AI产品生命周期

AI产品经理首先是产品经理，其次他也是AI工程师，优秀的AI产品经理至少在产品经理领域能做到前10%，同时，优秀的产品经理至少能在AI工程师领域做到对应领域的前20%。AI产品经理的核心本质工作仍然是 产品经理，其次，他最为重要的技能之一便是工程师的可行性把控。

AI产品经理具有俩种突出的思维，一种是AI思维，另一种则是产品思维。这俩种思维有时是冲突的，比如在有些时候，产品思维受到AI技术可行性或者数据资源的限制，使得产品思维不得不做适当的妥协。而有的时候AI技术又会受到产品思维的影响，而将AI技术的实际情况理想化，从而使得产品在定义或者设计阶段出现不合理的情况。这一点对于有一定经验的老产品经理来说，肯定多少都有体会，比如，产品经理通常同工程师在资源，工期，进度，产品定义，产品设计等方面出现思维不在同一维度的尴尬局面。

而新时代对产品经理的要求也越发的严格。那就是二者合二为一，前期可能需要下更多的功夫来弥补产品经理的AI工程师相应的功能。但是在后期，无论是沟通能力，还是AI产品定义能力，AI产品设计能力都会有很大的提高。最为关键的是效率会得到提高，并且作品质量也会有相应的提高。

因此，AI产品经理是产品经理的升级，也可以理解为AI赋能给产品经理。AI产品经理也是产品经理在AI细分领域深入的专攻。因此，AI产品经理所设计的产品经理还是有所区别的，那么，以下是针对AI产品经理所重新定义的更为具体的产品生命周期。

定义阶段

AI产品分为以下几类：

（1）云API

  (2)   模型训练框架

对于，云API,AI产品往往都是以模型为单位，以证件号码数字识别为例，如下图所示：

这个阶段往往以应用场景所产生的价值为导向，反向推断机器学习模型的选择，到底是使用分类中的支持向量机，随机森林还是聚类中的KMeans等。

这个阶段往往要回答以下几个关键的问题：

（1）数据是什么？能否满足场景需求，不能的话是否可以间接实现？

（2）数据是否可以通过预处理，清洗可以提高准确率？

（3）数据是否可以通过转化来优化特征提取？

（4）数据特征提取的方法选择，比如LDA,PCA等

（5）模型选择，即算法选择，如身份证识别便可以选择10分类模型，深度卷积神经网络也可以满足场景需要

（6）模型训练，保存以及模型部署，最终提供云API服务

第二种形式的模型训练框架就更加复杂，并且除了云API的内容外还有老式的产品经理要做的类似工作，这里就只需要参考老式产品经理工作内容（比如原型图什么的），在此就不再赘述了。

设计阶段

该阶段主要是流程图的设计，可以是步骤图，也可以是DAG环图，本质上是定义阶段的细化，落实到更细的更小的步骤上，比如算法的具体输入参数，输出内容，以及输入输出参数的格式（如常用的Json格式）等。

API的调用形式等。至于第二种形式的模型训练框架也请参考老式产品经理工作内容。

开发阶段

开发阶段同老式的开发阶段类似，也是根据设计阶段的设计编写代码，单元测试，跟进开发，进度把控等。这一部分的内容同样可以参考老式的产品经理工作内容。

上线阶段

上线阶段非常重要的就是A/B测试了，A/B测试可以最为有效的评估模型的好坏。通过比较不同的模型方案，从而选出当前最好的模型方案。最大化机器学习模型所带来的价值。

改进阶段

大多数的AI产品都实现了一个改进的闭环，以人脸识别为案例，其改进的闭环方案如下：

（1）少量的人脸图片进行模型训练

（2）模型提供服务，并且服务的同时，用户提供更多的人类训练数据

（3）更多的人脸数据反过来优化模型准确率，再接着进入模型服务的下一个循环。

也就是说，（2）->（3）->（2）->（3）这样一个改进的循环。

更多付费干货（限时免费）见