最近，刘敏一直在找新的工作机会，但过程并不顺利。
原因是：之前的AI产品经理经验在招聘方看来“充其量只能算是一个项目经理”。
2016年科技界的“黑天鹅”——阿尔法狗出现之后，中国乃至世界范围内的AI热情被迅速点燃，刘敏也在这一年加入了一家AI创业公司。
在成为AI产品经理之前，她是公司的HR、市场、公关，转型做AI产品经理，她承认自己是幸运的：行业发展初期，早期入行者既积累行业经验，有先发优势，又能拿到不错的待遇。
这也符合创业公司的人才培养路径，从“身兼数职”到“逐渐特化”。“小公司很多时候不得不去让大家做很多不同类型的事，但是靠后的话会有一些人逐渐特化。”
但从零做起，往往依赖“环境是否能够带来足够的变化和成长，有没有教练有意识地引导，以及自己是否有足够清晰的职业规划”，缺一不可。
从最为重要的行业环境来看，三年的发展，AI有个一直都未突破的瓶颈：解决单点问题能力强，但通用能力偏弱，因此输出的产品还是以To B定制化方案为主。
在传统技术面前，AI技术一如曾经的互联网技术一般，扮演着颠覆者和重建者的角色，也的确为安防、金融、客服等领域提供了一个个更高效的解决方案。
可是，AI公司们或许打赢了一场又一场独立的战斗，却在战役意义上陷入了始料未及的“外包化”危机。
当可以装饰这个职业的东西随着行业的冷静或消失或丧失意义：风口的喧哗、好的入局机会、外界的赞美，刘敏的幸运戛然而止。
现在，摆在她面前的有两条路：要么继续留在原公司，等待是否有真正意义上产品经理的工作，补齐技能；要么离开北京，去其他城市寻找机会。
“大不了不干了”。
说完，她无奈地笑了。
产品经理还是项目经理？
“当初为什么决定转型做AI产品经理？”
刘敏的回答是：有趣，有机会去推动一个事情从0~1实现出来。
知乎上一个关于“为什么这么多人想当产品经理？”的问题后面，有回答者总结了五大原因，刘敏的回答中了两个。其它的三个原因分别是：收入普遍较高；入行门槛相对较低；产品思维可以指导生活。
但职业理想是一回事儿，工作现实又是另外一回事儿：三年的工作里，刘敏一直在推着项目“跑”，产品规划工作经验少的可怜，仅有的几次也只是Demo尝试。
如刘敏一般，计算机技术专业毕业的黄洁，在经历了一段时间的技术实习后，加入了一家体量十倍于刘敏公司的某AI独角兽公司做产品经理。
在她看来，技术只是解决单个的核心问题，与这样的纵向深钻相比，她更喜欢有横向视野的产品经理岗位。
然而，很多一段时间里黄洁也是在扮演项目经理角色，“制定排期、督促产品进度以及最终交付标准的服务......”
当然，一些“前期探索”性质的定制化产品，在黄洁的眼里，和单纯的定制化项目并不完全相同，“对产品经理来说，它的新鲜感、价值获得感会比较高”。
顶着产品经理的头衔干项目经理的活儿，这背后是AI行业的落地现状：除安防领域以外，几乎没有公司能将技术以规模化、产品化的方式输出，大多还是定制化产品，产品被需求牵着鼻子走。
以至于有人打趣道，“想成为一家AI公司，首先得先成为一家安防公司”。
久而久之，很多AI公司习惯了一种技术向的做事方法：“我有A我有B我有C，全都给你，你就拿去用”，产品的作用反而被边缘化。
但AI技术背后的原理，知识体系往往存在着断层，在无法将算法可视化之前，“客户可能不想要A，也不想要B，而是想要A和C改造过后的东西”，这种技术向的服务方式其实是进一步割裂了产品和需求之间的关系。
事实上，客户不只对AI技术理解存在局限，甚至对于自身的需求也有认知局限。
与C端不同，B端方案的买单方和使用者很多时候不是同一个，“比如你的客户是某一系统里负责建设软件的单位，他们来负责和你沟通跟你交流，但是真正使用软件的可能是另外的单位，两边的需求并不统一。”
更有甚者，有的B端客户连自己想要什么都不知道，“客户只是有这笔钱要做建设，于是大致提一些需求，我们就开始做。开发的过程中，他们又提出一个需求，我们就会接着改。即使产品出来了，还要再花一年的时间迭代，最终迭代成客户想要的样子。”
这种现状投射到AI产品经理身上便成了：“天天跪甲方”，“需求完全是客户想要，你就得给他加，即使不合理”，“售前的前期案例讨论、需求讨论环节，产品经理也和售前的工作重合”......
