随着人工智能技术的飞速发展，AI产品经理的角色变得愈发重要。然而，许多从业者在面对AI的快速变革时，常常感到焦虑和无所适从。本文作为“AI产品经理转型三部曲”的第二篇，深入探讨了AI的本质，希望能帮到大家。

一、前言：

通过在认知篇第一章认知篇①《直视AI、认识AI》，大家会感受到AI发展如此迅速和技术平权，并且随着这两年AI技术的快速发展，周围使用AI的人越多，你可能会感到更加焦虑和急迫，甚至无所适从。

我身边经常会有人问我：我看那些AI技术好cool、好厉害，但是我不知道怎么做。

久而久之，那些成功利用AI的人和未能有效利用AI的人之间的差距也会愈发明显。

这将给后者带来四种状态：失事、失焦、失策和失控。

1、失事：

有一句话非常贴切，即“试错成本低，而错过成本极高”。面对这一大趋势，可能因失事而被淘汰。那么，如何不错过这个机会呢？

这就需要我们去主动认知，主动尝试；开始学AI，最关键的是什么？是“开始”。如果你从来不迈出这一步，那就永远停留在原地。

2、失焦：

其实很多公司AI和主营业务会并存发展，甚至鼓励几个员工主动尝试AI技术，但是会发现并没有什么巨大作用，担心投入产出，从而丧失对AI能力的信心。

本质上，我觉得AI切入点一定是以业务为导向。我们需要找到那些业务价值大且AI成熟度高的业务，即业务与模型的最大公约数。以这些业务为切入点，可以在短期内快速获得成果，树立信心。

3、失策和失控：

这两个我一起聊，很多人在当下会失策，表现为不知道自己做什么才不会被AI代替掉；

但是如果当自己付出很多精力在AI上，自己传统工作流和AI工作流时间上就会出现冲突；该如何平衡？我刚开始做第一个完整的AI work flow时候，废寝忘食的去全身心投入思考，以至于也会影响到自己的主要工作内容。

我觉得失策和失控的背后本质其实还是业务目标问题，如果我们找到的那个AI发力点和自己的业务模块可以结合，那不仅不会失控，更会助力你的工作效率。

所以要想摆脱自己的“AI焦虑”，最好的办法就是解决直面这一系列的问题，失焦、失事、失控、失策，其根源在于我们对AI的理解较为局限。

许多人感到焦虑，是因为他们认为AI的发展看似与自己无关。那为什么与我无关呢？因为你没有真正参与其中、不敢投入、没有行动、永远旁观。

今天我的目的就是为了提升大家的认知，了解AI本质，你们才能真正做出行动。

我把AI的本质划分为三类，

• 技术本质：你需要理解AI是什么，以及它不是什么；
• 商业本质：明确AI能做什么，不能做什么，以便有效地将其应用于商业实践
• 人机本质：探讨的是AI与人的关系。AI是否需要人？它强化了谁？它替代了谁？

二、AI技术本质

“人工”“智能”的关键是“智能”吗？

我认AI的技术本质就是模拟人类的智能行为。

现代所有人工智能的起点都是神经网络；或者准确来说是模拟神经网络；

人脑中有非常多的神经元，通过神经元里的树突接收信号，再通过突触输出、思考、决策传输信息，这些神经元就可以通过电化学信号传递信息；所以神经网络是由一个个“神经元”作为基本单位组成的，神经元结构由输入、计算单元、输出构成。

所以这样一说大家是不是突然更加形象的理解了。

通过计算机技术模拟人类的智能行为，包括学习、推理、判断、决策等。我们试图让机器具备人类的感知、思考和行动能力，从而能够自主地处理各种复杂的任务。

所以说：AI 技术的本质，就是人类对自身智能的深入探索和模仿。

而算法就如同 AI 的 “大脑”，决定了机器如何处理和分析数据，以及如何做出决策。通过不断优化算法，AI 能够从海量的数据中学习规律，进而实现对未知数据的预测和判断。

例如，在图像识别领域，AI 可以通过学习大量的图像数据，识别出不同的物体、场景和人物；在自然语言处理领域，AI 能够理解和生成人类语言，实现智能问答、机器翻译等功能。

