门内搜索系统、文本比对和文本纠错等NLP方向的工作。

       然而好景不长，实际状况和预期还是有很大差距的，这份工作差点又让我陷入了和上一份工作同样的处境，让我陷入了迷茫中，因为AI的本质是实验性质，可能任务失败1-2次后，领导们就会对你的工作能力产生质疑，尤其在领导不懂AI的情况下，作为一名AI产品是及其痛苦的，因为领导并不知道什么任务是AI产品该做的，也无法判断你所做的工作带来的价值，同时会给你安排大量非AI的工作，导致工作重心无法聚焦，使项目停留在理论建设层面，虽然学习到了大量的AI知识，但却难以展开实践。

       我入职时负责搜索业务系统的优化，深入了解后发现部门内的AI投入是根据业务线来定的，只为快速产出业务，对AI能力不重视，导致系统缺少问题建模和用户数据分析两个非常重要的模块，我尝试去解决问题建模，但初版测试集构建以失败而告终且花费大量时间，ROI不成正比。记得入职时候搜索系统是作为一个子功能放在业务系统中的，当时讨论过几次优化的方向，但都未能决定主要的优化方向到底是搜索，还是业务系统，其实这两个方面都需要优化。好在经过大量的学习、复盘，我的AI认知有大幅度提升，对搜索系统有了更进一步的认识，这件事最终还是让我给推动起来了，目前已经将搜索从业务系统中剥离，形成单独的一条业务线进行优化。这个过程是痛苦的，但是让我对工作的本身的有了更深一层的认识，有些事情其实不能去等领导给你安排，需要自己主动去做和争取，另一方面这些经验也让我更加深入的了解AI系统全链路，包括底层的数据处理原理。

三、总结

1.对面试的思考：

       面试前需要了解行业，竞品，AI知识，提问环节可以像面试官了解公司的团队，公司的内容等等。我的面试大多不算成功，我个人分析有四个方面的原因：1.经验比较浅，对行业的理解不够。2.同时出身于小公司，对于大公司的一些工作上的问题无法理解。3. 因为不具有对应场景的业务知识，经历不可被复用。4.今年受疫情影响整体行情不太好。

2.对工作上的思考：

       在实际工作中，我发现很多公司可能并不需要专门的AI产品经理，一方面是感觉AI产品经理的工作可能本身工作是算法工程师工作的一部分，如搭建测试集，数据采集，算法评测等工作，这才是真正深入到AI底层的工作，但很少有产品经理能去做这些，大部分还是做着传统互联网产品的工作。另一方面中小型公司会直接采购第三方的平台AI服务或者开源开源技术，导致传统产品经理只要略懂AI原理就能胜任。

       根据我自身的经验，以及对各AI产品微信群及论坛的观察，AI产品经理从业人数似乎在不断下降。AI产品经理之所以不能形成一行业的内统一认知，我个人觉得有4个因素影响着这个岗位，分别是行业、客户、领导和团队成员，行业和客户其实在我们入职时候就已经基本注定，AI赋能行业的效果及其商业价值目前在大部分行业中已经定型，除非是处于行业变革的早期或者出现突破性的技术，不然领导和团队成员是直接影响你工作的内容的主要因素。

       领导的AI认知决定了你能做什么，而团队成员的经验决定了你该如何去做。领导的AI认知是非常重要的，一个了解AI全链路并且有丰富经验的领导绝对能在工作中给你不少的帮助。另一方面，团队成员的经验也是一个非常重要的因素，这边主要根据我目前的经验讲一下算法工程师，我感觉AI产品的工作和算法工程师的经验有直接的关系，初级算法工程师是“高效执行机器”，中级算法工程师是“算法选型和改造能力”，高级算法工程师是“业务抽象能力”，可以看到在面对初级算法工程师的时候，是需要AI产品经理将业务抽象转化为算法工程师可以懂的语言的，这个阶段需要既懂AI又懂业务的AI产品经理去协调算法和业务。而随着算法工程师对业务理解能力的增加，AI产品经理将逐渐往应用与解决方案层走。

3.对学习的思考：

       今年几乎每天我都会看人人都是产品经理、36氪等论坛，了解最新的动态。同时，阅读了《从0到1》、《美团机器学习实践》《数据挖掘导论》等书籍，相比于阅读的帖子而言，书中的用词更加准确，例子更加详细和丰富，许多看帖子一知半解的问题在书中得以解惑。

4.对职业的思考：

       我渐渐的看清了前方的路，但是又陷入另一片黑暗，《挪威深林》中曾写道：“如果你掉进了黑暗里，你能做的不过是静心等待，直到你的双眼适应黑暗。” 当前NLP目前遇到瓶颈，市面上大部分AI产品岗位正在逐渐转变成平台型的产品经理，希望通过各类大客户的业务，将通用的AI功能抽取出来形成可以复用的模块，将产品SAAS，PAAS化，这类现象在巨头公司出现较多。而我目前所做的工作，更多的偏向于技术层的AI产品经理岗位，一方面由于AI赋能法律的效果还在初期探索阶段，另一方面由于法律行业的数据比较特殊，不仅难以获取，同时法律语言存在特殊的表述、规则和结构，市面上通用的NLP解决方案并不适用，这就需要做一些特殊的测试集对算法做一些评估，同时法律行业从业人员基本是文科出生，对于数据方面并不重视，这使我感觉到了AI在一些垂直行业内的应用其实并不成熟，巨头公司和传统公司在未来几年内的AI产品岗位将呈现两极分化现象。

        AI产品经理的路不好走，可能并没有人带领你，甚至你的同事都不了解AI。我常常会质疑AI产品经理或许是一个被错误定义出来的岗位，因为跟普通互联网产品不同的是，AI产品本质是一种实验的性质，需要反复根据数据去不断迭代，不仅是训练数据，也需要用户使用数据，脱离数据的AI是一个空壳。商业模式中一个核心问题：“为谁提供价值”，AI最终都是为人提供服务的，不同领域不同需求的客户，其实只是把人这个集合按照不同的特征进行拆分后的不同的群体，所以无论什么行业，AI都是不能脱离人的数据的，而分析用户数据的岗位在大多C端公司被称为运营，B端公司大多不设运营这个岗位，这个是一个非常矛盾的点，我猜想一个产品从解决基本需求开始，再到运营到体验，也许掌握数据的AI运营才是未来发展的趋势。