人工智慧時代，哪些崗位會被代替？

職人社 × 愛因互動聯合主辦的「 AI 時代的產品經理」活動上，我們邀請了愛因互動創始人 CEO 王守崑，文因互聯 CEO 鮑捷以及 S 先生創始人 Mingke 三位老師，分享交流了人工智慧在怎樣影響業態，真正的 AI 產品經理的角色與 JD，產品的對話式交互（ CUI，Conversation UI ）特性以及產品經理在 AI 時代下技能邊界在哪裡等話題。文章首發於職人社（公眾號：zhirent）。

從我們預先收集、以及現場提問的幾個問題里，我們選擇了 17 個好問題。我們選擇好問題的標準是：

緊扣主題：AI 時代的產品經理；

定義足夠明確、不需要額外解釋的問題；

不需要一本書來回答。有些問題過於巨大，有些問題可能更適合科技部部長來回答。

選擇AI 項目的創業方向

Q：問三位嘉賓，目前在做什麼事情，為什麼選這個方向？

鮑捷：

這兩個問題也是我每天在思考的。

我們是一個典型的拿著鎚子找釘子的團隊，我們看了很多不同可能的釘子，最後選擇了我們認為可能是失敗率比較小的釘子。我覺得金融是一個特別適合我們做演化的，金融行業從小用戶到大用戶均存在，金融行業開放數據非常多，具備基礎條件。跟醫療這種特別注意數據保密的行業很不一樣。

王守崑：

我們目前做的是商用對話機器人服務提供商。我之前做過很多個性化推薦的項目，感覺用對話機器人做個性化推薦會很有趣。

領域選擇上也是金融行業，因為這個行業具備容量和縱橫，最大的公司也且尚未形成壟斷。市場里數據豐富，交易頻繁度高，會更好地落地。

Mingke：

我們做的是用對話式的 AI 解決重複腦力的事情。

我們希望可以幫助企業解決一些需要頻繁去做判斷和分析的問題，然後用對話來做交互。我們當前的方向是消費服務領域。我們比較擅長對終端消費者的體驗的把握，以此幫助企業提供最好體驗的對話式交互的服務。

人工智慧如何影響職業

Q：金融有哪些細分領域的崗位，即將被人工智慧替代？

鮑捷：

在中國的歷史上，曾有一份工作叫做「句讀」，是幫助別人添加標點的工作，曾是一個專門的技術學科。後來標點符號慢慢融入進我們的日常生活中。我們能說標點符號消滅了讀書人么？

對這個問題，我不能準確給出一個答案。曾經歐洲出現了很多審計自動化的公司，後來這些項目都失敗了。為什麼呢？審計很大程度上是要幫助公司去看賬面上有哪些是虛假數據的，這件事沒辦法被機器來取代。

所以世界上會有很多東西會被機器幹掉，尤其是機械化程度比較高的事，但很多領域本身具備的特徵確定了，且這些特徵不會替代，比如計算機不能消滅會計。

Q：人工智慧會替代很多工作，哪些會出現新的崗位？

王守崑：

新的崗位已經出現了。比如說標註師。

（人工智慧中的重複勞力的工作，機器學習的訓練素材需要大量的人工做標註）

肯定會出現新的商業模式和新的組織。以工程師的崗位為例，現在工程師的崗位也是越來越細分。也未來隨著 AI 的逐步深入，產品經理的崗位也會越來越細分。隨著產業的壯大過程中本身會有很多職業被細分，變得更加專一化，比如做模型的，可能會偏向乙方，或者專門做優化。圍繞產業鏈的重新分工，逐步細化和專業化是大的趨勢。

Mingke：

我認為 AI 時代的產品經理就是新產生的崗位，因為 CUI （對話式交互）和 GUI （圖形式交互）產品做的事是完全不同的。

隨著機器幫我們把重複腦力的事情的基礎判斷做好後，人類就會開始做一些不那麼「重複腦力」思考，或者思考一些建立在「重複思考」以上的新問題。這些新的思考就會帶來新的工作崗位。

xklxkl：

產品經理如果會失業，肯定不會因為不會寫代碼而失業。一定是別的什麼東西。

AI 產品的技術邊界

Q：產品經理應該了解的技術邊界是什麼？應該怎麼了解？

王守崑：

在我分享中我有提到過產品經理該如何去處理 AI 產品中的技術黑盒。有一件事情，希望每個產品經理都能意識到，在技術/工程越不成熟的時候，產品經理需要了解的東西就越多。比如第一代汽車的產品經理，包括內燃機的機制等一些列問題都需要了解。

