AI是一種新的產(chǎn)品思維，這樣的產(chǎn)品或許很“小”，但是把它帶入現(xiàn)實(shí)生活，現(xiàn)實(shí)場(chǎng)景，或許它就變成了一個(gè)最大的商業(yè)模式。

AI代表了新的產(chǎn)品思維，產(chǎn)品著眼點(diǎn)是數(shù)據(jù)，產(chǎn)品特點(diǎn)是“小”。

分享嘉賓：360人工智能工程中心總經(jīng)理@鄧雄博士

做機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)，不僅僅是一個(gè)技術(shù)或者產(chǎn)品形態(tài)，更是一種思維;這種思維會(huì)決定你如何把一個(gè)業(yè)務(wù)/產(chǎn)品做成功，它是一個(gè)模式的問題。

我們看人工智能的時(shí)候，不要僅停留在技術(shù)或產(chǎn)品層面，應(yīng)該再往上提一層，而這一層可能會(huì)決定未來20年人工智能發(fā)展的一個(gè)趨勢(shì)。所以我認(rèn)為：AI是相較于過去20年互聯(lián)網(wǎng)時(shí)代更大的一個(gè)提升。這個(gè)提升，有一個(gè)非常重要的本質(zhì)是它的商業(yè)模式發(fā)生了變化。

一、人工智能大時(shí)代變革

這張圖大家可能在很多地方都看到過：

在過去的三次工業(yè)革命過程中，有非常典型的生產(chǎn)力的特點(diǎn)(比如水蒸氣、電、或者是IT相關(guān)的)，也有與生產(chǎn)力相對(duì)應(yīng)的新商業(yè)模式的特點(diǎn)。第一次是機(jī)械化的模式，第二次變成了流水線作業(yè)的模式，到第三次是自動(dòng)化。從2015年開始，我們開始真正意義上跨入了第四次工業(yè)革命。

那么，這次工業(yè)革命到底有什么特點(diǎn)呢?

生產(chǎn)力或者是產(chǎn)品技術(shù)方面，特點(diǎn)是物聯(lián)網(wǎng)和人工智能;

模式上的特點(diǎn)是智能化，從自動(dòng)化到智能化。

我們具體看一下第三次工業(yè)革命的分支，所謂的信息革命(或者說我們?cè)谶^去20年里一直經(jīng)歷的互聯(lián)網(wǎng)時(shí)代)，這個(gè)狀態(tài)大概經(jīng)歷了三個(gè)節(jié)奏：

第一個(gè)節(jié)奏是信息化，銀行以及很多其他機(jī)構(gòu)，連小型機(jī)都沒有，都是純大型機(jī);用的是20年前就成熟的數(shù)據(jù)庫技術(shù)來存儲(chǔ)他們的數(shù)據(jù)。這個(gè)時(shí)候的特點(diǎn)是：信息開始被格式化存儲(chǔ)，可以獨(dú)立分散地處理——相較于第二次工業(yè)革命，已經(jīng)有了很大的進(jìn)步。

緊接著，互聯(lián)網(wǎng)時(shí)代開始，出現(xiàn)了最核心的集成電路技術(shù)，以及TCP/IP協(xié)議。最終帶來的結(jié)果是：在信息化時(shí)代，孤立的信息開始慢慢被開放共享出來，信息開始爆炸——但是在這個(gè)時(shí)間點(diǎn)，數(shù)據(jù)還沒有真正融合到一起。

到了下一個(gè)階段，也就是云計(jì)算和大數(shù)據(jù)的階段，數(shù)據(jù)開始真正被從各個(gè)不同的地方匯集到一起，服務(wù)開始變得越來越專業(yè)化。這期間經(jīng)歷了大概20年的窗口期，一些比較重要的成功公司也在這個(gè)過程中間逐步誕生。

從2007年到2015年，在最開始成立的公司中，很多公司的產(chǎn)品是技術(shù)層面上的(尤其是原創(chuàng)技術(shù)層面)，他們?cè)诒容^早的時(shí)間上市;五六年之后，開始出現(xiàn)一些新的公司，這些公司在具體的領(lǐng)域做的很強(qiáng)，把過去五六年間已經(jīng)成熟的技術(shù)用到了特定的領(lǐng)域中，發(fā)揮了更垂直、更深入的作用，使得他們走向成功。再往后，這個(gè)機(jī)會(huì)就越來越少了。

——這是一個(gè)商業(yè)模式變遷的規(guī)律。

在未來的20年，當(dāng)生產(chǎn)力從第三次工業(yè)革命的IT技術(shù)變到了未來的人工智能或者物聯(lián)網(wǎng)技術(shù)的時(shí)候，可能會(huì)有些什么變化?