困于定制化，直接导致AI行业造血能力不足之外，也影响着身处其中的每一个人。
技术先行还是产品先行？
“我们属于一种新型的软件服务商，有些公司甚至半年的时间就从几百人扩张到了千人，还没有那么成熟的从业人员，每个职业该做什么，区分的也不是很清楚。”
一个新的棋局，玲珑初开，百子待落。
如果从二十年的互联网历史来俯瞰对照，这“一定会是一个动态变化的过程”。
“互联网产品其实也是经历了由技术-产品-运营这样发展过程,但每个阶段这三个角色的重要性也在不断的变化,从行业刚发展以技术为主导,逐渐演变成产品主导,到最后靠运营增长的过程。”
年轻的AI产品经理们所遇到的问题只是漫长的利益调整周期的开始，而从更本质上来说，这些问题不过是整个AI行业商业化现实的投射。
这波浪潮起来时，最先跳进来的不是人们熟悉的企业家，也不是站在风口之巅的互联网人，而是一些守在宁静实验室数十年的科研人员，技术在被突破的同时，也被赋予了商业意义。
但AI技术创业大多是是单线程，即做的大多是原来科研时候研究的“一个点”，比如语音、视觉或者自然语言处理。但以自然语言处理为例，“仅仅做自然语言处理，缺少相对独立且足够大的场景，它往往会变成一个引擎或者一个特定功能上的服务。”
也就是说，AI公司用单点技术切入到别人的产品场景里去，等于“乙方为甲方提供服务”，“这时候真正做产品规划的其实是甲方。比如国外出现了Siri，国内手机厂商也想做一个手机语音助手，这时候就是它先做这个规划，规划好后再去找后端的技术去实现它，比如像我们这样的服务厂商。”
追一科技创始人兼CEO吴悦就对CV智识表示，产品化能力不足是导致AI领域项目制大量存在的一个重要原因。“中国的企业软件的基础比较薄弱。过去20年，IT行业的资源都投入到了互联网行业，直到最近几年，资本和人力才逐步投入到企业软件领域。”
如果前三年可以视为第一阶段的技术创新期，那第二阶段的技术应用时期正在不断逼近，至于什么时候能够在产品化上寻到突破，不少业内人士都表示，只能先做，深入到行业里去，才有机会看到产业的全貌。
“B端市场的理解成本很高，它面向的不是大批量同一类型的用户，而是每个行业的人群，都有自己不同的特点”。
当然，从行业现在发展的情况来看，不同领域之间发展的程度也并不一样，以公安领域为例，“每家平台的对接情况都不一样，所以得从头去真正了解需求，先单点做，然后再往外扩展。”
但是在其它一些领域，比如金融，“已经有很多先行者，相对来说更加系统，如果再从头做起会比较浪费，我们会和比较有经验的合作，虽然只做一点，但是会对通盘有了解。”
懂技术，更得懂AI的局限
AI技术长期的美好与短期的局限构成了一种充满矛盾的并生现象，那么，现实之下，一个优秀的AI产品经理该是什么样子的呢？
“基本上一个优秀的传统互联网产品经理该具备的能力AI产品经理都需要有，但AI产品经理对技术要求更高,知识面会更广，除了基本的产品技能还要掌握AI基础技术知识，如NLP自然语言、DL 学习、ML机器学习、大数据等。”拥有多年产品经验的朱华告诉CV智识。
现在，AI公司的产品里一类是应用AI技术的垂直业务产品，另外一类是AI服务的平台产品。
