生成人工智能 (GenAI) 不断拓展其在各个行业的视野，使所有领域的产品经理 (PM) 都有机会变得专注于人工智能并更加精通技术。
图片来自PixabayGenAI 在过去几年中显然已经迅速流行起来。支持人工智能的产品已经像蒲公英地一样在各个行业中涌现，几乎以无法控制的速度，看似无限的风险投资资金来延续水和阳光。
从产品管理的角度来看，人工智能可以通过多种方式提高 PM 生产力和战略领域知识。
话虽这么说，本文是关于为什么基本的 PM 实践仍然是王道，以及这些基本原理如何在 GenAI 领域提升 PM 的水平。产品管理作为一种实践是一项核心技能，适用于所有产品开发重点，无论是否涉及人工智能。
那么，为什么无论行业、人工智能与否，基本的 PM 技能都很重要？
以下是基本 PM 仍然重要的 3 个主要原因，以及使 PM 在不断扩大的 AI 未知世界中真正蓬勃发展的可行方法。
每当缺乏经验的产品经理读到产品团队如何按理论工作时，他们都会认为产品开发并没有那么复杂——这是一个菜鸟错误。
现实情况是，在任何特定时间，很可能都有数百个移动的部件。无论是基于团队的依赖性、销售和营销支持、海外团队处理的内部工具、需要刷新的数据遥测，还是影响上述所有内容的小任务和责任。
产品经理很特别，因为他们需要识别和管理那些隐藏的、移动的部分。他们是超级英雄，不惜一切代价，尽其所能帮助产品增长和交付。这种能力在工作中比成为团队中最大的人工智能专家更重要（尽管这并没有坏处！）。
最近，我受邀前往位于温哥华的 Maximizer CRM 总部就 AI 助手的世界进行演讲，其中介绍了全球 GenAI 市场如何从 2023 年到 2024 年从 $50B 增长到 $184B。演讲结束后，我被周围的人包围了。关于他们的组织如何真正采用人工智能来改进其产品开发流程的问题。他们的担忧与我的一致：产品开发如此复杂，采用像 Github Copilot 这样的工具真的能加快工作速度吗？我的答案仍然集中在基本面：产品经理需要保持强大的产品文化，以确保人工智能的采用，无论多么复杂，都能顺利进行。
产品开发领域另一件值得注意的事情是技术变革的步伐急剧加快。如果团队尝试在他们的产品中利用 GenAI，那么变革的步伐可能会更快。人工智能功能快速发展，有时每周都会发展，这使得产品经理必须坚持永恒的原则：了解用户需求，定义明确的问题，并提供真正的价值。如果没有这些基础知识，团队就会冒着追逐人工智能功能而不是解决客户问题的风险，这可能是一艘沉船。
GenAI 现在可以自动化特定的任务和工作流程，但它们在成本、特异性和细微差别方面受到限制。一位真正具有扎实基础知识的人类产品经理将知道如何利用可用的人工智能工具对产品团队产生立竿见影的影响，并了解如何管理所有推动发展的动态部分。这些可能包括：
了解一天中最重要的 5 到 10 件事情（共 100 件） 了解优先级和取消优先级的内容 学习何时说不 利用电子邮件人工智能工具过滤噪音 挑选出可以自动化或削减的区域或流程尽管这可能让人感觉很讽刺，但人工智能产品开发的复杂性越高（这是不可避免的！），产品经理在团队中展示强大的人际交往能力就越重要。
我坚信，强有力的利益相关者管理是任何 PM 都不应该牺牲的关键支柱，无论他们的技术有多先进。大多数产品经理与极其多元化的团队合作（例如：前端和后端开发人员、数据科学家、设计师、营销、销售、高管和外部利益相关者）。您会依靠 GenAI 进行上下文切换并针对特定受众定制演示文稿，还是会依靠您强大的人际交往能力来推进这一目标？
用户访谈、客户关系、利益相关者管理以及与产品团队就功能优先级等关键问题进行的辩论都应该由人际交往能力驱动，例如：
学习社会动态并保持友好、理解，最重要的是让你的工程师易于合作 通过倾听同事的意见并表明你理解他们的观点（即使你不同意），在没有权威的情况下进行领导和影响 在用户和客户访谈中表现出同理心，真正了解他们在尝试您的产品时的感受和体验“垂直”用例在焦点方面与传统用例不同。用例更广泛；它可以封装任何类型的任务、JTBD（待完成的工作）或客户/用户试图实现的目标。垂直用例只是更广泛的用例定义的子集，因为它专注于更利基和更具体的任务。
在 GenAI 的世界里，我们有所谓的AI 代理。 AI 代理是由 LLM 驱动的独立 AI 组件，可完成特定任务或一组任务。例如，在 Microsoft Copilot 中，特定的 AI 代理可以是 Microsoft Word 摘要代理，其中 LLM 配置为仅分析 Word 文档中的内容，然后为用户总结其内容。代理不会专注于所有事情，而是只专注于以更有针对性的方法完成其特定用例。
这就引出了“垂直人工智能代理”的主题——这只是描述人工智能代理的一种奇特方式，它可以比更通用的人工智能代理或助手更好地完成非常小众的任务或用例。
自 2022 年 GenAI 蓬勃发展以来，垂直人工智能市场呈爆炸式增长，并有望创下历史新高的市场估值。根据 AIM Research 的数据，2024 年垂直人工智能市场估值为 $5.1B，预计到 2030 年将达到 $47.1B，增长惊人。
通过确定每个垂直人工智能代理都可以成为专家的垂直用例，产品经理有望站在这一增长的最前沿。但他们如何才能发现这些有价值的垂直用例呢？
我想分享的一则专业轶事是我们在 Planview 的经验以及我们为验证客户的垂直用例而进行的不断发现工作。在交付 Planview AI 助手 Planview Copilot 的第一个版本后，我们的团队很快意识到我们的客户群不知道它如何使他们受益，而且潜在的用例列表既广泛又差异化。
作为 Planview Copilot 的产品经理，我选择了一些特定的用例来启动产品的 MVP 作为我的假设，并通过反馈电话和数据遥测与我的客户进行人际互动，以验证这些用例对他们是否有用。在这一年中，我不断应用这种快速失败的方法，直到我们的客户遇到了一些问题：一组基于人工智能的用例，真正为他们的日常工作流程带来了价值。基本实践是我们取得这一成功的关键，这就是为什么随着越来越多的公司开始像 Planview Copilot 那样发现这些垂直用例，垂直人工智能代理市场将充满成长的阵痛，但却充满令人兴奋的活力。
基本的 PM 实践——涵盖 PM 存在的核心原因的技能——将是解决方案。示例包括产品发现、用例优先级、客户关系和反馈内化。聘请一名产品经理来发现 GenAI 领域的垂直用例，然后制定策略并兑现这些承诺。
我建议 PM 继续：
探索进行产品和用例发现的最常见但创新的方法 通过不同的方式拓展他们的大脑，确定要解决的问题的优先顺序 深入了解 GenAI 市场，预测变化、了解客户问题并确定其产品可以解决的核心差距我希望我已经阐明了 PM 基础知识的始终如一的重要性，即使在数字人工智能时代也是如此。我相信，随着产品经理继续分享他们的最佳实践并改进他们的工作流程和框架，GenAI 市场将继续加速其客户价值。真正的影响将体现在工作效率、节省时间、娱乐和生活质量方面。
PM演习是一个全球平台和社区，专注于在世界各地发展产品经理职业生涯，并热衷于人工智能。