這個(gè)變化其實(shí)就是第四個(gè)階段：數(shù)據(jù)被融合之后，開始慢慢價(jià)值化，每一個(gè)服務(wù)逐步場(chǎng)景化，變成非常智能、能理解你的一些功能。核心特點(diǎn)就是：數(shù)據(jù)的價(jià)值開始凸顯起來。

數(shù)據(jù)、算法、算力，成為這個(gè)時(shí)代最重要的三個(gè)標(biāo)簽，這個(gè)窗口期正常情況應(yīng)該在10到20年。

也就是說，不管是做人工智能創(chuàng)業(yè)，還是做產(chǎn)品的，或者是相關(guān)的技術(shù)運(yùn)營也好，至少有10到20年不要轉(zhuǎn)行。

那么在未來10到20年左右的時(shí)間，商業(yè)模式是不是也會(huì)有同樣的一個(gè)規(guī)律：在前期可能是AI的技術(shù)需要你解決，技術(shù)點(diǎn)被解決之后，會(huì)有一些特別領(lǐng)域的產(chǎn)品模式創(chuàng)新逐步體現(xiàn)，最終會(huì)有一些運(yùn)營執(zhí)行強(qiáng)的公司產(chǎn)生。

以上是我認(rèn)為的過去20年和未來20年。

二、人工智能時(shí)代的產(chǎn)品技術(shù)本質(zhì)——精細(xì)化、人性化、智能化

我們看一下行業(yè)中最著名的咨詢公司之一的說法：

這是Gartner關(guān)于技術(shù)或者相關(guān)產(chǎn)品成熟度的一個(gè)模型。這個(gè)模型大概分成了5個(gè)階段，縱坐標(biāo)是期望(大家對(duì)這個(gè)技術(shù)產(chǎn)品落地的期望)，表示的是：隨著一個(gè)技術(shù)、一個(gè)想法，或者一個(gè)產(chǎn)品形態(tài)的誕生，到最終成熟可能會(huì)經(jīng)歷五個(gè)階段，這五個(gè)階段會(huì)伴隨著大家對(duì)它的期望而變化。

——在最開始產(chǎn)生的時(shí)候，大家對(duì)這樣一個(gè)新的概念會(huì)非常熱衷，直到一個(gè)最高點(diǎn);到最高點(diǎn)之后，大家會(huì)發(fā)現(xiàn)有些東西可能是自己想的太美好，其實(shí)是做不到的，所以會(huì)把一些泡沫給慢慢吹掉，突出一些比較真實(shí)的能夠落地的產(chǎn)品形態(tài)，或者是一些技術(shù)成果;緊接著，技術(shù)成果會(huì)慢慢在一些具體的領(lǐng)域中真實(shí)地發(fā)揮作用，最終形成一個(gè)行業(yè)或整個(gè)社會(huì)比較普遍的一個(gè)應(yīng)用。

大數(shù)據(jù)在2013年的時(shí)候到達(dá)了泡沫的頂點(diǎn)，緊接著2014年的時(shí)候，大數(shù)據(jù)開始慢慢沉淀。

到了15年，大數(shù)據(jù)的概念已經(jīng)消失了，取而代之的是研究了60年的一些技術(shù)：機(jī)器學(xué)習(xí)和相關(guān)的一些產(chǎn)品形態(tài)。

到了2016年的時(shí)候，機(jī)器學(xué)習(xí)甚至被往回拉了，大家對(duì)他的期望開始比之前更膨脹。

到了2017年，深度學(xué)習(xí)非?；?。

這個(gè)時(shí)間點(diǎn)就代表了現(xiàn)階段我們對(duì)人工智能的一個(gè)認(rèn)識(shí)：人工智能在此時(shí)此刻是一個(gè)最火的階段，在未來它會(huì)慢慢落地，在一些特定的場(chǎng)景中逐步發(fā)揮它的作用(當(dāng)然不可能是所有的場(chǎng)景)。

這個(gè)過程跟智能時(shí)代的本質(zhì)有什么關(guān)系?

第一個(gè)關(guān)系是傳統(tǒng)的大數(shù)據(jù)開始被機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的概念融合、吸取和替代。

第二個(gè)是深度學(xué)習(xí)和機(jī)器學(xué)習(xí)開始受到了更大的關(guān)注。

這就是我最開始提到的兩個(gè)核心的特征：

第一個(gè)特征是沒有數(shù)據(jù)就沒有AI。我對(duì)AI產(chǎn)品技術(shù)一個(gè)本質(zhì)特征的定義，區(qū)別于過去的互聯(lián)網(wǎng)時(shí)代的產(chǎn)品定義：它是數(shù)據(jù)互聯(lián)融合之后所驅(qū)動(dòng)出來的智能化，是數(shù)據(jù)驅(qū)動(dòng)出來的智能化。

第二個(gè)特征是AI也是商業(yè)模式創(chuàng)新的一種思維。

這兩點(diǎn)是今天給大家分享的兩個(gè)關(guān)鍵點(diǎn)。

1. AI產(chǎn)品技術(shù)的本質(zhì)

如何理解互聯(lián)網(wǎng)數(shù)據(jù)驅(qū)動(dòng)的智能化?

