AI時(shí)代的產(chǎn)品經(jīng)理:應(yīng)重視產(chǎn)品的可演進(jìn)性
本文整理自文因互聯(lián)CEO鮑捷博士于2017年5月13日參加職人社與愛(ài)因互動(dòng)聯(lián)合舉辦的活動(dòng)———『AI時(shí)代的產(chǎn)品經(jīng)理』所做的演講。
我有一個(gè)好想法,就差一個(gè) AI 了
今天我特別想跟大家分享一下,人工智能產(chǎn)品在「演進(jìn)」上的一些體會(huì)。
人工智能產(chǎn)品一個(gè)核心特點(diǎn)就是「演進(jìn)」。也就是說(shuō)「你很難一下子達(dá)到那個(gè)地方」,這可能是與傳統(tǒng)的互聯(lián)網(wǎng)產(chǎn)品很不一樣的地方。
互聯(lián)網(wǎng)已經(jīng)存在很多年了,在產(chǎn)品經(jīng)理的人才積累上大概已經(jīng)過(guò) 10 萬(wàn)的數(shù)量級(jí)了吧。對(duì)比國(guó)內(nèi)人工智能的導(dǎo)師儲(chǔ)備也不過(guò)數(shù)百人,國(guó)內(nèi)人工智能相關(guān)專(zhuān)業(yè)出來(lái)的研究生可以估算不會(huì)太多。這里面又有多少會(huì)成為人工智能工程師呢?而人工智能產(chǎn)品經(jīng)理就更少了。
所以,在中國(guó)現(xiàn)在做人工智能的產(chǎn)品,跟我們以前做互聯(lián)網(wǎng)的產(chǎn)品很不一樣。單從人才供給來(lái)說(shuō),無(wú)論是產(chǎn)品經(jīng)理、工程師,還是往上一層的架構(gòu)層面的人,都只是傳統(tǒng)互聯(lián)網(wǎng) 1/10 到 1/100 這樣的數(shù)量級(jí)。
工程領(lǐng)域有一個(gè)原則,任何系統(tǒng)的架構(gòu)你設(shè)計(jì)得再好,當(dāng)系統(tǒng)面對(duì)的問(wèn)題規(guī)模的數(shù)量級(jí)上升,或者下降,這個(gè)架構(gòu)就會(huì)出問(wèn)題。那么,我們互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)上的產(chǎn)品設(shè)計(jì)經(jīng)驗(yàn)是為過(guò)去的規(guī)模的問(wèn)題所設(shè)計(jì)的,我們現(xiàn)在碰到了新問(wèn)題,還可以用原來(lái)的方法來(lái)做嗎?我覺(jué)得肯定是不一樣的。今天就來(lái)探討幾個(gè)不一樣的地方。
現(xiàn)在很多人在談這種焦慮感——人工智能要顛覆這個(gè)、要顛覆那個(gè)。我昨天看到微軟 AI 負(fù)責(zé)人沈向陽(yáng)老師在說(shuō)計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)要在 10 年之內(nèi)識(shí)別所有的東西。過(guò)去我們常說(shuō)「我有一個(gè)好想法,就缺一個(gè)程序員/產(chǎn)品經(jīng)理了」,今年大家都改口「我的想法就缺 AI 了」。
但人工智能對(duì)社會(huì)的顛覆其實(shí)還沒(méi)有發(fā)生,并且這個(gè)顛覆也是沒(méi)那么容易發(fā)生的。因?yàn)槿斯ぶ悄艿馁Y源是很稀缺的。稀缺資源造成現(xiàn)在組建一個(gè)人工智能團(tuán)隊(duì),就一個(gè)字——「貴」?,F(xiàn)在一個(gè)北清畢業(yè)的博士的入門(mén)價(jià)格 BAT 能給他開(kāi)到 60萬(wàn)*。過(guò)去我有看過(guò)其他人的團(tuán)隊(duì)預(yù)算,十個(gè)人的機(jī)器學(xué)習(xí)團(tuán)隊(duì),初期需要投入上千萬(wàn)。由于人才的稀缺,決定了這個(gè)風(fēng)險(xiǎn)不但來(lái)自于業(yè)務(wù)更來(lái)自于團(tuán)隊(duì)本身,少了任何一個(gè)人都很填上這個(gè)坑。(編者注:具體數(shù)字有待考據(jù))