現在 AI 的技術不是那麼成熟的情況下，可能需要產品經理稍微把那個技術黑盒打開一些。但無論如何，產品經理是要站在用戶這一邊的，把控需求，做用戶和技術之間的橋樑。

鮑捷：

我司的產品經理就是很好的例子，她之前是學園林設計的，後來做了產品經理，後來跟我們的程序員寫起來 Java，現在我們有一些小程序就是她寫的。

我今天有一個新的收穫，產品經理本身應該具備綜合性的能力，開發、設計、綜合性能力非常重要。對技術本身也需要更多的理解，還要懂運營，至少從產品生產到運營所有過程中所涉及的工作都要了解些，便於溝通跟進。

Mingke：

需要比過去產品經理更了解的人性，同時比過去產品經理更了解技術。當行業越來越清晰的時候，包括產品經理在內的每個職能的分工也將會越來越清晰。在行業的交流中，互通有無，產品經理的 JD 也會越來越清晰。

雖然每家公司的產品不同，但是抽象上，產品經理的角色是大同小異的。要求產品經理需要了解公司的核心需求以及技術儲備。公司 CTO 應該告訴你我們有哪些工具和資源，產品經理不需要自己去造工具，但要對工具的屬性有充分的了解，學著用手中的工具去創造新的東西。

xklxkl：

想給大家補充一些更具體的建議分享。

大家可以找到一本講人工智慧的書《機器學習》，前面有涉及人工智慧簡史，後面的部分比較了目前市面上主流演算法的優劣在哪裡。讀這本書是不需要看懂複雜公式的，但能從外部明白演算法適合解決哪類問題，並且如何來評價它的效果的好壞。

產品經理的能力模型

Q：移動互聯網產品經理的提前加入，是否能給 AI 行業帶來顯著的提升？

Mingke：

現在產品經理的加入已經不算是提前進場了。

我對這個問題的答案是：是的會有顯著的提升。核心的邏輯是，技術有限就是說技術不能完全解決一些問題。但是大家對人工智慧的公司產品的普遍期待是，AI 產品應該很聰明，可以幫助解決問題的。產品經理可以用產品的方式來解決技術不能解決的問題，這就是產品經理的價值所在。

鮑捷：

技術越不成熟的時候，越需要產品經理來解決技術不能完成的事。Put human in the loop（循壞、迭代），讓人的因素更重要一些。

Q：如何繞過技術瓶頸設計有趣好玩的AI產品？

Mingke：

市面上還是有一些「智障」產品，都是想繞過技術瓶頸但又設計的不好的結果。比如說一些早教陪伴機器人。但令人遺憾的是，這種產品也不夠智能也不夠有趣好玩。我覺得這個問題是值得關注，但智能方面有趣又好玩的C端產品我還沒有觀察到。

Q：如何看到當下 NLP 成熟度下的智能助手？我的觀點是在高頻擁有 Killer app 的場景下，Chatbot 是很難突圍的；會在傳統人類無法實現規模化效益的長尾需求和有數據積累的場景。

王守崑：

Killer App 都是 GUI 產品。在這種圖形界面的使用場景下，顯然 GUI 產品是更合適的。CUI 產品沒法從同樣的場景去取代它。

基於現在的技術成熟度，很難很快出現一款對話式的 Killer app。但可能在原來沒有用 GUI 進行設計的新場景出現機會，比如：10086 的電話語音場景下的智能語音助理。電話智能語音助手過去並不是用 GUI、CUI 設計的，而是需要按鍵盤、輸密碼。這個場景但短期內應該會有很好的 CUI 產品替代。

Q：如何繞過技術瓶頸設計有趣好玩的AI產品？

鮑捷：

看到這個問題，我覺得有點悲哀。

電子遊戲就是一個 AI 產品呀，遊戲裡面的 NPC 們都是根據 Search（搜索）、Planning（規劃）做出來的，都是AI教科書頭幾章的內容。手機的指紋識別也是一個典型的 AI 產品。AI 產品的規律就是，當技術成果在消費級廣泛應用，大家就不認為它是一款智能產品了。

只要腦洞夠大，永遠會有很好的 AI 的產品。最近一個日本研究二次元的宅男產品經理做了一自動生成漫畫的 app，從 3D 渲染並生成 2D 的畫面，這也是很高深的 AI 技術。所以現實中到處都有 AI 產品的身影。

Q：產品經理與演算法工程師、科學家日常如何協作？

鮑捷：

我有時候會客串產品經理，而且我以前也做過科學家。

工程師從學校畢業會常常以純演算法的角度去思考問題。我之前有一個實習生，他把一種機器學習演算法用得出神入化。當時我們有一個分類問題，只達到 40% 的正確率，我提出能不能用規則來補充解決這個問題。我們用了一個多月時間試圖解決這個多方法融合，但是沒有做到。直到一年以後才解決了這個問題。技術圈裡是有鄙視鏈的，通常用統計的人會鄙視用規則方法論的人。

