互聯(lián)網(wǎng)發(fā)展至今，產(chǎn)品經(jīng)理崗位也在不斷變化。面臨時代的變革，AI的到來，也讓產(chǎn)品經(jīng)理有了新的認知和挑戰(zhàn)。作者結(jié)合2023年北京產(chǎn)品經(jīng)理大會內(nèi)容，看產(chǎn)品經(jīng)理現(xiàn)狀，一起來看看吧。

十幾年前的互聯(lián)網(wǎng)處于井噴階段，各個廠商都在蓄勢待發(fā)，廣招人才，在人人都是產(chǎn)品經(jīng)理的口號下，產(chǎn)品經(jīng)理這個崗位也開始出現(xiàn)在大眾的視野中，無論是社會還是在校生，都紛紛涌入到這個賽道中來，導致產(chǎn)品經(jīng)理能力參差不齊。以至于現(xiàn)在大家都覺得，產(chǎn)品經(jīng)理這個崗位，只要你有兩條腿一張嘴，誰都能上崗。

雖然行業(yè)內(nèi)也有調(diào)侃，啥都不會才做產(chǎn)品。然而，隨著時代的變革，產(chǎn)品經(jīng)理崗位的需求越來越高，AI時代下，我們這些產(chǎn)品經(jīng)理，似乎又成為了一個門外漢，“人人都是”變成了“人人都不是”。那么產(chǎn)品經(jīng)理應該要如何自處呢？

本篇是筆者的第一篇文章，也是上周末參加北京產(chǎn)品經(jīng)理大會后一些心得體會，由于內(nèi)容長度有限，本文僅作為一個引子，針對每個論點，后續(xù)都會抽時間專門來談談自己的一些粗鄙見解，拋磚引玉，供大家思考討論。

一、行業(yè)大變革，你是前浪還是后浪

AI時代來臨，第四次工業(yè)革命可能已經(jīng)開始，在這種時代的浪潮之下，必然會帶來重大的變革。不能夠適應這個時代的人，就會成為前浪死在沙灘上，如同第一次工業(yè)革命里那些紡織工，而能夠在這個時代浪潮上存活的弄潮兒，將有改變這個世界的可能。

1. 經(jīng)濟下行，降本增效是近幾年行業(yè)的總命題

黃喆老師分享的《大變局下，產(chǎn)品創(chuàng)新的道與術》中講到：降本增效，是近幾年避不開的一個話題。公司負責降本，降的是低質(zhì)低效的勞動力，那么在這個階段，我們能如何自救？是卷成007嗎？還是直接躺平擺爛？也許都不是，黃喆老師也表述了，更重要的是要如何增效。這個增效不是個人的增效，而是要思考整個業(yè)務鏈，整個公司如何增效。

為什么我們說產(chǎn)品經(jīng)理是CEO的搖籃（雖然會議上有老師質(zhì)疑了這個點，但我還是認為這句話是合理的），因為除了項目經(jīng)理之外，產(chǎn)品經(jīng)理是業(yè)務內(nèi)唯一一個需要從需求立項到落地上線全流程跟進的崗位。那么在當下這個大環(huán)境里，產(chǎn)品經(jīng)理可能要跳出自己的業(yè)務，以“增效”為需求，去思考有什么是需要去解決的。這個增效，即指給公司增效，也指給用戶增效。

2. 風險與機遇并存，好時代還是壞時代

AI的突然興起，是否能為我們解決增效問題呢？其實是有的。大模型的存在，則可以直接用于“增效”。

無論是2B還是2C，大模型都為產(chǎn)品帶來了更多可能性。會議上以Notion APP作為例子，因為引入了ChatGPT的能力，在產(chǎn)品效能上提到了很大的提升，自然語言處理技術的加持下，可協(xié)助用戶自動優(yōu)化筆記中間的排版格式，不僅給用戶帶來了絕佳的體驗，也給公司帶來了一個月1000萬美元的ARR收入。