理解人工智能的局限性
其實(shí),目前的 AI 技術(shù)并不是那么靠譜,還是不成熟的。人工智能已經(jīng)經(jīng)歷了兩次大型 AI 寒冬了,小的冬天不計(jì)其數(shù),我就經(jīng)歷過(guò)其中兩次小寒冬(神經(jīng)網(wǎng)絡(luò)和語(yǔ)義網(wǎng))。這次的熱潮還會(huì)不會(huì)有冬天?有人說(shuō)不會(huì),但我已經(jīng)被咬兩次了,我不敢這么樂(lè)觀。
因?yàn)槿斯ぶ悄墁F(xiàn)在還是“人工智障 ”的成分居多。我們做產(chǎn)品,更多是從人工智障開(kāi)始做的。
2000 年,我在MIT研究期間的導(dǎo)師 Tim Berners-Lee(注:英國(guó)計(jì)算機(jī)科學(xué)家、萬(wàn)維網(wǎng)的發(fā)明者,南安普頓大學(xué)與 MIT 教授) 曾告訴大家,未來(lái)會(huì)是語(yǔ)義網(wǎng)的。當(dāng)時(shí)實(shí)驗(yàn)室成果讓大家很樂(lè)觀地認(rèn)為可能 10 年之內(nèi)就能在消費(fèi)者領(lǐng)域?qū)崿F(xiàn)語(yǔ)義網(wǎng)。2001 年他在 《科學(xué)美國(guó)人》相關(guān)領(lǐng)域中的描述的產(chǎn)品就很像是 Siri,但當(dāng)我們做了 10 年以后,我們發(fā)現(xiàn)我們遠(yuǎn)遠(yuǎn)低估了這個(gè)開(kāi)發(fā)難度?,F(xiàn)在 16 年過(guò)去了,我們還是沒(méi)有達(dá)到他描述的對(duì)話機(jī)器人的技術(shù)水準(zhǔn)。
編者注:語(yǔ)義網(wǎng)是對(duì)未來(lái)網(wǎng)絡(luò)的一個(gè)設(shè)想,現(xiàn)在與 Web 3.0 這一概念結(jié)合在一起,作為 3.0 網(wǎng)絡(luò)時(shí)代的特征之一。簡(jiǎn)單地說(shuō),語(yǔ)義網(wǎng)是一種智能網(wǎng)絡(luò),它不但能夠理解詞語(yǔ)和概念,而且還能夠理解它們之間的邏輯關(guān)系,可以使交流變得更有效率和價(jià)值。語(yǔ)義網(wǎng)核心是:通過(guò)給萬(wàn)維網(wǎng)上的文檔 (如:HTML文檔、XML文檔)添加能夠被計(jì)算機(jī)所理解的語(yǔ)義「元數(shù)據(jù)」(外語(yǔ):Meta data),從而使整個(gè)互聯(lián)網(wǎng)成為一個(gè)通用的信息交換媒介。
所以,我們今天看到的很多的事情,比如知識(shí)圖譜、深度學(xué)習(xí),從一開(kāi)始的一個(gè)想法,到工程上、到產(chǎn)品上,最后落地到商業(yè)上是一個(gè)很漫長(zhǎng)的歷程,通常需要 30 到 40 年。所以當(dāng)我們看到一些實(shí)驗(yàn)性的成果,我們應(yīng)該把自己的興奮壓一壓,因?yàn)檫@中間有很多不靠譜的坑。
人工智能的技術(shù)瓶頸不是要代替智人作為動(dòng)物的那一部分,而在于代替我們最近幾千年發(fā)展起來(lái)的那些認(rèn)知能力,也就是我們有了符號(hào)思維能力之后的智能。在學(xué)術(shù)上體現(xiàn)在,深度學(xué)習(xí)這種算法在不同領(lǐng)域上起到的改變是不一樣的,它可以讓語(yǔ)音和圖像的識(shí)別能力前進(jìn)了一大步,但是在自然語(yǔ)言處理或是知識(shí)圖譜這方面的提高只有 1-2%。比如說(shuō),假設(shè)傳統(tǒng)的自然語(yǔ)言分詞算法可以達(dá)到 88% 的正確率,那么深度學(xué)習(xí)算法在準(zhǔn)確率上可能做到 89-90%。但是深度學(xué)習(xí)可以把視覺(jué)識(shí)別的準(zhǔn)確率提升了 10-20%。
為什么會(huì)有這種區(qū)別呢?