首先要說的是，對(duì)剛才提到的在未來10到20年的人工智能，大家不要對(duì)它抱太大的希望，它只能輔助你，而不能取代你的工作。

真正的AI實(shí)際上是非常性感的概念，數(shù)據(jù)可能是未來10到20年人工智能時(shí)代新的石油，但是這個(gè)石油在大部分場(chǎng)景中間都沒有被開發(fā)出來。

比如說，我們今天很多創(chuàng)業(yè)公司可能在做農(nóng)業(yè)，那如果說要在農(nóng)業(yè)中間加入AI的成分就相對(duì)比較困難，因?yàn)閿?shù)據(jù)太少了。

另外一部分，比如像剛才提到的硬件的算力，只有有限的突破，而更前沿的像量子計(jì)算這樣一些技術(shù)還處在非常起步的階段。所以圍繞著這樣一個(gè)基礎(chǔ)的狀態(tài)，我們目前的人工智能時(shí)代只是前面兩個(gè)：深度學(xué)習(xí)和機(jī)器學(xué)習(xí)。他們的重要特點(diǎn)是重度依賴于數(shù)據(jù)。

在很多的工作里，我們更多的是把深度學(xué)習(xí)、機(jī)器學(xué)習(xí)在過去60年算法研究的成果，逐步地用到一些真實(shí)的落地應(yīng)用中而已。這是今天的人工智能時(shí)代看起來不那么美好的一個(gè)真實(shí)的結(jié)果。在這個(gè)過程中，人工智能可能會(huì)有一些具體的領(lǐng)域——比如人們幫助機(jī)器聽說讀寫這樣一種能力，以及預(yù)測(cè)和決策的這種能力。

這不是本質(zhì)，本質(zhì)是什么?

AI時(shí)代所需要的數(shù)據(jù)在很多行業(yè)沒有被開發(fā)出來的，但是有一個(gè)非常幸運(yùn)的點(diǎn)：過去20年的互聯(lián)網(wǎng)產(chǎn)業(yè)已經(jīng)足夠數(shù)據(jù)化;在互聯(lián)網(wǎng)產(chǎn)業(yè)中數(shù)據(jù)已經(jīng)噴發(fā)了，而且算力相較于過去的20年已經(jīng)有指數(shù)級(jí)的倍增(這種增加對(duì)于未來20年的人工智能實(shí)際上有非常大的一個(gè)基礎(chǔ)性的作用的);同時(shí)，這些數(shù)據(jù)開始呈現(xiàn)非常多樣性的特點(diǎn)：從企業(yè)的內(nèi)部到企業(yè)的外部，甚至到萬物互聯(lián)。

在互聯(lián)網(wǎng)這個(gè)產(chǎn)業(yè)中，數(shù)據(jù)成為了所有，一切都數(shù)據(jù)化了。

而且我們能夠看到，所有的決策都來自于數(shù)據(jù)。這就是互聯(lián)網(wǎng)數(shù)據(jù)所驅(qū)動(dòng)出來的結(jié)果，有三個(gè)關(guān)鍵詞：精細(xì)化、人性化和智能化。我們做出來的最終的AI產(chǎn)品需要的特點(diǎn)是：足夠精細(xì)，在特定的領(lǐng)域、特定的場(chǎng)景中間能夠足夠的智能——這是AI時(shí)代的產(chǎn)品，跟過去互聯(lián)網(wǎng)時(shí)代產(chǎn)品的一個(gè)最本質(zhì)區(qū)別。

舉個(gè)例子：Alpha Go被谷歌收購之后，把技術(shù)用到了谷歌數(shù)據(jù)中心的空調(diào)制冷上;使得空調(diào)制冷成本降低了40%——這還是在谷歌已有AI團(tuán)隊(duì)的基礎(chǔ)上進(jìn)一步減少。當(dāng)他們把開關(guān)打開，能耗馬上降下來;一旦關(guān)掉，能耗馬上上升。

當(dāng)遇到這樣一個(gè)具體需求的時(shí)候，我們過去會(huì)考慮到的問題是：

環(huán)境溫度是什么?

冷卻系統(tǒng)要調(diào)節(jié)到什么溫度?

環(huán)境溫度升高，是不是要馬上打開冷卻系統(tǒng)?

當(dāng)負(fù)荷增加，是不是馬上降溫?

