1、AI徹底顛覆了傳統(tǒng)產(chǎn)品架構(gòu)

高級產(chǎn)品經(jīng)理最核心的能力就是產(chǎn)品架構(gòu)能力，比如一個產(chǎn)品的模塊、功能、頁面、流程的最佳設(shè)計結(jié)構(gòu)。

但是，AI顛覆了這一切。

大模型是一種全新的能力，它有自己的優(yōu)點和缺陷，因此必須配套全新的產(chǎn)品架構(gòu)。比如元數(shù)據(jù)層、業(yè)務(wù)關(guān)系模型、業(yè)務(wù)規(guī)則庫、提示詞組裝邏輯等。

所有ToB產(chǎn)品經(jīng)理都需要學(xué)習(xí)新的產(chǎn)品架構(gòu)，比如Palantir的本體論：這也是本體論為什么如此火爆的本質(zhì)原因。

2、設(shè)計成功AI產(chǎn)品的前提，是有能力設(shè)計成功的產(chǎn)品

很多AI產(chǎn)品失敗，并不是因為技術(shù)，而是違背了傳統(tǒng)的產(chǎn)品方法論。

比如：產(chǎn)品設(shè)計的第一步，不應(yīng)該是需求調(diào)研，而是了解客戶的付費意愿。

再比如：方案設(shè)計的第一步，不應(yīng)該是畫原型和寫提示詞，而是確認(rèn)業(yè)務(wù)范圍，并收斂到有價值的業(yè)務(wù)場景。

AI是技術(shù)，產(chǎn)品方法論是商業(yè)、組織和管理，兩手都要硬。

3、AI產(chǎn)品的三個大坑

第一，場景坑：沒有找到真痛點，屎上雕花。

比如，做了一個AI審核產(chǎn)品，但是客戶每天就審核幾張單據(jù)，這樣的產(chǎn)品做得再好，也注定失敗。

第二，數(shù)據(jù)坑：沒有把“數(shù)據(jù)收集”工作前置。

從我了解的情況來看：100%的企業(yè)都缺失AI需要的數(shù)據(jù)。

比如，傳統(tǒng)CRM只需要記錄拜訪結(jié)果，但是AI原生CRM則需要給出拜訪建議——這就意味著需要準(zhǔn)備全新的數(shù)據(jù)，比如銷售決策邏輯。

這個數(shù)據(jù)梳理的難度往往比想象中要大，因此必須盡可能前置。

第三，定制坑：大部分AI項目都在虧錢

現(xiàn)在的AI項目都很推崇FDE模式，但FDE最大的坑就在于：項目做完了，卻無法產(chǎn)品化。

這是AI項目一直在虧錢的核心原因。

因此，必須從第一天就考慮產(chǎn)品化的問題，如果確定不能產(chǎn)品化，那么建議就不要接。

4、聚焦，還是聚焦

對于0到1的AI項目來說，數(shù)據(jù)梳理（包括SOP和業(yè)務(wù)規(guī)則）比想象中要難，項目周期比想象中要長，項目成本比想象中要高，因此項目成功的前提就是聚焦再聚焦。

只有收斂到“能創(chuàng)造80%結(jié)果”的“20%場景”，資源才能聚焦，問題才能快速解決，項目才有成功的可能。

5、成敗的關(guān)鍵不在于人多

由于企業(yè)AI的落地仍然處于早期階段，因此大部分項目的本質(zhì)不是一個“新項目”，而是一個“新領(lǐng)域”。

既然是新領(lǐng)域，那么真正的難點不在于工作量，而在于清晰的思路。

比如：選擇什么場景？業(yè)務(wù)規(guī)則如何梳理？產(chǎn)品架構(gòu)如何設(shè)計？黃金測試集如何整理？

因此，AI項目成敗的關(guān)鍵，不在于人多，而在于有一個“主心骨”，他能夠把整個思路串起來，把整個團隊串起來，把整個項目串起來。

這樣，整個項目的思路才能清晰，計劃才能清晰，風(fēng)險才能提前預(yù)判，困難才能快速克服。

這個主心骨最適合的人選，其實就是FDE工程師。

當(dāng)然了，F(xiàn)DE的職責(zé)不僅僅是成功交付項目，更重要的是提煉出標(biāo)準(zhǔn)化產(chǎn)品，因此，這是一個要求巨高的崗位。

而從實際情況來看，目前最有條件做FDE的，還是產(chǎn)品經(jīng)理。

來源 | ToB老人家（ID：ToBlaorenjia）

作者 | 王戴明 ; 編輯 | 蝦餃

內(nèi)容僅代表作者獨立觀點，不代表早讀課立場