问题提要：

1、如何设计一款AI产品？

2、做AI产品和做一般互联网产品的区别是什么？

3、产品项目里面pm担任的角色是怎样的，还是一个项目owner么？

4、AI产品经理需要掌握的技能和能力是什么？

5、通用智能语音助手产品设计难点？

6、AI产品经理的现状和前景如何？

1、人工智能的产业结构

image.png

人工智能三大基石：数据、计算、算法

大数据：数据为王，各行各业纷纷抢占用户数据，利用大数据描绘用户精准画像，从而进行丰富的个性化推荐、精准营销。

电商领域：线上“猜你喜欢”，线下门店通过附近居民用户画像进行“千店千面”的布局。

搜索领域：搜索结果个性化，“千人千面”

新闻资讯：个性化推荐

计算力：从集中式计算到分布式计算（云计算），从CPU到GPU/FPGA/神经网络芯片，从普通计算到量子计算

算法：机器学习算法特别是深度学习算法的应用

2.AI细分行业

【2B】

1、智能客服：电商（淘宝、京东）、运营商

2、垂直行业的AI助手：法律（Ross Intelligence）、金融（Kensho）、体育（StatMuse）、医疗健康（Watson）

3、自动驾驶&辅助驾驶：特斯拉、谷歌、苹果、滴滴

4、其他：BI、政府业务、教育、农业、交通、天气、AI平台

【2C】

1、智能家居：智能家庭机器人、智能音箱、智能手表等等，成为智能家居控制中心（小米、360、京东）

2、智能语音助手：Siri、Cortana、Google Assistant、度秘、Bixby

3、其他：各类Bot、AR/VR、无人机

3、通用对话引擎架构

image.png

● 通用聊天，需要掌握沟通技巧、通用聊天数据、主题聊天数据，还要知道用户画像，投其所好。

● 信息服务和问答，需要搜索的能力，问答的能力，还需要对常见问题表进行收集、整理和搜索，从

知识图表、文档和图表中找出相应信息，并且回答问题，我们统称为Info Bot。

● 面向特定任务的对话能力，例如定咖啡、定花、买火车票，这个任务是固定的，状态也是固定的，

状态转移也是清晰的，那么就可以用Bot一个一个实现。你有一个调度系统，你知道用户的意图就调用相应的Bot 执行相应的任务。它用到的技术就是对用户意图的理解，对话的管理，领域知识，对话图谱等等。

4、智能人机交互系统

image.png

5、Q&A

如何设计一款AI产品？（以智能语音助手为例）

1、了解行业现状，技术发展水平，调研市面已有产品，还有哪些痛点没有被满足？

2、结合公司已有资源确定产品定位（从移动搜索到智能搜索）；

3、逐步迭代：从垂直类bot到通用bot，从H5-demo到移动app；

4、精细化运营：扩充问答覆盖范围、增加闲聊语料库、优化交互方式；

5、寻求更多合作，获取更多资源：优质资源的接入（喜马拉雅）、开放接口到智能硬件厂商、提供平台级的服务（DuerOS、网易波特）。

做AI产品和做一般互联网产品的区别是什么？AI产品经理需要掌握的技能和能力是什么？

1、产品思维是核心：人工智能和互联网都只是工具，AI产品设计同样要遵循传统互联网产品设计思路：都需要了解行业现状、收集产品需求、确定产品定位等工作，同样需要重视用户体验；

2、对技术的理解力：对AI技术发展现状有所了解，知道可为与不可为，推动产品落地，不要过于拔高用户期望；

3、2B or 2C：同样的技术根据用户群体、需求不同可以输出到B端和C端（智能语音技术可以输出到智能客服和个人助手）；

4、偏硬 or 偏软：产品内核不变，产品的形态更加多样化；

5、产品 or 运营：产品冷启动期需要靠运营获取种子用户，产品设计同质化严重时还靠精细化运营留住用户；

6、产品经理 or 项目经理：产品经理既要懂产品设计同样需要懂项目管理，同样需要对AI技术具备理解力。

产品项目里面pm担任的角色是怎样的，还是一个项目owner么？

表面上看是技术驱动产品，实际上是产品落地技术，PM必然仍是一个项目的owner，只不过如果具备一定的技术理解力和运营能力将能更好的带领团队进行合作，推动项目进展。以我的leader为例，他以前是做传统搜索的，在做智能化搜索方向时经常会给我们讲解产品的技术架构，同时也会做相关的产品调研、竞品分析、需求排序等工作，另外会和公司其他部门、外部硬件厂商进行合作，推动产品落地。

通用智能语音助手产品设计难点？

1、海量的数据：搜索、闲聊、其他应用

2、CPS（ Conversations Per Session）：CPS描述了人类与人工智能在一次对话中持续的平均轮数，从而反映了人工智能在这些对话中所体现的沟通能力。从传统Q&A问答到多轮对话，从被动回答到主动对话。

3、人性化：形象设定（语料运营）、NLG（自然语言生成）、TTS（语音合成）

image.png

4、投入产出比低：依赖技术突破（NLU）、用户习惯培养、持续优化（保持数据的时效性）

image.png

AI产品经理的现状和前景如何？

1、门槛稍高，但行业缺口巨大；

2、优秀的AI PM还未出现，优秀的AI产品也未出现，行业仍处于探索期，尚未形成统一的标准；

3、AI技术的发展成螺旋上升趋势，这一次的爆发能持续多久仍不可知，但从长远的角度来看AI PM必然是值得期待的。