這是我們過去著眼的需求。

當(dāng)我們考慮精細(xì)化、人性化和智能化特點(diǎn)的時(shí)候，可能會(huì)考慮更多的東西。比如說，下一個(gè)小時(shí)的溫度會(huì)怎么樣?下一個(gè)小時(shí)負(fù)荷會(huì)變成怎么樣?這是人工智能時(shí)代產(chǎn)品的特點(diǎn)。

再舉個(gè)例子，塔吉特的孕婦事件：

這個(gè)事情大概發(fā)生在02-03年左右的一個(gè)時(shí)間，美國的第二大零售超市——塔吉特收到一名當(dāng)?shù)鼐用竦耐对V。這家超市會(huì)提前給他們家頻繁地發(fā)送特定人群(孕婦)才會(huì)使用的優(yōu)惠券，而他們家只有一個(gè)正在讀高中的女孩;她父親非常憤怒，他覺得塔吉特是在誘導(dǎo)他的女兒去做她那個(gè)年齡段不應(yīng)該做的事情。

數(shù)月之后，法院的起訴突然被取消了——她父親突然發(fā)現(xiàn)女兒真的懷孕了，而且比塔吉特晚了一個(gè)多月才知道。

這件事體現(xiàn)的是人工智能時(shí)代產(chǎn)品的一個(gè)特點(diǎn)：你需要更懂你的用戶，需要更精細(xì)化地拆分你的用戶人群，需要更加智能地做所有你應(yīng)該做的過去的事情。這個(gè)產(chǎn)品從今天看來，就叫推薦引擎，當(dāng)時(shí)的準(zhǔn)確率能夠達(dá)到87%——因?yàn)樗麄儚?2年開始用這個(gè)技術(shù)，到10年12年左右，他們的營收大概提升了50%以上。

另外一個(gè)例子是普拉達(dá)的試衣間，這個(gè)故事也很吸引人：

普拉達(dá)旗艦店的是一件是真正意義上按精細(xì)化、人性化、智能化的思維設(shè)計(jì)的。他們?cè)趺醋龅?

所有衣服的內(nèi)部都有一個(gè)小標(biāo)簽，用來標(biāo)識(shí)一件唯一的衣服——但這個(gè)事情用戶是不知道的，當(dāng)用戶穿著這件衣服到試衣間，遠(yuǎn)端的服務(wù)器就知道。

利用智能硬件個(gè)性化內(nèi)容，鏡子播放的視頻或圖像，會(huì)根據(jù)用戶進(jìn)試衣間時(shí)的衣服特點(diǎn)調(diào)整，產(chǎn)生淘寶的買家秀和賣家秀的效果，從用戶體驗(yàn)上直接提升用戶的購買意愿。

更重要的是，這些數(shù)據(jù)被收集后融合起來。一件衣服經(jīng)常被試穿但是卻沒被購買，那么他們會(huì)在幾周之內(nèi)發(fā)現(xiàn)，同時(shí)在當(dāng)季把這件衣服修改成接近當(dāng)時(shí)的爆款，大量降低成本。

另外一個(gè)例子是國外的電信公司：

在國外的電信、銀行這種公司，非常注重對(duì)用戶本身的理解，他們希望在用戶流失之前就知道他的流失意愿——這種類型的需求在國內(nèi)各個(gè)領(lǐng)域也是非常普遍，但國外已經(jīng)在嘗試了，他們能夠在一個(gè)季度之內(nèi)把用戶的流失降低50%。

我們有個(gè)結(jié)論：獲取一個(gè)新用戶的成本是保留一個(gè)老用戶成本的十倍左右，所以這也是一個(gè)巨大的成本的節(jié)省。

去年11月，谷歌無人駕駛在特定城市已經(jīng)作為免費(fèi)出租車的形式投入運(yùn)營了;它的背后是是650萬公里的數(shù)據(jù)積累——同樣在做汽車，做傳統(tǒng)汽車和做智能駕駛汽車，是不是也有類似精細(xì)化、人性化、智能化的特點(diǎn)?

所以，AI代表了一種新的產(chǎn)品設(shè)計(jì)和研發(fā)的思維——產(chǎn)品的著眼點(diǎn)是數(shù)據(jù)，而產(chǎn)品的特點(diǎn)就是足夠精細(xì)，足夠小，足夠智能。

三、人工智能商業(yè)模式&互聯(lián)網(wǎng)商業(yè)模式——從以用戶為核心資產(chǎn)到以數(shù)據(jù)為核心資產(chǎn)

AI其實(shí)是一種新的商業(yè)模式，這個(gè)模式是以數(shù)據(jù)作為最核心的資產(chǎn)。

在互聯(lián)網(wǎng)時(shí)代，核心的特點(diǎn)是：用戶是核心資產(chǎn)，不是你做的生意本身——不管你是做搜索賣貨還是社交，你的核心資產(chǎn)都是用戶。