同時，AI也可以賦能于公司內(nèi)部，會議上以非結(jié)構(gòu)化的設計為痛點，通過AI去解決這中間的溝通成本。舉一反三，也許未來通過AI，產(chǎn)品經(jīng)理生產(chǎn)一個PRD，就能自動再生成一個交互設計圖，生成一套UI圖片，生成一套代碼，生成一套測試用例，而這一切都需要一個PRD就可以完成。（也許PRD都可以AI完成了）

在張新泳老師的分享中，我們可以看到，互聯(lián)網(wǎng)發(fā)展已經(jīng)進入到了一個瓶頸期，很多曾經(jīng)爆火的賽道，隨著時代的變遷已經(jīng)在發(fā)生改變了。而作為產(chǎn)品經(jīng)理，必須要學會的就是擁抱變化。

二、產(chǎn)品經(jīng)理+AI，“人人都不是產(chǎn)品經(jīng)理”

1. 新技術賦能新產(chǎn)品，產(chǎn)品經(jīng)理面臨更高挑戰(zhàn)

如果說2023年之前的產(chǎn)品，只需要會做需求，畫畫原型圖就可以混吃等死，那么2023年之后的產(chǎn)品，光會這一些就遠遠不夠格了。在這次大會中，多名老師都強調(diào)了一個點，那就是“看論文”。大多數(shù)產(chǎn)品其實都是偏客戶端的產(chǎn)品，并沒有接觸過算法，對于AI算法到底是個什么東西，其實并不了解。

筆者做了一個小的心得總結(jié)，大家可以參考一下?？蛻舳碎_發(fā)和算法開發(fā)最大的區(qū)別是，客戶端開發(fā)是“定方法找答案”，而算法開發(fā)是“定答案找方法”。再通俗一些，就是客戶端代碼是寫函數(shù)求解，算法是根據(jù)解去找函數(shù)。所以對于產(chǎn)品經(jīng)理來說，一定要知道算法開發(fā)的邊界在哪，他們能做什么，不能做什么，而不要去成為一個提“五彩斑斕的黑”的無腦傻X產(chǎn)品。

2. 方法論要求：將無序的業(yè)務轉(zhuǎn)化為有序的建模

高暉老師在會議中分享了一個B端產(chǎn)品的產(chǎn)品模型設計，雖然我做的是C端產(chǎn)品，但是筆者覺得這部分是非常受用的。最開始作為產(chǎn)品的時候，接觸到的產(chǎn)品不多，所以會做很多的競品分析，但這些分析可能分析完就感覺什么都沒留下。而在這個過程中，所欠缺的一步就是將無序的業(yè)務轉(zhuǎn)化為有序的建模（老師PPT原文，說的非常精準）。

舉例子，一個電商APP，需要有什么功能模塊？也許不熟悉的產(chǎn)品想到的就是購物頁面，賬單頁面，商品詳情，購物車頁面等等。但這些都是產(chǎn)品的表象，并不是產(chǎn)品的核心。淘寶京東有購物車，拼多多為啥沒有？那這是產(chǎn)品模型的缺失嗎？（這個問題應該各種電商面招都會問）高暉老師在分享中提到了業(yè)務流程七要素：人物、結(jié)果、經(jīng)過、起因、時間、地點、標準。只需要將這個七個要素搞定，基本你也就知道這個產(chǎn)品中需要哪些功能，不需要哪些功能了。（后面任開友老師的零售行業(yè)案例，其實也論證了這部分內(nèi)容）

根據(jù)以上的思路，即使你在面臨一個從未接觸過的產(chǎn)品業(yè)務，你也能快速的上手。（恕我直言，好多產(chǎn)品自己的業(yè)務做了好幾年都不知道自己產(chǎn)品的架構(gòu)是啥樣的。）