AI也是硅基智能生命

很多人认为AI本质上是一种工具，他们认为在AI时代，AI其实和电脑、IT工具、互联网的应用之间就没有什么本质区别。

然而，事实上最初在1956年人工智能概念的定义，就是让机器具备人类般的智能，以取代人类工作。

在前50年里，人工智能开发者试图通过工具逻辑、电脑方法，即逻辑或符号方法，以及编程逻辑来实现这一目标。但这些尝试并未真正实现人工智能。

尽管如此，以上的探索依然成就了后来的IT、电脑、计算器等电子产品。但是它们是工具，不是人工智能。

真正到21世界，以AlphaGo为代表的AI，开始被大家所熟知。

所以我认为AI的发展史，其实就是硅基物种的进化史，它是不断在成长、进化、融入人类社会的。

随着深度学习和神经网络技术的出现，并且随着现在科技的进步，随着参数和注意力机制的增加，人工智能不仅能够识别对象，还能识别关系。（比如现在AI完全可以通过语义理解你说的苹果，是苹果手机还是水果。）

深度学习/神经网络：帮助AI识别对象。

注意力机制/Transformer：帮助AI识别关系。

人工智能如何融入人类？

我们人类使用语言，而AI也学会了自然语言，这使得人类能与之交流，这被称为NLP。

人的语言有什么特点呢？大家会发现人的语言能够描述、复刻、预判、创造这个世界上的一切的意义，这是一套世界代码。

当计算机AI拥有这套世界代码后，它便能够承载一切，展现出与人相似的智能，并且这套代码还能与我们自然沟通，因此人类就拥有了通往AGI的途径。简而言之，人类自身就是一种通用智能的能力。

其次AI的进化，其实和人脑的进化如出一辙。大家可以看下方的示意图。

人脑的进化其实就是从脑干、小脑、枕叶、顶叶、颞叶，最后到前额叶和后额叶。

而人工智能的进化逻辑与人脑的进化逻辑极为相似。

• 【脑干和小脑】：在计算机时代初期，智能尚未发展，计算机更多只能按照人们的指令完成最基础的任务
• 【枕叶和顶叶】：随着深度学习和神经元的发展，感知智能开始出现，机器可以够识别物体并基于此做出反应。
• 【颞叶】：随着深度学习和神经网络的发展，计算机逐渐能够识别自然语言，通过自然语言和人类进行交流。
• 【前额叶、后额叶】：基于自然语言和大型模型，它开始具备类似于人类理性的智慧，能够认知世界、回忆、联系、预测、沟通、推理、想象和创造。

当前，AI 技术虽然取得了巨大的进展，但大多数 AI 系统仍然属于专用型 AI（Narrow AI），只能在特定的领域内完成特定的任务。

未来，我相信通用能力的人工智能（AGI）一定会到来，期望它能像人类一样灵活应对多种复杂任务，实现智能的全面性和普适性。​

二、AI的商业本质

回顾 AI 的发展历程，从早期的概念提出，到后来的技术突破，再到如今的广泛应用，在这个过程中，许多企业盲目追逐技术热点，却忽视了商业的本质 —— 满足用户需求，创造价值。

其次，因为AI可能产生误导性结果，因此在商业中，AI更适合作为服务提供者，而不是决策者。（当下的AI是不可能取代人类直接进行决策的）

结合以上，在现在这个时间节点，我理解的AI商业本质：价值体现在产品服务化和服务产品化的提升，持续放大服务的价值。

观察你们所在的公司、行业或领域，考虑哪些地方可以提供更专业、更细致的服务，AI将能在此中释放更大的价值。

一些早期的 AI 创业公司，它们在技术研发上投入了大量的资源，试图打造出功能强大的 AI 产品。然而，由于对用户需求的理解不够深入，这些产品往往无法真正解决用户的痛点，最终难以在市场上立足。

通过对公司场景和业务的分析，我认为AI在商业中有四大发展方向：

1. 职能效率升级，关注现有服务如何提升效率，通过工作流程的拆解与优化。

通过人工智能技术对企业内部各职能模块（如生产、运营、客户服务、供应链等）进行优化和改造，从而实现效率提升、成本降低和决策智能化的过程。

例如财务报销流程中的票据识别与核对、客服对话的自动响应、预测市场需求，优化库存管理等等；

特斯拉柏林超级工厂的”黑灯车间”通过AI系统通过物联网实时采集12.8万个传感器数据，动态调整生产线配置，使换型时间从传统车厂的72小时压缩至19分钟。这种智能调度能力源于AI对制造知识图谱的深度学习——系统能预测设备磨损曲线，自主生成预防性维护方案，将停机损失降低67%。