前者负责AI能力在细分领域的应用；后者则是对AI能力的汇总和包装，例如各种AI开放平台、各种云计算平台，这就要求产品经理必须熟知公司内部的AI技术能力，还要有能力作为售前支持，为使用方提供技术咨询。
“我们招的大多是从竞品那边跳过来的，以前也是做PM的，他们大部分都是先做技术，然后再做产品，有很多年工作经验。因为这个行业这种技术导向型的行业，你做技术了之后确实能更好地和技术去开发。”
没有技术背景的欧明在一年前通过校招进入一家AI独角兽公司做产品经理时便感觉到自己是被撕裂在工作之外的。
“公司的操作系统都是Linux，这就需要懂一些Linux的指令，但是我刚来的时候真的不懂，做事就会特别慢。我一开始甚至都要从安装部署去学习，而且很多AI产品都是一些很底层的，没有前端页面，都是一堆API接口。”
对于技术的理解决定了AI产品经理如何将参数和指标转化为用户体验，“产品天生就要做大量的妥协，价值的、成本的.....但AI产品经理要在AI技术的边界上去做取舍。”
技术也只是基本门槛，更高的要求是：理解场景，理解客户，从而定义价值。
通俗来说，就是要考虑现在的AI技术能不能解决一些原来技术解决不了的问题，即使能解决，“值不值得投入资源去做，以及做的话能带来多少收益。如果投入产出评估通过，还需要明确提供服务的形式，比如说做人脸识别的，究竟是卖识别这个软件，还是把软件以及整个门禁闸机都卖给他。”
更重要的是，他必须要在理解行业技术发展现实的基础上，理解AI的局限，并且要能够“为这些AI的技术缺陷或者局限去做相应的弥补措施。”
以智能客服产品为例，不论从产品体验，还是从商业可行性上来说，如果产品经理一上来就要做“直接代替人”的产品肯定不太可行的，而如果定位在“AI辅助人工”就会更容易落地。
一位曾在微软小冰工作的技术人员向CV智识分享了一个故事：产品最初，从技术的角度看小冰的对话回复并不是特别理想，甚至有些无厘头，但是当时团队在产品化的过程中给小冰打上了这样的标签：16岁，萌妹子，“你再回头去看她的很多回答就合理多了”。
2005年，科技学者库兹韦尔在《奇点临近》一书中大胆预测，“我们的未来不是再经历进化，而是要经历爆炸。”
事实上，库兹韦尔的观点更符合人们对于AI的想象，但对照互联网公司发展史不难发现，很多产品都是一步步演进形成的。
比如Pinterest 一开始想做电商导购系统，但由于理念太先进而失败，于是中间转做图片分享，经过几年之后，才又做回导购系统。
“一个切实可行的复杂系统势必是从一个切实可行的简单系统发展而来的。从头开始设计的复杂系统根本不切实可行，无法修修补补让它切实可行。你必须由一个切实可行的简单系统重新开始。” 盖尔定律所说不无道理。
结语
采访过程中，问及黄洁，“今年行业形势并不算好，你有感觉到客户更冷静了吗？”
“客户一直很冷静”，她回答地很干脆。
“客户永远都在权衡，在解决同一个问题时，是不是AI能解决地更好。尤其是面对一些不同行业的大B客户，我们一直都是既和同类型的AI公司，又和业界传统老牌公司共同竞标。”
成长总有复杂性，阵痛也是正常，AI产品化的局限在一定阶段内在所难免。旧水与新流的争锋，既有潮平两岸阔，也有床高岸低，但趋势终究不可挡。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