這個(gè)時(shí)候體現(xiàn)出來的是：

營銷是如何精準(zhǔn)分析用戶;

在銷售上，怎么把用戶變成錢的方法;

在架構(gòu)上，如何反映用戶的訴求。

在產(chǎn)品上，如何從需求倒推到研發(fā)上，快速迭代滿足用戶的需求;

到了人工智能時(shí)代，這個(gè)商業(yè)模式其實(shí)有一點(diǎn)變化——這個(gè)時(shí)候一切都數(shù)據(jù)化，數(shù)據(jù)成為最核心的資產(chǎn)。我們的平臺(tái)、產(chǎn)品、客戶，都用數(shù)據(jù)去描述它，而不是用我們的人腦思維或者我們的經(jīng)驗(yàn)去描述他。這是人工智能時(shí)代商業(yè)模式變化的一個(gè)特點(diǎn)。

AI代表了一個(gè)大的變革：不再把用戶看成中心，以圍繞用戶來開展各種工作;而是把用戶變成數(shù)據(jù)，把一切業(yè)務(wù)一切操作變成數(shù)據(jù)，用數(shù)據(jù)的方式來反映到我們的產(chǎn)品開發(fā)中。它的核心的模式特點(diǎn)就是數(shù)據(jù)思維。

舉個(gè)案例：過去20年，雅昌是轉(zhuǎn)型比較成功的大數(shù)據(jù)(或叫偏人工智能)公司，這個(gè)公司經(jīng)歷了四個(gè)階段的發(fā)展，大家可以看到如何做商業(yè)模式的變化：

第一個(gè)階段，這個(gè)公司是一個(gè)傳統(tǒng)的印刷出版公司，連互聯(lián)網(wǎng)公司都不是。公司最核心的優(yōu)勢(shì)就是它的營銷、銷售、產(chǎn)品、生產(chǎn)或者它的組織架構(gòu)——都非常的傳統(tǒng);采用的是通過大量資金的投入，或者設(shè)備的投入來體現(xiàn)企業(yè)的競爭力。

然后盡量接所有的業(yè)務(wù)，盡量在巨大的競爭中降低成本來存活下來——這是一個(gè)非?？嗟臓顟B(tài)。但是，這個(gè)公司有非常重要的特點(diǎn)：積累數(shù)據(jù)。十年之后，積累了大概4000萬條的藝術(shù)品和6萬個(gè)藝術(shù)家的信息，這個(gè)信息在藝術(shù)領(lǐng)域是相對(duì)比比較大的數(shù)據(jù)。

于是在第二階段，它變成了一個(gè)數(shù)據(jù)服務(wù)商。他告訴所有人：我有很多藝術(shù)相關(guān)的數(shù)據(jù)，圍繞著數(shù)據(jù)，開始出現(xiàn)了藝術(shù)品數(shù)據(jù)庫產(chǎn)品——這個(gè)跟我們傳統(tǒng)所理解的應(yīng)用產(chǎn)品是不一樣的，藝術(shù)品數(shù)據(jù)庫產(chǎn)品開始跟其他公司做生意。它跟拍賣公司說我有數(shù)據(jù)，你拍賣的圖冊(cè)，你拍賣的信息要做驗(yàn)證，可以用我的數(shù)據(jù)去做驗(yàn)證。

這是一種數(shù)據(jù)產(chǎn)品的思維，用數(shù)據(jù)去做生意。

緊接著第三個(gè)階段，他開始互聯(lián)網(wǎng)化，產(chǎn)生了一個(gè)互聯(lián)網(wǎng)的平臺(tái)——從數(shù)據(jù)的擁有變成了數(shù)據(jù)的產(chǎn)生，由用戶自己來產(chǎn)生數(shù)據(jù)，數(shù)據(jù)就越來越大。這個(gè)時(shí)候你會(huì)發(fā)現(xiàn)，他更多的盈利模式變成了廣告，變成了直播。

一個(gè)做印刷的公司做廣告和直播，大家能理解嗎?是因?yàn)楦聪び脩粜枨?，還是因?yàn)橛袛?shù)據(jù)才能做?

到第四個(gè)階段的時(shí)候，數(shù)據(jù)驅(qū)動(dòng)出來的服務(wù)越來越多，它開始做搜索引擎。比如，你要搜索所有拍賣藝術(shù)家的信息，在百度上你搜不到的，因?yàn)閿?shù)據(jù)在這里——這是數(shù)據(jù)決定出來的生意，甚至他開始改變了拍賣藝術(shù)品的狀態(tài)，使之變成了電子化的過程。

再進(jìn)一步，做非常重要的指標(biāo)性產(chǎn)品，比如雅昌指數(shù)，大家要買畫，要買古董的時(shí)候，去上面查一查這個(gè)指數(shù)好不好，未來會(huì)不會(huì)增值，開始預(yù)測(cè)未來，考慮下一個(gè)階段的狀態(tài)，更加精細(xì)智能。

總結(jié)一下：AI新的商業(yè)模式怎么以數(shù)據(jù)為核心呢?

