faq是什么意思(faq是什么意思医学)奔走相告

AIPM在不同公司的定义或要求不甚相同；因此，我们根据AIPM同行们的总结，对不同AI公司先做一个基本的分类。

 

常规 PM（Product Manager，产品经理）与 AI PM 存在差异，在已有的平台对二者之间的定义较为模糊本文从他们的工作内容和技能要求两方面对他们做较全面分析AI PM在不同公司的定义或要求不甚相同；因此，我们根据 AI PM 同行们的总结，对不同 AI 公司先做一个基本的分类。

AI 公司分类看了 AI PM 同行们的总结，目前有三类 AI 公司，不同公司对 AI PM 的诉求也有所不同参考[百万年薪的人才泡沫与人工智能的虚假繁荣]文中的解释：> 第一类是互联网巨头，包括“超第一梯队”的跨国公司Google和微软亚洲研究院，以及第一梯队的巨头——大家熟悉的百度、阿里和腾讯；以及第二梯队的今日头条和滴滴等公司。

> > 第二类是人工智能创业公司，以某种人工智能技术为主营业务的创业公司，典型的如自动驾驶领域的Momenta、地平线、驭势科技；视觉识别领域的格灵深瞳、商汤科技和旷视科技等> > 第三类是将人工智能融入到自身业务中的其它创业公司，如学霸君、泼辣熊和智齿科技等。

再另一篇文章 [To B产品经理如何转型为AI产品经理]中，采用了不同的分类方式如下：> 第一类，【基础层AI】领域的公司这类公司的业务是提供AI技术平台及其配套基础设施，例如：各种AI开放平台、各种云计算平台、基础AI硬件提供方等。

由于AI技术本身就是产品，因此这类公司每提升一个技术的等级，就能够提升产品的竞争力> > 第二类，【AI+行业】领域的公司这类公司的所在行业是由于AI技术的发展而创造的新的行业（品类），例如：智能自动驾驶、智能音箱、智能手环等，也就是说，没有AI技术就没有这类公司。

> > 第三类，【行业+AI】领域的公司这类公司主要是现有行业内应用AI技术来提升产品竞争力，例如：智能医疗系统、智能客服系统、智能UI设计系统等我理解这类公司是在充分理解商业业务场景的基础上，寻找能够为企业带来进一步“降本增效”的AI技术方案。

常规 PM，是企业中专门负责产品管理的职位主要负责市场调查、确定开发产品类型、推动产品的开发等常规 PM所有 PM 都需要从「用户」「需求」「场景」等角度出发来确定一款产品从公司定位和产品形态上，主要有 toB 和 toC 两类 PM：。

toB PM -- 需要根据目标客户的场景需求，制定相应的解决方案（产品形态大多是 API 或 SDK）；toC PM -- 需要根据潜在用户的场景需求，设计产品的功能（产品形态大多是 移动 App 或 Web 网站）

PM 的日常工作包括将目标拆解，梳理产品逻辑，编写产品需求文档，并有效及准确地传达给团队中的 UI 设计师、工程师（包括前端和后端），测试并发布初步开发完成的产品，对用户测试，做详细的数据分析等那么，PM 的通用技能都有哪些？（参考[Product Manager Skills By Seniority Level — A Deep Breakdown]）。

简单翻译下，就是：战略思维：能为越来越大的产品领域和问题寻找答案沟通能力：能清晰准确地进行书面和口头的交流合作能力：在团队内部以及外部的协作下，完成任务利用工具：利用产品管理工具，促进团队的良好合作把控细节和质量：推动项目进展，并及时发现细节错误

用户科学与同理心：利用用户科学工具来更好地理解用户，使产品适应用户需求管理能力：管理、提升团队人员的能力、扩大团队规模AI PM不同公司的 AI PM，又有什么不同呢？看到大家都在说，与 常规 PM 相比，AI PM 需要理解技术、了解算法原理。

但技术又需要理解到什么程度？所有的 AI PM 都需要学算法和技术吗？【基础层 AI】公司的 AI PM 基础层 AI 公司的产品结构大概是这样的：

根据产品结构划分，主要有底层技术和上层业务两类 AI PM负责底层技术的 AI PM，为上层业务部门提供算法产品（算法库+功能接口）主要日常工作如下：- 对算法产品（如算法工程师直接提供的算法库模型）进行一定的封装；。

- 根据上层 AI PM 的反馈（算法合入工程后可能引发的各种问题），与技术人员定位问题 -- 如果是算法问题，则反馈给算法工程师；如果是业务需求问题，则制定相应的技术解决方案；- 制定算法产品的评测范围，各功能的性能指标；