原因是「識(shí)別」這件事情是哺乳動(dòng)物的智能,不僅僅限于人類(lèi)。你家的小貓小狗會(huì)識(shí)別出你跟別人不一樣。深度學(xué)習(xí)可以在這種自然能力的處理上有很不錯(cuò)的表現(xiàn)。但是語(yǔ)言和文字這種符號(hào)思考能力是近幾千年歷史上發(fā)展出來(lái)的,跟傳統(tǒng)的信號(hào)處理能力非常不一樣。
所以,現(xiàn)在的算法是有局限性的,我們?cè)跇?gòu)建人工智能系統(tǒng)的時(shí)候要理解它的局限性。
關(guān)注路徑,而非直奔目標(biāo)
移動(dòng)時(shí)代互聯(lián)網(wǎng)產(chǎn)品經(jīng)理培養(yǎng)的直覺(jué)是:剛需、極致。但是在人工智能領(lǐng)域,這樣直奔主題的直覺(jué)未必能成功。人工智能產(chǎn)品由于其復(fù)雜性,其設(shè)計(jì)核心是其中間路徑而非最終目標(biāo)。
我們移動(dòng)互聯(lián)網(wǎng)時(shí)代在制定項(xiàng)目的時(shí)候,常會(huì)先有一個(gè)明確的目標(biāo)。但是怎么完成一個(gè)項(xiàng)目不是由目標(biāo)所決定的,是路徑?jīng)Q定的。
一群老鼠開(kāi)會(huì)要做風(fēng)控,貓來(lái)抓老鼠之前做一個(gè)預(yù)警。怎么做呢?大家定了一個(gè)明確的目標(biāo),在貓脖子上系鈴鐺。問(wèn)題是,哪只老鼠來(lái)做這件事呢?怎么做呢?
這就是路徑。
路徑有很多層含義。
別人的目標(biāo)不是你應(yīng)該效仿的終點(diǎn),別人的路徑更不是你要效仿的路徑。BAT 的終點(diǎn)不是你的終點(diǎn)。我剛開(kāi)始創(chuàng)業(yè)的時(shí)候,特別喜歡看別的架構(gòu)師的那些架構(gòu),認(rèn)真地做筆記,但當(dāng)我開(kāi)始認(rèn)真搭建自己項(xiàng)目的架構(gòu)時(shí),我還是不知道這個(gè)邏輯是什么,為什么這么搭。因?yàn)檎麄€(gè)項(xiàng)目的演進(jìn)過(guò)程中,最重要的事情不是最終公布出來(lái)的那些,而是沒(méi)有被公布出來(lái)的。你最終學(xué)習(xí)到的都是一些切片,無(wú)論是他的終點(diǎn)、還是所謂的路徑,其實(shí)都是他 90% 預(yù)想的路徑被否定之后的一些切片。
探索新生事物的過(guò)程中,「被否定的痛苦」,才是真正的核心競(jìng)爭(zhēng)力。
痛苦是不可復(fù)制的,哪怕是我們?cè)趯W(xué)習(xí)別人總結(jié)經(jīng)驗(yàn)、路徑形成的方法論。方法論的復(fù)制,也是建立在海量的痛苦當(dāng)中。我們都知道找到實(shí)現(xiàn)目標(biāo)的路徑很關(guān)鍵,但是沒(méi)有人會(huì)告訴你路徑在哪里,只有靠自己去摸索。即使是「元方法論」(Meta 方法論),也只能幫助我們?cè)诤A康牟淮_定因素中,去找到幾個(gè)確定的點(diǎn),減少死亡的概率。
AI 產(chǎn)品路徑設(shè)計(jì)方法論
1. 成本問(wèn)題
我們?cè)谠O(shè)計(jì)人工智能產(chǎn)品的時(shí)候,會(huì)有種種不靠譜的因素在制約產(chǎn)品。我們只有快速的迭代,Lean startup(精益創(chuàng)業(yè)) 降低成本,才能提高我們的成活率。盡管互聯(lián)網(wǎng)產(chǎn)品和 AI 產(chǎn)品不一樣,但是快速迭代是一個(gè)通用的方法論。
2. 不確定性拆分