通過數(shù)據(jù)的方式，產(chǎn)品經(jīng)理升級(jí)產(chǎn)品，從應(yīng)用產(chǎn)品做到數(shù)據(jù)產(chǎn)品。

有了這個(gè)數(shù)據(jù)，你從產(chǎn)業(yè)下游轉(zhuǎn)到上游，開始從一個(gè)點(diǎn)轉(zhuǎn)到了一個(gè)面——有數(shù)據(jù)，你才能做這件事情。

不是因?yàn)槟阌X得用戶需要，因?yàn)槟愫茈y把握用戶的需要。

總結(jié)一下：智能時(shí)代的本質(zhì)特點(diǎn)是互聯(lián)數(shù)據(jù)驅(qū)動(dòng)的智能化，它的產(chǎn)品特點(diǎn)是智能、人性、精細(xì)。

用AI，我們可以創(chuàng)造出來更多的一些創(chuàng)新性的模式，這種模式有可能會(huì)決定你的企業(yè)的成敗，這是智能時(shí)代的一個(gè)本質(zhì)。

四、人工智能產(chǎn)品落地——場(chǎng)景化、產(chǎn)品設(shè)計(jì)、持續(xù)改進(jìn)

具體怎么落地?比如，金融的業(yè)務(wù)可能已經(jīng)存在，我們做智慧金融的時(shí)候;正常情況下，做一個(gè)AI落地的方式是這樣的：

我們要收集金融的數(shù)據(jù)，我們通過業(yè)務(wù)負(fù)責(zé)人或產(chǎn)品經(jīng)理去聯(lián)合一個(gè)團(tuán)隊(duì)，去把這些數(shù)據(jù)變成場(chǎng)景化的模型服務(wù)，再反推回去提升金融的具體業(yè)務(wù)。

比如風(fēng)控，業(yè)務(wù)目標(biāo)很大，產(chǎn)品經(jīng)理很有雄心，但是業(yè)務(wù)本身非常雜亂。我們做了各種類型的風(fēng)控，有可能會(huì)用到各個(gè)具體的金融場(chǎng)景中。

組合的團(tuán)隊(duì)可能背景非常復(fù)雜：有些人非常懂AI，有些人非常懂業(yè)務(wù)，有些人擅長數(shù)據(jù)處理、數(shù)據(jù)分析，有些人擅長溝通。經(jīng)常會(huì)遇到這樣一些問題：很多團(tuán)隊(duì)怎么聯(lián)合起來?沒有現(xiàn)成的方案?團(tuán)隊(duì)的人永遠(yuǎn)很少?很多技術(shù)很難從別的部門拿過來?

在數(shù)據(jù)層面上，我們自身的數(shù)據(jù)不多，我們要預(yù)期數(shù)據(jù)、違約數(shù)據(jù)、用戶行為數(shù)據(jù)，都只有那么一點(diǎn)點(diǎn)。這些數(shù)據(jù)作用到我們的模型的時(shí)候，本身特征又很少，很難使用。

做風(fēng)控是不是需要把它拆分成幾個(gè)場(chǎng)景：做行為的，做用戶欺詐的，做別的等等;要么沒人梳理，要么很少有人梳理。做模型本身這個(gè)產(chǎn)品的時(shí)候，有很多基礎(chǔ)設(shè)施都是不具備的——這是我們?cè)谧鋈斯ぶ悄墁F(xiàn)階段產(chǎn)品落地的一個(gè)狀態(tài)。

而產(chǎn)品經(jīng)理要把這些問題全部解決掉：因?yàn)槟闶悄莻€(gè)業(yè)務(wù)的負(fù)責(zé)人，你是牽頭的人;雖然你在每個(gè)點(diǎn)都不那么精通，但你是牽頭人。這個(gè)千頭萬緒的問題，最終就會(huì)導(dǎo)致AI產(chǎn)品落地和傳統(tǒng)產(chǎn)品落地差別比較明顯，你解決的問題會(huì)非常不同。

這個(gè)過程中，用金融為例的話，解決的方式是什么?

三個(gè)步驟：

第一個(gè)步驟是場(chǎng)景化

當(dāng)你足夠地理解業(yè)務(wù)，把它場(chǎng)景化的時(shí)候，那么你成功了20%。

在風(fēng)控場(chǎng)景中，進(jìn)一步細(xì)化場(chǎng)景，把場(chǎng)景中的關(guān)鍵要素提煉出來：

有多少數(shù)據(jù)描述這個(gè)場(chǎng)景?