京东物流的”智能仓网大脑”展现出颠覆性价值。通过融合需求预测、路径优化、库存仿真三大算法模块，系统将全国仓储周转率提升至行业平均水平的3.2倍。

我建议大家从小规模试点（如某一部门的 AI 工具）开始，逐步扩大应用范围，积累数据与经验。

2.新产能新智能，开拓新的生产能力或智能场景，瞄准未被满足的产能需求。

在过去，借助 AI 算法，企业可以根据消费者的个性化需求，快速设计和生产出定制化的产品。例如，通过收集消费者的身材数据、喜好和风格偏好，在我们平时购物的电商平台都有一些所谓的“猜你喜欢”，这些都是最早期的AI推荐模型。

那随着人口老龄化的加剧，AI 的应用可以替代部分重复性、高强度的劳动，缓解劳动力短缺带来的产能压力。例如，在制造业中，智能机器人可以 24 小时不间断工作，弥补了劳动力不足的问题，保证了生产的连续性和稳定性。

其次，在一些复杂环境和高风险领域，如深海探测、矿山开采、火灾救援等，人类难以直接进行作业。AI 可以替代人类完成高风险任务，提高了任务的安全性和效率，满足了这些领域对特殊生产能力的需求。

以服装行业为例，从原本的智能推荐，甚至可以往通过AI帮助每个用户定制服装，满足了消费者对个性化产品的需求，同时也开拓了新的市场空间。

3.产品服务升级，存量深耕与体验跃迁

AI 推动用户体验从 “可用” 向 “愉悦” 跃迁。

在大多数企业场景下，AI可能无法做到新客的增长，但是我们可以从 “流量思维” 到 “留量经营” 转变。

我举个例子：在当前AI时代，有很多企业第一件做的事情就是搭建属于自己的知识库，并且通过知识库，为未来的RAG做好准备。大家尝试通过知识库，让AI智能客服和人工客服做分工调整；

• 人工客服专注解决高等级用户、复杂的问题；
• AI客服提升现有产品服务的 “效率 – 体验双维度价值”，在优化服务效率的同时（如缩短响应时间），增强用户情感连接（如 “懂用户” 的智能交互），实现存量用户的 “价值深挖”（如 ARPU 提升、复购率增长）。

4.新产品新服务，增量市场，服务平权

我在认知篇第一章就提到过，现在更多的免费、低价模型，多先进的硬件技术，AI不再属于互联网大厂的专属，更通过“服务平权”理念打破了传统市场的边界，创造了广阔的增量市场空间。

最近腾讯、谷歌都相继推出了不少低代码AI产品，低代码平台与AI工具的结合，使中小企业能以低成本实现数智化转型，这是以前无法想象的。

商业价值关键：

我要提醒大家，AI能够完成许多任务，然而它并非无所不能。

我们不应将AI视为万能的，而是要将其融入整体生产力中。让AI专注于它擅长的工作，并调动工具，让工具发挥所长，从而实现整体价值的最大化。

因此，AI 需要回归商业本质，将用户需求放在首位，注重产品的投入产出比，实现真正的价值创造。

三、AI的人机本质

什么叫人机？我先解释一下：所谓人机，就是人和AI的关系；

很多舆论、短视频都在说未来AI将完全替代人类，亦或者说某某岗位即将被替代，让大家产生无限的焦虑。

那我们现在就好好开展聊下AI的人机本质。

首先，毋庸置疑，现在AI的知识能力之广泛、思考能力也超越绝大多数人，所以这将对所有知识工作者和专家产生冲击。我上面提到了技术平权，其实AI也带来了知识平权。

然而AI这么厉害，但是现在的AI是缺乏主动性的，换句话说，AI缺乏内在的动力、动机和目标，它不需要承担责任。

因此，它需要被领导、被正确的使用。所以AI的使用，势必会引发劳动力市场的变革。

我很粗浅的做了一张图，从劳动力的逻辑来看，从古至今它都是遵循着金字塔结构的；

在过去，用“决策层、管理层、执行层”大致都能描述市场上所有的劳动力角色；

如今，AI作为越来越强大的知识工作者，无疑将对所有的层级都会产生影响；

但是，注意，这不一定是取代关系，未来将形成一种新的劳动力逻辑，那些会引领AI的人，必将在每个层级中脱颖而出。

• 工业革命，带来了工业化社会的变革。随着机器、工厂以及标准化分工的出现，生产力得到了最大化提升。那些工厂工人、技术骨干成为了社会中坚力量。
• 计算机时代，IT技术的出现推动了计算和存储能力的发展，进而实现了信息处理的分工化、效率化和价值最大化，每个企业都离不开IT人才。
• 互联网时代，核心是网站和流量，资本运作、融资投资和资产增值，各个领域都转型互联网，也引申出来了互联网产品经理这个角色。