把大的不確定性切成小的,切成小的不確定性。這個(gè)方法可以幫助我們?cè)谌斯ぶ钦现袑ふ业饺斯ぶ悄堋?/p>
3. 必須有業(yè)務(wù)基礎(chǔ)系統(tǒng)
像我這種技術(shù)出身的人,都會(huì)有一個(gè)做偉大的人工智能系統(tǒng)的夢(mèng)想。但實(shí)際上數(shù)據(jù)庫(kù)系統(tǒng)跟智能系統(tǒng)有什么區(qū)別?其實(shí)者兩者在角色上是非常接近的,他們都是一種支持系統(tǒng),支持系統(tǒng)是沒(méi)辦法離開(kāi)基礎(chǔ)業(yè)務(wù)去獨(dú)立工作的。
如果說(shuō)真正好的產(chǎn)品是一塊蛋糕,那里面的精華一定是基礎(chǔ)業(yè)務(wù)系統(tǒng);人工智能系統(tǒng)可能連一個(gè)糖衣都算不上,它可能是蛋糕頂上的那個(gè)小櫻桃。2016 年某銀行花了一年的時(shí)間來(lái)做出一個(gè)大數(shù)據(jù)系統(tǒng),系統(tǒng)有豐富AI模塊但內(nèi)部業(yè)務(wù)部門(mén)都不愿意用。這里面只有報(bào)表系統(tǒng),把 Excel 的 Copy、Paste 功能做進(jìn)去了,真正打中了剛需,然后業(yè)務(wù)部門(mén)才逐漸接受了智能的附加功能。
4. 中間節(jié)點(diǎn)是在考驗(yàn)所有人的耐心
由于人工智能系統(tǒng)不靠譜、周期長(zhǎng),所以一個(gè)人工智能系統(tǒng)從投入到產(chǎn)出中間要有很長(zhǎng)的周期,內(nèi)部、外部、包括投資人在內(nèi)的參與方的耐心很容易耗盡。怎么在耗盡之前達(dá)到中間節(jié)點(diǎn)?這里面最大的風(fēng)險(xiǎn),并不是來(lái)自于技術(shù),而是怎么做好中期管理。
做人工智能的產(chǎn)品,不要直奔主題而去。做金融,就不要直接去做投資研究系統(tǒng)。做醫(yī)療,不要直接做診斷系統(tǒng)。做招聘,不要直接做人才匹配系統(tǒng)。直奔主題的失敗不是特例,很多大公司都是上來(lái)就做一個(gè)特別大的系統(tǒng), 90% 都會(huì)失敗。
AI 產(chǎn)品特性:可演進(jìn)性
人工智能系統(tǒng)是非常復(fù)雜的系統(tǒng)。但是復(fù)雜在英文中有兩種表達(dá)方式,Complex 和 Complicated,這兩種是不一樣的。移動(dòng)互聯(lián)網(wǎng)產(chǎn)品是一個(gè) Complex 的系統(tǒng),而人工智能應(yīng)用,可以類(lèi)比生物,是由千億個(gè)小元件精細(xì)配合完成的,是 Complicated 系統(tǒng)。Complex 的系統(tǒng)強(qiáng)調(diào)的是Scalability,規(guī)模能力,擴(kuò)張能力。而人工智能產(chǎn)品需要的是 Evolvability 可演進(jìn)性。類(lèi)比而言,一百億個(gè)草履蟲(chóng)組合在一起不能合成一個(gè)人,但人工智能系統(tǒng)也是需要從細(xì)胞開(kāi)始進(jìn)化的。
人工智能系統(tǒng)的設(shè)計(jì)方法論要根根據(jù)這個(gè)區(qū)別去做改進(jìn)。
蓋爾定律說(shuō),一個(gè)復(fù)雜系統(tǒng)是沒(méi)法自頂之下進(jìn)行設(shè)計(jì)的;如果一個(gè)復(fù)雜系統(tǒng)從一開(kāi)始的設(shè)計(jì)不是切實(shí)可行的,那么到后面的修修補(bǔ)補(bǔ)也是無(wú)法讓它切實(shí)可行的;復(fù)雜系統(tǒng)必須從一個(gè)切實(shí)可行的簡(jiǎn)單系統(tǒng)重新開(kāi)始做。