這些數(shù)據(jù)的維度是怎么樣的?

這個(gè)數(shù)據(jù)怎么更新的?

大家記?。哼@是產(chǎn)品經(jīng)理考慮的，不是技術(shù)考慮的。因?yàn)檫@還在業(yè)務(wù)調(diào)研階段，技術(shù)還沒參與進(jìn)來。收益是什么?產(chǎn)品的價(jià)值在哪里?——這些東西都做完了，你完成了20%的工作。

第二步是產(chǎn)品設(shè)計(jì)

剩下的20%，就要考慮以數(shù)據(jù)為核心資產(chǎn)的各種操作所帶來的產(chǎn)品設(shè)計(jì)：

數(shù)據(jù)怎么收集?

在哪里收集?

什么時(shí)候收集?

數(shù)據(jù)怎么去分析?

可能用什么樣的方式去分析?

數(shù)據(jù)的結(jié)果怎么解釋給用戶?

怎么體現(xiàn)出來?什么時(shí)候體現(xiàn)?

以及用戶的反饋怎么通過數(shù)據(jù)化的方式收集起來?最終用在業(yè)務(wù)優(yōu)化上。

這些都是產(chǎn)品設(shè)計(jì)的過程。

當(dāng)你把這些都設(shè)計(jì)好了之后，就可以把這個(gè)東西交給技術(shù)和其他人。

這個(gè)過程中你有更多的工作要做：需要充分地理解業(yè)務(wù)專家、算法工程師、平臺(tái)工程師、數(shù)據(jù)分析師這些人的職責(zé)，同時(shí)協(xié)調(diào)他們，把正確的事派給正確的人。

你需要理解AI產(chǎn)品的數(shù)據(jù)、模型、參數(shù)以及結(jié)果，解釋產(chǎn)品細(xì)節(jié)。

第三點(diǎn)是把抽象場(chǎng)景細(xì)化為數(shù)據(jù)需求

當(dāng)你把這些東西都設(shè)計(jì)好、理解好、分析清楚之后，才開始真正地展開產(chǎn)品設(shè)計(jì)。

產(chǎn)品設(shè)計(jì)是圍繞數(shù)據(jù)展開的：

你要考慮數(shù)據(jù)怎么收集?——這是需求;

數(shù)據(jù)從哪里收集?——這是策略。

你還要考慮產(chǎn)品的結(jié)果如何展示給用戶。

AI產(chǎn)品是不可能一次做好的，需要通過時(shí)間逐步迭代。這個(gè)過程需要你具備數(shù)據(jù)分析的能力，不是簡簡單單地說：

“唉，我調(diào)研了幾個(gè)用戶，我知道了用戶的需求，剛性需求是這個(gè)廁所場(chǎng)景非常重要，這個(gè)廚房場(chǎng)景稍微比較頻率低一點(diǎn)。”

你需要從數(shù)據(jù)角度直接分析出來為什么，否則這個(gè)AI產(chǎn)品的落地會(huì)非常曲折。

從大數(shù)據(jù)的角度分析，然后通過數(shù)據(jù)分析的結(jié)果，最終提煉出你的需求，同時(shí)把它數(shù)據(jù)化。數(shù)據(jù)化的過程中，你需要考慮：

是否適合場(chǎng)景?

是否適合AI?

不適合AI的，你需要過濾。

這40%的工作全部做完之后，剩下的就是實(shí)施過程中協(xié)調(diào)人與流程，而你的工作是橋接業(yè)務(wù)和AI的具體解決方案。所以，你既要懂業(yè)務(wù)，也要懂AI——否則你兩邊都說不上話，從核心變成空氣。

你關(guān)注的是數(shù)據(jù)結(jié)果，所以從數(shù)據(jù)的指標(biāo)出發(fā)，持續(xù)優(yōu)化，這是AI產(chǎn)品經(jīng)理的日常。

人和流程是AI落地最大的挑戰(zhàn)，60%工作都在里面。研發(fā)負(fù)責(zé)支撐產(chǎn)品，AI產(chǎn)品經(jīng)理是決定智能產(chǎn)品落地的關(guān)鍵。

五、人工智能產(chǎn)品經(jīng)理六條建議

做人工智能的產(chǎn)品，一定要以數(shù)據(jù)為核心;你的數(shù)據(jù)思維非常重要。

你可以天天考慮用戶的需求，但是一定要把數(shù)據(jù)作為你最終考慮的問題，這是關(guān)鍵——一切的工作其實(shí)圍繞數(shù)據(jù)來的。