我認為，產品經理誘導演算法工程師把思路拓寬是非常重要的技能，需要相互融合來解決相關問題。產品經理會非常熟悉 Lean Starup 方法論，做一個合適的 MVP （Minimum Viable Product，最小可實施模型）儘快拿到反饋，用數據去做產品的迭代。而大部分演算法工程師的迭代周期往往以年為單位，產品經理需要想方設法和演算法工程師進行溝通，不斷縮短演算法工程師的周期，讓他們適應產品快速迭代的周期。

王守崑：

我很同意鮑捷老師的觀點。

產品經理需要對演算法工程師、科學家的迭代周期有預期、有管理。

另外一個建議是，產品經理要嘗試去寫測試用例。不是寫代碼而是要描述清楚測試用例。演算法工程師與開發工程師在產出的結果上有很大的不同，演算法工程師的產出往往不是 0 和 1 的，會實現預期效果的 70% 或 80% 等等不同程度。通過寫測試用例，產品經理會更好地定義想要達到什麼樣的程度的結果，和演算法工程師進行有效的溝通。

Mingke：

我的合伙人算是半個工程半個科學家，他經常做論文搬運工的事，他也不斷從產品的角度上思考問題，但這不可強求。能跟科學家和工程師建立良好的溝通機制，是讓團隊產生好的產出的前提。產品經理本來就是一個綜合角色扮演者，如果和技術溝通起來有問題，我認為產品經理不能期待對方的溝通方式發生變化，更多的是要考慮自己如何能讓自家工程師和科學家能以他們舒適的方式釋放他們的能量，而產品的同學來扮演引導的角色。

Q：交互設計師在對話式產品中扮演什麼角色？

Mingke：

過去交互設計定義的是 UX，更偏向操作上的用戶體驗。現在的要求，就可能是對用戶的感性體驗，如注意力管理，心理價值預期的管理上做功夫。簡單來說是做「人性」的設計，而不止是「人性化」的設計。

從用戶體驗的設計師定義來說，設計師的抽象思維和學習能力非常重要。鮑捷老師前面提到設計師轉型為產品產品經理的案例非常典型，另外我覺得設計師還需要細緻的洞察力。專業的設計師還需要了解結構，不止是表面不同，而是更清楚概念的結構，最終抽象出來做設計。

王守崑：

我們曾設立了一個崗位叫做對話設計師，不過這個崗位的名字叫 Designer ，需要寫。（大家笑）對話產品的交互設計師肯定跟 GUI 產品的設計師定義是不一樣，交互設計師和產品經理的職責可能也會有一些重疊，目前其扮演的角色還不清晰，但很重要。

人工智慧的落地實施

Q：有什麼辦法用小成本去開始實施人工智慧？

鮑捷：

實際開始做了，很多問題都會有解決的辦法。

之前我們做過一個預測銀行貸款的小案子，是咱們一個非程序員姑娘自己拿了一個演算法建模做起來的，測試之後正確率可以達到 80% 左右，非常好。

王守崑：

數據夠的話，簡單的用傳統的模型做一下也能出不錯的結果；但有些複雜些的需求就會很難做，主要就看自身擁有的資源、所能投入的精力和時間等和目標之間的平衡。

Q：AI在落地中有哪些容易出現的問題？

Mingke：

早期落地時到哪裡都會出現問題，因為這是一個新產品有掉不完的坑，問題不限定於部分。

王守崑：

我們的對話機器人會經常被調戲。（笑）

主要問題是客戶預期與實際產品效果之間存在很多差距，如何管理客戶預期是最容易碰到的坑。其次還有成本和工期控制的問題，做人工智慧很難做全棧，產品生產過程中需要集成其他人的一些服務，在集成的過程中可能會遇到拖延工期、超過成本。還有客戶的各種不實際的要求，很多行業對數據精確度的高要求，這些都會帶來很多的問題，到處都是坑。

鮑捷：

預期管理、團隊結構等，坑非常之多。最大的坑是每過十年的技術迭代，火起來之後，中間會遺留很多的坑。

人工智慧 V.S. 非人工智慧

Q：Mingke 剛才提到，半年前寫的文章《為什麼現在的人工智慧產品都像是人工智障》里有很多錯誤，具體有哪些？

Mingke：

當時寫的時候我就寫了兩篇。一篇是問題、一篇是解答，後一篇解答還沒有發就放棄了。其實在當時提了很多好的 CUI 產品的特性和今天分享的就已經很不同了。

比如當時我提到中文口語的邏輯、上下文等問題，但實際上我們後來在場景下解決了這兩個問題，但產品跑出來之後並沒有實現理想的效果，而且感覺要達到效果和這兩個問題沒太大關係。這意味著還遠遠不夠，還有未知的板塊要被找出來處理掉。這次分享的其實就有很多新的東西，也是迭代後的思考。保持在場內跑，不斷掉坑迅速出來填坑還是很重要的。