從頂向下去設(shè)計(jì)的復(fù)雜系統(tǒng)無(wú)一例外都會(huì)是失敗的。一個(gè)切實(shí)可行的復(fù)雜系統(tǒng)勢(shì)必是從很多個(gè)切實(shí)可行的簡(jiǎn)單系統(tǒng)發(fā)展而來(lái)的。在大公司里面可能需要你交付一個(gè)預(yù)算是 2、3 億的復(fù)雜產(chǎn)品,失敗了也就是失敗,當(dāng)成本攤薄之后可能是可以過(guò)日子的。但是這個(gè)成本對(duì)于創(chuàng)業(yè)公司來(lái)說(shuō),是不可能實(shí)現(xiàn)的。在過(guò)去將近 20 年的時(shí)間里,我做過(guò)很多 AI 相關(guān)的項(xiàng)目,大部分都悲慘失敗了。我在現(xiàn)在的項(xiàng)目(文因互聯(lián))里,有很多具體的小嘗試,有些還是失敗的。但我們可以把大的失敗、切分成小的失敗,讓每一個(gè)失敗都成為離成功更進(jìn)的墊腳石。這是讓 AI 產(chǎn)品落地的根本。
那么, AI 公司可以交付什么?
我們有四種選擇——零件、工具、解決方案、系統(tǒng)。我們?cè)趯?shí)際解決問(wèn)題的時(shí)候,我們很難交付一個(gè)復(fù)雜的系統(tǒng)。優(yōu)秀的 AI 創(chuàng)業(yè)者不約而同地選擇一種路徑,為了設(shè)計(jì)實(shí)現(xiàn)一個(gè)通用系統(tǒng),不得不先做包工頭,做了一個(gè)一個(gè)的解決方案,從解決方案里面總結(jié)一個(gè)系統(tǒng)出來(lái)。
好的產(chǎn)品是總結(jié)出來(lái)的,并不是設(shè)計(jì)出來(lái)的。我們從具體的小事情開(kāi)始做起來(lái),當(dāng)我們完成了 10 個(gè)解決方案的時(shí)候,我們或可以從當(dāng)中總結(jié)出一個(gè)系統(tǒng)出來(lái)。當(dāng)我們連解決方案都找不到時(shí),我們就需要從零件、工具開(kāi)始做起來(lái)的。
每一個(gè)產(chǎn)品的背后都是有科技樹(shù)的。一個(gè)產(chǎn)品首先需要很多零件去制造工具,沒(méi)有工具就沒(méi)有解決方案,沒(méi)有解決方案就沒(méi)有系統(tǒng)。以火車(chē)鐵路系統(tǒng)為例,鐵路在火車(chē)出現(xiàn)之前就存在了,后來(lái)出現(xiàn)蒸汽機(jī)之后又經(jīng)過(guò)了瓦特的改良,過(guò)了很長(zhǎng)一段時(shí)間才有了火車(chē)發(fā)動(dòng)機(jī)。在這個(gè)案例里,零件——平行運(yùn)動(dòng)連桿、工具——蒸汽機(jī)、解決方案——礦山抽水,最后就有了系統(tǒng)——火車(chē)鐵路系統(tǒng)。就像蒸汽機(jī)一開(kāi)始也不是應(yīng)用在火車(chē)上,而是礦山抽水系統(tǒng)上。一個(gè)解決方案產(chǎn)生價(jià)值的時(shí)候,你會(huì)想象不到,后面會(huì)有什么機(jī)會(huì)發(fā)生。