AI的產(chǎn)品一定要具備微觀需求的識(shí)別能力，你從傳統(tǒng)、宏觀的方式去洞察需求，分析出來一個(gè)業(yè)務(wù)、一個(gè)場(chǎng)景的剛性也好，高頻也好的能力，細(xì)化到數(shù)據(jù)分析的層面，去理解這個(gè)需求，把它場(chǎng)景化——這是做AI產(chǎn)品經(jīng)理的一個(gè)提升。

洞察力對(duì)產(chǎn)品力非常重要，但是我們需要微觀的洞察——從微觀的角度，數(shù)據(jù)層面上去理解它。

AI產(chǎn)品經(jīng)理必須具備一個(gè)非常重要的能力：對(duì)需求的場(chǎng)景化，把一個(gè)大的業(yè)務(wù)需求逐步拆分成AI能夠落地的一些點(diǎn)，所有的AI產(chǎn)品都是從小處著眼的。

AI產(chǎn)品的價(jià)值來源于微小的持續(xù)優(yōu)化。比如風(fēng)控有可能適合某些特定的場(chǎng)景或人，在這個(gè)具體場(chǎng)景下持續(xù)去優(yōu)化，會(huì)做得越來越好。

一個(gè)成功的AI產(chǎn)品體現(xiàn)出來的一定是智能化，能預(yù)測(cè)未來的一種狀態(tài)。一個(gè)成功的AI產(chǎn)品經(jīng)理，也一定是AI團(tuán)隊(duì)的大腦。

我們現(xiàn)在都把AI的團(tuán)隊(duì)叫做大腦團(tuán)隊(duì)。你是整個(gè)業(yè)務(wù)、公司的一個(gè)大腦，而其他人有可能是在做周邊的一些肢體的工作——你決定了細(xì)節(jié)的維度，應(yīng)該怎么去反應(yīng)。

AI產(chǎn)品經(jīng)理如果很成功的話，應(yīng)該是大腦團(tuán)隊(duì)中的大腦，應(yīng)該了解一些技術(shù)，需要具備數(shù)據(jù)分析的能力，需要對(duì)AI有一些知識(shí)的儲(chǔ)備，否則很難持續(xù)把這個(gè)產(chǎn)品做好。

六、未來人工智能發(fā)展的趨勢(shì)

補(bǔ)充一點(diǎn)，未來人工智能發(fā)展的一個(gè)趨勢(shì)，以幫助我們產(chǎn)品經(jīng)理看到未來哪些有可能是我們可以深入去做的一些點(diǎn)。

第一個(gè)點(diǎn)是人工智能時(shí)代就在眼前，大家不用懷疑。因?yàn)樗懔Α⑺惴ê痛髷?shù)據(jù)這三個(gè)基本要素在一定程度上，在某些特定的產(chǎn)業(yè)場(chǎng)景中，已經(jīng)滿足一定的要求了，所以它能夠在一定程度上爆發(fā)。

然后，關(guān)于圖像、視頻和自然語言處理相關(guān)的一些機(jī)會(huì)是最多的。這些相關(guān)的機(jī)會(huì)也就是人工智能實(shí)際落地的機(jī)會(huì)。像自動(dòng)駕駛、語音、智能客服等。

可能需要特別注意的是：Gartner預(yù)測(cè)未來兩年三年，80%的消費(fèi)者對(duì)APP的使用將大量削減，取而代之的是開始用不需要瀏覽屏幕來實(shí)現(xiàn)的瀏覽——類似于智能音箱一樣的東西，虛擬的個(gè)人助手;要么是語音的，要么是別的一種形態(tài)的。用另外一句話說，移動(dòng)互聯(lián)網(wǎng)時(shí)代，手機(jī)移動(dòng)APP開始取代了PC端的網(wǎng)頁。但是，其實(shí)也正被另外一些東西取代，這是另外一種趨勢(shì)。這個(gè)趨勢(shì)是馬上就要到來的。

人工智能時(shí)代，一個(gè)非常重要的主題是內(nèi)容——所有的工作，所有的人工智能都來源于數(shù)據(jù)，而數(shù)據(jù)產(chǎn)生于內(nèi)容。

大家想過沒有：為什么喜馬拉雅做智能音箱是合適的?因?yàn)樗麄冇袃?nèi)容。這個(gè)內(nèi)容直接決定了你做音箱是可以落地的，否則你做一個(gè)音箱沒有內(nèi)容，用戶不會(huì)買。

我剛才一直在強(qiáng)調(diào)場(chǎng)景非常重要，如果說沒有確定的場(chǎng)景，人工智能目前是很難落地的。

友數(shù)門店零售系統(tǒng)，幫助企業(yè)打通線上線下讓網(wǎng)店，門店數(shù)據(jù)互聯(lián)互通。