- 拆分各业务部门的需求，迭代算法产品，并提供详细的技术支持文档；- ...此类 AI PM 须拥有较强的技术能力，并能够理解算法和工程中的问题，才能满足上层的业务需求与技术能力相比，负责上层业务的 AI PM，更需要理解 AI 在行业应用场景中的关键问题，为客户提供易于集成的定制化或通用解决方案。

早期我在商汤属于上层业务的 AI PM，工作重心是项目管理首先根据客户的需求，制定解决和行动方案然后向底层技术部门申请算法开放的功能接口，集成到上层业务下面用 [SenseID 身份验证服务] 的案例来讲解在真实场景中，上层业务的 AI PM 如何解决客户需求。

> 身份验证服务：> > 用于解决互联网金融客户、银行等行业的用户身份验证场景，提升交易安全性，比人工审核更高效便捷，同时减轻客服人力成本，产品形态主要是给客户提供的相应的 API / SDK> > 解决方案包括这几个功能模块：。

> > - 人脸识别模块 > - 活体检测的模块> - 证卡 OCR 模块客户关心的问题：- 产品的数据安全性，以及用户体验可被提升的程度，- 产品不同功能模块（如活体检测与证卡 OCR 模块）可互相兼容，并各模块的数据可相互联等；

- ...针对以上问题，因此需要对解决方案中的活体检测算法有较高的准确率，还支持对各类视频防伪的要求等为了解决客户问题，降低客户技术人员对我们解决方案的集成难度，AI PM 偶尔会写使用文档来补充细节或 FAQ，常在客户与技术沟通群中查看具体问题并定位问题来源，优化解决方案，发动自身能量推动工程、算法部门，共同解决客户问题。

【行业+AI】的 AI PM在【行业+AI】类公司中，大部分都以与【基础层 AI】合作的方式来解决业务需求问题目前有几种常见的 行业+AI 的场景：- 提升功能体验，如某短视频产品的 AR 模块，使用 AI 的人脸识别，关键点定位等算法，开发人脸贴纸和动态特效；。

- 优化体验流程和效率，如某金融产品的身份验证流程，使用活体检测 + OCR 证卡识别技术，代替原有的人工审核流程；- 提高数据增长量，如某些推荐产品的策略，可使用 AI + NLP 来优化，使用文本语义分析等算法，计算各个指标的相关性；

不久之后，AI 也许能解决更多产品的需求...此类 AI PM 要大量积累产品所在行业的知识，提升洞察力和商业思维与 AI 相关的日常工作包括：- 根据自身业务需求做相关 AI 服务调研；- 了解 AI 技术能力的范围和边界，如：现有 AI 技术可以优化哪些产品功能，创新突破哪些体验；。

- 详细了解 AI 解决方案的开发文档、接口和数据格式，实际测试和对比各 AI 服务，及时发现可能存在的坑，写分析报告；- 确定 AI 解决方案后，评估 AI 服务成本以及对产品提升的效果，再与乙方 AI 公司谈合作。

【AI+行业】的 AI PM在【AI+行业】类公司，AI 技术需要支撑它的核心业务，第三方通用 AI 服务无法解决该产品的复杂需求和特殊问题，需要自主研发算法和训练模型，比如智能自动驾驶、智能音箱、滴滴对车辆的调度策略相关算法等。

我做的这款基于 AI+NLP 的中文写作工具，也属于这类产品这类 AI PM 既要了解产品本身的核心应用场景、做出更接近用户行为的产品设计；又要思考算法技术提供的能力范围、制定产品的分析策略、将 AI 技术无缝衔接到产品的核心功能里。

例如，校对功能需要攻破的主要算法问题如下：- 准确率（检查文章，正确找出错别字）- 召回率（是否遗漏部分错别字）- 文字容量（单次校对的字数限制）- 运算速度（实时检查所需反馈时间）根据上述指标，AI PM 需为算法工程师提供抽象规则的提取策略，对算法各版本进行评测并分析结果是否优化，定义前端展示的数据和逻辑，前端产品原型的交互设计，后续迭代的版本管理...

这类 AI PM 要掌握的技能就很多了！如果是 NLP 方向的话，可能还得再多了解一点语言学相关基础常识AI PM 需要全程参与，团队最好要有该领域专家来做知识的制定和补充所以...我几乎每天都在思考如何解决这些问题，并尽可能高效地落实到具体行动中。

总结根据以上各类 PM 每天需要解决的问题、提出的解决方案，具体的行动和时间分配，相信大家已经能感知到 AI PM 和 PM的差异了最后，谈谈我感受PM 的思考是为了解决问题（用户在真实场景中的关键问题），利用通用产品思维工具，将无边无际的问题和答案路径约束在一个较小的范围区间；集中精力使用最有效的方案，解决最重要的问题，为公司和社会创造出更多的数据和价值。