再比如,我們現(xiàn)在在微信上實(shí)現(xiàn)的電視電話,跟我們20年前設(shè)計(jì)的解決方案也是不一樣的。我們當(dāng)時(shí)的電子工程師,想的是怎么能夠設(shè)計(jì)一套編碼系統(tǒng),讓視頻電話在電視系統(tǒng)里跑起來(lái)。我們?cè)谠O(shè)計(jì)這個(gè)方案的時(shí)候連 CCD (圖像傳感器)也不夠成熟,我們?cè)O(shè)計(jì)了一系列的光學(xué)的模擬信號(hào)去實(shí)現(xiàn)這件事。在這個(gè)案例里面,零件—— CCD 圖像傳感器,工具——攝像頭,解決方案—— PC 視頻聊天,最后就有了系統(tǒng)——「電視電話」。每一個(gè)工具、每一個(gè)理念,都有它當(dāng)時(shí)的作用,在構(gòu)造一個(gè)系統(tǒng)的時(shí)候,我們把這些中間節(jié)點(diǎn)找到他們的應(yīng)用場(chǎng)景,然后去培育這個(gè)技術(shù)。這是所有復(fù)雜系統(tǒng)的統(tǒng)一的規(guī)律。
產(chǎn)生偉大的AI公司需要可演化的產(chǎn)品。直奔市場(chǎng)、用戶(hù)、需求所要求的主流剛需而去,就是讓 AI 產(chǎn)品失敗的保證書(shū)。
其實(shí)不僅是AI公司吧,演進(jìn)也是很多更早的互聯(lián)網(wǎng)公司的特點(diǎn)。雅虎是從分類(lèi)目錄開(kāi)始做的,兩個(gè)創(chuàng)始人 8 個(gè)月時(shí)間,手工地做出來(lái)了分類(lèi)目錄,巨頭完全看不起。后來(lái)他的網(wǎng)站演化成了門(mén)戶(hù)。而一個(gè)從一開(kāi)始就想做門(mén)戶(hù)的公司,花了 600 億美金才明白這個(gè)道理。這就是 AT&T 的故事,早期的虛擬的互聯(lián)網(wǎng)接入服務(wù)供應(yīng)商(ISP) 之一,在沒(méi)有 Web (1990 年面市)之前,就做了訂票、天氣等應(yīng)用。 當(dāng) Web 開(kāi)始出現(xiàn)的時(shí)候,它想做一個(gè)門(mén)戶(hù),把所有的用戶(hù)都包含在平臺(tái)上,當(dāng)時(shí)為了維護(hù)這個(gè)封閉花園它前前后后花了 600 億美金,最終還是無(wú)奈破產(chǎn)。
另外一個(gè)演進(jìn)的例子是 Pinterest。Pinterest 一開(kāi)始也是做電商導(dǎo)購(gòu)系統(tǒng),然后失敗了。在這個(gè)過(guò)程當(dāng)中發(fā)現(xiàn)大家對(duì)他們的圖片分享非常喜歡,于是他們把其他功能扔掉了,就做圖片的分享。他們簡(jiǎn)化為非常簡(jiǎn)單的工具:菜譜的圖片分享。后來(lái)經(jīng)過(guò)幾年演化之后,才又做回了導(dǎo)購(gòu)系統(tǒng)。
很多人工智能產(chǎn)品的公司在發(fā)展過(guò)程中會(huì)有場(chǎng)景躍遷。比如出門(mén)問(wèn)問(wèn),開(kāi)始做出行 App ,后來(lái)做了手表、車(chē)載導(dǎo)航;云知聲的發(fā)展,最早的業(yè)務(wù)是搜音樂(lè),后來(lái)做了語(yǔ)音云,為很多行業(yè)的產(chǎn)品方案,下一步的場(chǎng)景包括智能家居。文因互聯(lián)一開(kāi)始做的是金融搜索,現(xiàn)在我們?cè)谧鼋鹑谧詣?dòng)化報(bào)告的機(jī)器人,未來(lái)可能會(huì)演化到智能資管或者智能投顧。
做智能金融、法律、醫(yī)療產(chǎn)品演化的一般的中間節(jié)點(diǎn)是什么?這個(gè)問(wèn)題我也沒(méi)有答案。這個(gè)是要大家去探索的。
產(chǎn)品是團(tuán)隊(duì)的映射