Q：鮑捷老師過去對 Chatbot 的關注非常少，現在如何看待類似產品？

鮑捷：

通用問答機器人是非常不靠譜，但在垂直領域裡做問答機器人還是可以的，不過前提是數據和團隊的積累。如果作為一個問答機器人，領域深入後會有很多細分問題要做，是個十年都做不完的坑。最近出的健康導購客服機器人已經是標準化的產品，但完全不看好做陪伴機器人。

Q：現在只要會寫 Excel 就是寫人工智慧，你怎麼看？

王守崑：

所有的演算法都能用 Excel + VBA 來做，只不過公式會非常非常長。

如果想要做一個實際落地的項目，的確要選更實際的解決方案。但不能永遠停留在 Excel，以後有機會做核心的、高成長性的一些東西的時候只有 Excel 是完全不夠的，你需要有更多的工具和更好的技術去實現。

現在的 AI 公司就應該需要用 Excel 和規則去接項目的能力，同時還要有能用更炫的演算法和模型去做事的能力。

CUI 產品的應用場景中的典型問題

Q：做電商客服機器人的難點和風險在哪？

王守崑：

電商類客服機器人，我感覺有相對成熟的方法來做。可以簡單售前售後，售前會更偏於諮詢，售後會更偏向於查單、物流、退貨對話方面的內容。可以用一些內容識別，用相對簡單的 DST，後期加上深度學習的演算法，效能上還會有所提升。

難點可能是做之前沒考慮到電商高峰期的問題，工程上就會有壓力。

另外一個難題可能在「讓系統有對話的能力」上，在做系統時可能一些構想不夠完善，可能需要後期提高。

Q：評判一個項目的標準，如何驗證一個項目效果的好壞？

鮑捷：

如果是跟銀行合作的話，銀行會有很好的數據。企業的現金流分析和長期短期的資金需求是可以通過經驗來預判的。金融系統，後期會有數據產生，所以先通過經驗做預設的判斷，再用系統的數據進行回測。

Mingke：

消費領域的產品，結果不是封閉的。不像圍棋有輸有贏，很明確，推薦是沒有明確的好壞的。所以如何判斷一個不封閉的結果的好壞呢？是監督還是不監督？怎麼去增強效果？

有些 CUI 團隊會用劍橋 DSTC 去評判對話的效果，對對話狀態來進行跟蹤。實時上僅以此標準作出的產品也沒有什麼效果，因為對話和處理任務本來就是兩回事。所以現在還是需要優秀的產品經理來對效果做判斷。

歡迎在職人社鏈接（微信：zhirent）里繼續給嘉賓留言提問，點贊（認同）高票的同學有機會獲得嘉賓的親自作答。歡迎對以上公司感興趣的產品經理或工程師朋友推通過職人社投遞簡歷，郵箱至 [email protected] ，或者聯繫職醬（微信：ziliude）結識更多優秀同行。

嘉賓介紹 ▼

王守崑，愛因互動創始人 CEO。畢業於清華大學自動化系工學本碩，是中國最早的個性化推薦系統的研究者和實踐者。曾作為 CTO 和 CEO 參與了在線教育公司微學明日的創立和管理，負責整體運營。在此之前，他在豆瓣網擔任首席科學家和副總裁，負責豆瓣網整體演算法架構設計和實施。

愛因互動做的是金融場景的商用對話機器人服務提供商。

觀點：深度 | 王守崑：AI 時代，產品經理的機遇和挑戰

鮑捷，文因互聯 CEO。鮑捷博士有十餘年的人工智慧研究經驗，研究領域有神經網路、知識表現與推理、語義網、機器學習、自然語言處理等。中國中文信息學會語言與知識計算專委會委員。歷任美國三星研發中心研究員，連續創業者。也曾是 MIT （麻省理工學院）訪問研究員，BBN 訪問研究員，RPI 博士後，Iowa State University 博士，W3C Web 本體語言工作組成員，國際語義網會議 ISWC組委會和程序委員會成員。

文因互聯之前做了 AI 產品好東西傳送門，現在，文因互聯為銀行、券商和投資基金提供取代傳統低效的人工勞動的金融分析工具和解決方案。

觀點：深度 | 鮑捷：人工智慧的可演進性，要從小事做起

S 先生致力於用對話式人工智慧（Conversational AI）處理企業級重複腦力的工作。S 先生的創始人 Mingke，碩士畢業於英國Bristol大學。Mingke 是對話式 AI 產品的產品經理，創辦了 S 先生（公眾號：TheMisterS），專註研究 CUI 類的產品設計。去年年底在 S 先生的公眾號上曾分享過一篇文章——《為什麼現在的人工智慧都像人工智障》，這在當時引發業界狂熱的討論。

觀點：深度 | Mingke：人工智慧技術不成熟，產品經理如何規避「智障」？