所有产品经理的日常工作可以分为四个环节。第一，做观察，观察用户、场景以及行业；第二，思考，思考需求、推演抽象，得出框架；第三，表达，表达方式可以文档、设计、产品原型等等，把观察思考的内容具象化，在团队内部展示沟通、协调资源；第四，实践，包括开发、上线、迭代、复盘等过程。四个环节步骤，形成工作闭环。

　　AI 公司一系列的行业和产品特性会给产品经理带来一些新的挑战：

需求不确定（比如，如何写测试用例）；

难以判断产品\项目效果（预期很难管理）；

缺乏数据（市场、用户、反馈）；

还未形成有效的产品开发迭代范式...

　　目前很大一部分人工智能公司的都是从 To B 切入的，为其他公司提供人工智能的解决方案。这就好比做外包，客户的需求是很难在一开始就界定清楚，在开发的过程中是不断在变化的，产品经理在这里需要发挥缓冲区的作用。

　　另外一方面你会从老板、客户、用户那里收集到繁杂不清的需求，有些需求可能是实现不了的，你需要对这些需求进行过滤，并对重要优先级进行排序。

　　除了需求以外，更顶层的挑战来自于落地场景的不确定，这里需要产品经理可以作为一个 Hunter 的角色，找到一个精准并且足够小的落地场景。这也是一部分互联网从业者暂时还看不清 AI 的原因，即缺乏明确的 to C 的场景需求。

　　挑战2：打不开的技术黑盒

　　AI 时代的产品经理需要面对的另外一个挑战就是 AI 的技术黑盒。在成熟的产品体系下，产品经理是不需要考虑技术黑盒的问题的。但是 AI 产品显然不属于这种情况。

　　技术黑盒，是有内涵和外延的。内涵是指这个东西到底是怎么回事，外延从外部输入控制信息，根据他的输出信息来判断他的功能和特性。

　　产品经理不要试图从从内涵的角度了解技术，你的最终目标不是技术专家。技术领域其实有一个说法，就是如果一个东西看起来是鸭子，叫起来也是鸭子，行动起来也是鸭子，那他就是鸭子。所谓面向对象编程，只是换个接口而已，放在产品经理的语境中同样适用。

　　那么如何从外延理解或者定义技术呢？

　　首先，可以从效果来定义技术，即它能达到什么样的效果。其次，从适用环境来定义技术，即这项技术适用于什么样的环境，环境变了会有什么样的变化。再其次，从产品消耗的资源来定义它，即如果要实现这样一项技术，要消耗什么样的资源，要多少数据；然后如果环境变了，或者说如果在资源不够的情况下，会产生什么样的问题。

　　此外还可以从团队配置来定义技术。产品经理很重要的一个能力，是 People Skill。所有的技术、产品最终都是由人来实现的，所以从人、团队的角度去定义技术，其实应该是产品经理重要职业技能之一。在 AI 时代里，我们不能保证某个技术黑盒一定能打开，或者对于某项技术的理解到什么程度，但是经过职业积累，产品经理需要能够把控实现某需求需要什么样的团队配置，以及对于工程量的估算。

　　挑战3：来自团队的挑战，端口更复杂

　　第三个挑战，就是团队的挑战。在一个成熟的行业中看到的情况是，在组织架构的设计上倾向于让这个团队之间的接口非常明确（守崑老师是技术背景）。同时，团队的交互是非常清晰的，大的公司在接口的人实际并不会很多。为什么这样设计？原因是这样才能让系统是可控的。

　　我们可以想象流水线的情况，对于流水线上的工人来说，他们的接口就是上一个 Stack 和下一个 Stack 这两个接口就够了，而且跟他发生交互的人，跟他的工作性质是类似的。

　　AI 是一个新兴的、不确定性很高的行业，团队的组织架构会跟成熟行业大公司在很多方面存在差异。对于产品经理来说可能面临的一个很严重的挑战就是，你的接口会变得特别多。产品经理需要跟公司里的每一个人打交道，并且还有一些新物种，刚刚已经被吐槽半天了，所谓的科学家和工程师。科学家这个物种目前还相对比较简单，做的事情都差不多，叫科学家就行了，工程师这个物种就复杂了，会有前端、后端、客户端，还有数据库一系列的工程师。