康威定律講的是產(chǎn)品演化更底層的問(wèn)題:產(chǎn)品的結(jié)構(gòu)映射了產(chǎn)生它的團(tuán)隊(duì)的結(jié)構(gòu),可演化的產(chǎn)品需要可演化的團(tuán)隊(duì)。每一個(gè)公司的成員和架構(gòu)跟它的產(chǎn)品會(huì)有很大的相關(guān)性。公司的成員都會(huì)決定你的產(chǎn)品是什么樣子,而我們剛剛提到做 AI 產(chǎn)品最重要的一個(gè)特質(zhì)就是要具有演化性。也就是說(shuō)產(chǎn)生這個(gè)產(chǎn)品的人的集合,一定是要具有演化性的。
關(guān)于如何組建團(tuán)隊(duì),我們會(huì)聽(tīng)到各種不同的方案或者聲音。有些團(tuán)隊(duì)會(huì)強(qiáng)調(diào)技術(shù),有些團(tuán)隊(duì)會(huì)強(qiáng)調(diào)領(lǐng)域?qū)<遥行┐髮W(xué)出來(lái)的公司會(huì)強(qiáng)調(diào)算法,也有人說(shuō)要強(qiáng)調(diào)一針見(jiàn)血的領(lǐng)域洞察力,要一眼看出用戶(hù)需求在哪里。
團(tuán)隊(duì)演化遇到的最大的一個(gè)難題就是,如何把技術(shù)專(zhuān)家和領(lǐng)域?qū)<胰诤显谝黄?,特別是兩種人都是明星的時(shí)候。以我們自己為例,我們做金融領(lǐng)域的知識(shí)圖譜,金融和技術(shù)這樣兩種人都是我們團(tuán)隊(duì)需要的,但更重要的一點(diǎn)就是團(tuán)隊(duì)有沒(méi)有演化的基因和認(rèn)識(shí)。
十幾年前語(yǔ)義網(wǎng)概念大熱的時(shí)候,市面上有幾百家公司,現(xiàn)在這些公司很多都沒(méi)有聲音了。這背后有一個(gè)重要原因就是明星的沉沒(méi)成本,我們剛才一開(kāi)始就提到過(guò),現(xiàn)在做 AI 的創(chuàng)業(yè)的人很貴很少,所以你的市場(chǎng)上找到的創(chuàng)業(yè)者都是明星。
這是很可怕的事情,因?yàn)槊餍呛茈y去做臟的小的事情。明星可以加入任何一家公司去做合伙人,或者在大公司里拿到 200 萬(wàn)或 500 萬(wàn)的年薪,這些人不會(huì)去做小事情。Twine 是做語(yǔ)義網(wǎng)的明星企業(yè),黃金配置的團(tuán)隊(duì)成員,公司的 Slogan 是 Tie it all together.。所以他們一上來(lái)就做一整套的工具鏈。過(guò)程中遇到了各種各樣的問(wèn)題,團(tuán)隊(duì)花了很高的成本,但是產(chǎn)品性能表現(xiàn)很差。后來(lái)沒(méi)挺住,公司死掉了。盡管他們擁有最好的領(lǐng)域?qū)<液图夹g(shù)專(zhuān)家,一旦開(kāi)始去追求這么大的目標(biāo),也是很難把這件事做成。
所以,找到一個(gè)「明星」是大家的幸運(yùn)。但是如果這個(gè)明星不能夠控制自己的沉沒(méi)成本的話,就是大家的不幸。
所以更多的時(shí)候我們是要去構(gòu)造一個(gè)可生長(zhǎng)的團(tuán)隊(duì),這個(gè)團(tuán)隊(duì)一開(kāi)始可能沒(méi)有那么厲害,但一定是讓團(tuán)隊(duì)充分了解到什么叫做演化,什么是迭代,了解技術(shù)能干什么,尤其理解技術(shù)不能干什么。如果團(tuán)隊(duì)真的能夠理解這些,那在這個(gè)漫長(zhǎng)的周期里,它是不會(huì)放棄的。
這里我列舉的幾個(gè) AI 時(shí)代的從業(yè)者需要具備的能力。其實(shí)這些也并完全新,很多是互聯(lián)網(wǎng)時(shí)代積累下來(lái)的經(jīng)驗(yàn),在精益方法論中也有過(guò)討論。