3. 商業(yè)要求：一定要思考盈利模式，掙錢不磕磣

我自己曾在兩個創(chuàng)業(yè)公司做過產(chǎn)品，那時候我也是一個初級產(chǎn)品經(jīng)理，我們幾乎全公司所有人（包括老板），都沒有仔細的考慮過，這個產(chǎn)品應該怎樣去變現(xiàn)。（最終導致兩個公司都發(fā)不出工資我麻溜滾蛋）

AI環(huán)境下，商業(yè)模式會發(fā)生什么樣的變化，我們現(xiàn)在還不得而知，但筆者認為，這也是一個必須要思考的問題，我們不僅僅是要解決用戶的需求，還需要解決自己溫飽的需求。

三、AI時代下的產(chǎn)品如何深耕自身

整場會議中，Hali老師的演講讓我眼前一亮，其他的老師也許都是這個領域深耕十幾年，但Hali老師讓我看到了一個新產(chǎn)品是如何靠著堅定的執(zhí)行能力得到快速的自我提升。筆者一直以為自己算一個執(zhí)行力還不錯的，但對比之下發(fā)現(xiàn)自己就是口頭司令。

Hali在完全不會代碼的情況下，通過GPT和AIGC做出了自己的產(chǎn)品，重點是，解決了一個我之前一直在思考的問題，如何教會用戶走AIGC的最后一公里。在AI時代下，一個人就是一個團隊的情景只會越來越多，精通AI的產(chǎn)品經(jīng)理完全可以做出屬于自己的產(chǎn)品，只要你能將你的GPT“調(diào)教”成一個程序員、一個UI設計師、一個測試員，你就可以自己創(chuàng)業(yè)了。一個懂AI會用AI的產(chǎn)品經(jīng)理，是不會被AI所替代的。（其他崗位同樣）

1. 技術認知，不求甚解

我自己目前的工作涉及到AI產(chǎn)品，目前主要負責語音ASR，所以最近幾個月也一直在跟隨開發(fā)一起去看OpenAI、Google、Meta等科技公司發(fā)布的大模型論文。說實話，這些內(nèi)容對于我來說挑戰(zhàn)非常大，作為一個沒有學過高等數(shù)學的藝術專業(yè)生，這些涉及到概率學、線性代數(shù)、線性回歸知識，我的確是一個頭兩個大。

后來我暫時放棄了這部分，先去看了幾本跟人工智能相關的書籍，這些書籍基本講的都是一些非技術的人工智能概論，有了一定的背景了解之后，我才對算法有了一些粗淺的見解。（在這之前我一直都是以上文客戶端開發(fā)的思維去看算法開發(fā)的。）我開始頻繁的關注CSDN等開發(fā)者網(wǎng)站，里面會有很多對于論文的解析，也去看了吳恩達的一些視頻講解，雖然現(xiàn)階段的我沒法做到對算法完全透徹的了解，但是當下已經(jīng)夠用。這次大會上，很多老師都講了技術相關的知識。

這些知識說實話我聽的時候也是一知半解，但是很多情況下一知半解足夠了，沒有人是能夠一開始就能全懂的，哪怕是專業(yè)的算法，他們在看到一篇全新的論文的時候，也是一知半解的摸索，你需要做的就是相信這些積累——不斷的積累。

2. 產(chǎn)品認知，多看，多用，多玩

流行的AI軟件，都去用用，不要只停留在自己的職業(yè)領域。筆者的工作主要涉及的是語音，但是我依舊會去了解文生圖、圖生圖等相關的算法能力。雖然現(xiàn)在的工作上用不到太多，但是以備來日。未來這么多機會，掉下來了卻發(fā)現(xiàn)自己連盆都沒準備好。

兩天的大會其實學到了很多，光憑一篇文章我是沒辦法全都講完的。從“人人都是產(chǎn)品經(jīng)理”的產(chǎn)品經(jīng)理野蠻生長，到現(xiàn)在AI技術降臨，90%的產(chǎn)品經(jīng)理又要開始從零開始學習。后續(xù)筆者有機會會把上面提到的論題單獨再發(fā)文章，和大家一起思考，一起討論，一起進步。