那在人工智能时代，AI的人机本质是什么？

AI人机本质其实就是劳动力变革。

我暂把 劳动力分为两大类：第一类是碳基生物（人），第二类是硅基智能（AI）。这两者都是向商业提供劳动力供给的来源。

通过AI的优势和劣势的对比，我们就可以看出人工智能将替代、强化或增加哪些人类的需求。

AI的优势：

1. AI的知识水平非常高，通过互联网各类数据的读取学习，它对各种知识了如指掌，因为无论是人类知识的广度还是归纳速度，人类都无法与之相比。
2. 其次，AI具有非常持久的工作能力，它不知疲倦且随时在线，它不会生病，也不会情绪化，不需要休假；如果特殊的本地化部署，即使没有网络它甚至都可以工作。
3. 最关键的是AI具有成长的复制与继承，但人的成长无法复制。企业一个员工离职，新招来的不确定能不能比前任做的更好，并且需要大量的时间交接、学习，重新掌握。甚至遇到有的不靠谱员工，即使耐心交接也无济于事。

AI的劣势：

1. 从当前的AI角度来看，AI暂时还没有产生非常大的商业价值，这也是为什么我们暂时没有特别感受到AI的“威胁”。
2. AI目前还困在屏幕里，它的物理能力较低，本质上仍AI是一个大脑，通过对话框与用户交互。
3. AI缺乏主体性，它不主动、不拒绝、不负责，这意味着AI无法承担责任。在执行任务时，若出现问题，AI无法被追责，因为它们无法承担起责任。因此，AI不能被视为商业活动的主体，即不能作为事件负责人的角色。

通过以上对比，我们发现AI能力非常强大，但是大家思考一下，在公司拥有能力是否就意味着拥有了一切？能力是否就等同于一切？

人机-能力

我们通常认为能力至关重要，但事实上，我们追求的并非能力本身，而是产出和价值。

因此，能力必须转化为价值。

人机-授权

在商业公司中，大多都是有上下级关系，那上下级关系也意味着工作的监督性。

所以，能力产生价值的前提一定是得到授权。

其次，在现实社会，一个员工需要对自己的工作负责，涉及到薪酬、绩效等等（如果干坏了，会受到批评，甚至开除；如果干得好，你将得到奖励和认可。），

因此，负责和授权是施展能力的前提条件。如果AI无法负责、那就无法授权，那就更无法施展能力产生价值。

人机-信任

接下来讨论负责的前提是什么？

负责的前提是大家信任你，老板信任你。这源于你的日常表现、过去履历、为人处世等等方面。

如果现在你使用AI应用，十次九次答非所问，作图次次都是幻觉，你作为AI的老板，你还会在工作中将AI代替那个熟悉他日常工作内容的员工吗？

所以，以价值为导向的信用与责任体系是不可或缺的，没有信任就无法授权，而没有授权能力就无法实现价值。

这个时候人机关系就非常微妙了，

AI必须有人为其负责，将不负责任的能力转变为具有信用价值的责任。

小米汽车辅助驾驶出事故的时候，网络上很多人会将矛头指向汽车厂商，我觉得这是不合理的，至少在当下这个阶段来说：我们对人工智能的信用体系，一定是由AI与人共同构建，需要有人承担整个系统责任。

通过以上讨论，再回到上面的金字塔模型，大家可能就更好理解了。

• AI决策者：为AI的输出负责的人，他需要确定AI的方向，即AI的目标、价值和预期结果。这些方向和结果都是由AI的负责人来决定的。这将对个人的业务、市场洞察要求提高非常多。
• AI使用者：通过AI技术，提升自身的工作效率，AI使用者的目标是提高个人效率和实现个人目标。比如帮助做Excel、PPT、建模、写文档等等。它是具体的、独立的。

所以各位，只要我们不断和AI磨合，我们职业就不会被替代，个人的价值也会因为AI随之放大并被更多地需要。

AI时代，放大决策，缩小执行；

请大家努力成为那个左右AI的人吧。