- 不要追求虛幻的確定性。我們?cè)诿鎸?duì)新生的需求時(shí),我們會(huì)覺(jué)得自己需要一個(gè)專(zhuān)家來(lái)告訴我們?cè)趺慈プ?;或者一件事我們不知道怎么做,但是有大公司做了,我們就跟著大公司做;或者我們想不出這個(gè)產(chǎn)品是怎么來(lái)的,讓項(xiàng)目客戶(hù)告訴我們?cè)撛趺醋?。這些想法一點(diǎn)都不錯(cuò),但要記住,這是一種虛幻的確定性,它會(huì)在某個(gè)程度上讓你感到很舒適。但是最終如果不能克服這種對(duì)不確定性的恐慌,我們是很難演化的。
- 我們要善于做精益創(chuàng)業(yè),善于做分解。把大的失敗切成小的失敗,做好快速迭代。我寫(xiě)過(guò)一篇文章,叫做任務(wù)分解的五個(gè)動(dòng)作,這是需要重復(fù)練習(xí)的。比如說(shuō)怎么寫(xiě)好一個(gè) OKRs(目標(biāo)管理文章見(jiàn)職人社其他分享),這件事到現(xiàn)在為止對(duì)我來(lái)說(shuō)還是很大的挑戰(zhàn)。
- 要有交付的態(tài)度。交付是說(shuō)每一件事情都要在一定的時(shí)間內(nèi),按天/周/月來(lái)交付一件可用的產(chǎn)品。我們不做復(fù)雜的大工程,但是我們做的每一期工作都要做到有一點(diǎn)點(diǎn)價(jià)值的,成為下一階段工作的跳板。以我們團(tuán)隊(duì)為例,最近我們?cè)谧鲋R(shí)提取,一開(kāi)始團(tuán)隊(duì)對(duì)這次工期完全沒(méi)有信心。我說(shuō)能不能達(dá)到 85% 的正確率?大家都不知道。于是我們就坐下來(lái)一起來(lái)分析知識(shí)提取上有什么困難,做了一次錯(cuò)誤歸因、持續(xù)交付。這次談話并沒(méi)有談到任何算法層面上的問(wèn)題,但是交付讓團(tuán)隊(duì)更有信心了,也很快就達(dá)到了目標(biāo)。
- 溝通、復(fù)盤(pán)。溝通和復(fù)盤(pán)都是在職場(chǎng)大家都會(huì)面對(duì)的,我就不多說(shuō)了。
- 本錢(qián)能力。沒(méi)有本錢(qián),不是團(tuán)隊(duì)不打仗的理由;我們打仗是為了賺本錢(qián)。只要可以做到交付,本錢(qián)就會(huì)不斷的積累。
總結(jié)今天所說(shuō),濃縮為一句話:從小事做起!
作者:鮑捷,文因互聯(lián)CEO
本文由 @莫顏云月 整理發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
醍醐灌頂,懂了,作為剛?cè)腴T(mén)做產(chǎn)品的小白不該去空想架構(gòu)!多謝!
目前的人工智能解決是效率的問(wèn)題,不擅長(zhǎng)做決策,所以我覺(jué)得智能投顧不是一個(gè)好的方向;金融知識(shí)圖譜還不錯(cuò),定位于幫助金融人士提高效率、打輔助
很多大公司都是上來(lái)就做一個(gè)特別大的系統(tǒng), 90% 都會(huì)失敗。—–知行合一,活在當(dāng)下還是適用的。
受益了~
您在文中提到,人工智能產(chǎn)品經(jīng)理,請(qǐng)問(wèn)目前國(guó)內(nèi)有相關(guān)崗位嗎?
注重過(guò)程,是產(chǎn)品誕生的必要條件,焦躁的社會(huì)太注重短期收益,誕生出的好產(chǎn)品太少;博主的注重演化的觀點(diǎn)超贊??
思路太清晰了,超贊
我要投簡(jiǎn)歷去????
加油