2019年全部人必需要掌握的一個技能 - 「AI思惟」

或許不少人認爲AI只是那些直接從事AI相關崗位的人必需要掌握的技能，但實際上，不分崗位全部人都須要一種能力，那就是「AI思惟」。若是沒能在合適的時機把本身的認知提高到必定程度，被替代是很天然的事情。在文本中，咱們主要介紹什麼是AI思惟以及它的重要性。我相信這篇文章會對不少人帶來不一樣程度的啓發。

 

什麼是AI思惟？

 

通俗來說，"AI"思惟就是藉助AI的知識去引導本身的作事方法以及工做模式的一種能力。好比這種思惟會指導咱們怎麼排事情的優先級、怎麼定義策略、怎麼迭代產品等等。打個比方，AI思惟裏一個很重要的點是「迭代」思惟，也就是作事情要遵循小步快跑。沒有人一開始就能夠作到十全十美，並且這個時代已經不像以前，外部的變化極其快。因此咱們須要經過小步快跑的方式，在吸收反饋的狀況下迅速迭代以及完善產品，同時要最小化試錯成本。若是對AI比較熟，應該都知道這種思惟模式跟bandit算法或者加強學習比較類似。

 

爲何AI思惟這麼重要？

 

若是放在大數據興起以前，這種能力不見得特別重要。但如今徹底不同了，咱們的決策模式，作事模式都在慢慢地在改變。好比以前決策很大程度上是基於人的經驗的（這種在AI上稱之爲基於規則的方法），但如今呢？ 不少的決策慢慢依賴於數據，而不是拍腦殼的決定（這種在AI上稱之爲機器學習），由於一旦數據量大，它反映的現實會比經驗更加真實。這種決策模式咱們也稱之爲數據驅動而再也不是經驗驅動。若是一家公司想跟上AI時代的浪潮，全員必需要擁有這方面的認知，這並不只僅是幾個負責人須要具有的能力。

 

說到數據策略，這裏有個很重要的點叫作「假設驅動」。那什麼叫假設驅動呢？ 理解起來不難，但實施起來卻沒那麼簡單。舉個例子，一個產品經理在設計一個產品功能，那他第一個要作的事情是什麼？ 就是提出假設，好比這個功能面向的就是60% 90後男性和40%的80後女性。提出這種假設須要必定的技巧（這不是文本的重點），以後即是經過用戶的使用狀況去分析數據，來驗證以前提出的假設。是否真的有60%的90男性在用？ 假如沒有達到預期效果，那就須要分析爲何？從而去接着迭代和修改產品，目的是讓你的假設和最終的結果能夠逐漸地靠近。

 

這種假設驅動的方法目標性很強，並且知道每一次往哪一個方向作改進。在數據時代，必定要記住：不能量化結果的產品是沒有辦法去改善的。假設驅動是數據分析領域最爲重要的概念，並且咱們要知道AI從廣義上是包含數據領域的。這也是爲何有過AI背景的人在不少問題上天然而然就採用這種AI思惟和數據思惟。

 

爲何每一個崗位的人都須要具有AI思惟？

 

首先，說一下產品經理。如今市面上最缺的是AI產品經理，也就是既懂AI技術又懂產品的人。爲何？ 如今愈來愈多的公司都要引入AI技術，這種產品咱們稱之爲AI產品或者AI相關產品。那AI相關產品和傳統產品之間有什麼區別呢？ 其實，它倆擁有徹底不同的設計原則！對於傳統產品，咱們考慮的是功能，體驗等因素，但對於AI產品來講除了這些，很重要的一點是數據蒐集策略以及產品迭代計劃。很多時候，咱們會把AI策略說成數據蒐集策略，這也是說明數據自己的重要性。因此做爲產品經理，須要一種策略來不斷蒐集有效的數據從而不斷提高產品的體驗。

 

既然產品圍繞數據，怎麼設計數據蒐集策略？須要蒐集哪些數據？效果上怎麼一步步迭代以及迭代計劃是什麼？這些都將是考驗產品經理的問題。若是缺少AI思惟，設計出來的產品必然很大機率以失敗了結，這種案例很是之多。

 

接下來講一下線上運營。在信息爆炸的時代，運營天天都要跟不少的數據打交道，若是不會有效利用工具去處理這些數據，效率上可想而知。舉個例子，假設咱們要去維護一批用戶，咱們一般須要根據不一樣的特徵給這些用戶打標籤、構建用戶畫像，進而作用戶的分層，而後針對性的提供適合每一個人羣的服務。並且這些標籤也會隨着流水線流入到以後的環節上，好比銷售。流量時代已通過去，每一位客戶都是很寶貴的資源，而且咱們的時間是有限的，怎麼在有限資源的狀況下作出最大化效果是每一個人須要考慮的問題，這也是AI思惟的核心。（任何一個AI問題都是在考慮最優化問題）

 

再好比運營要投放廣告，能夠有不少的選擇，但預算是固定的，那這時候就要考慮以什麼樣的方式投放才能最大化公司的利益同時也要知足必定的條件。（在AI領域，這個問題相似於運籌學）。利益最大化，效率最大化是AI的永恆話題。

 

對於一個銷售人員，AI思惟顯得更加劇要，特別是面對2C的。爲何？ 剛纔說過如今的流量有多貴，每一位潛在乎向客戶很是寶貴。那一位合格的銷售人員須要具有哪些技能？ 這裏先列出幾個點，若是哪一點以爲不知足應該須要點急迫感。1. 懂得理解用戶，至少給用戶標記一些關鍵特性  2. 作用戶分層，這部分能夠根據一些用戶畫像數據  3. 根據銷售過程不斷提高話術（相似於AI領域的強化學習） 4. 整理銷售數據並有能力提供產品改進建議或者用戶定位建議。 5. 至少有能力本身作一些簡單的數據統計。 總而言之，每一個人都須要很明確的思路來優化銷售過程，在有限的時間內作到最好的效果（仍是AI領域最優化問題）。

 

對於一個設計人員，AI的價值在哪兒？ 之前的設計有可能依賴於主觀判斷，但如今呢？ 設計也須要關注數據，知道什麼是A/B測試，什麼叫持續迭代。並且要知道AI在設計領域的應用也變得愈來愈多，那可否藉助這些工具來輔助本身設計工做呢？

 

對於一個公司的研發人員，不懂AI一味着什麼？ 最壞狀況下就是無法一塊兒工做。不知以前有沒有過這種感受，雖然本身參與了一些AI項目，但本身卻相似於局外人，想了解內部細節，但隔着玻璃就是了解不到，讓本身很無奈。其實之後，這種嚴格的崗位上的界限會變得愈來愈模糊，將來的研發人員確定是須要懂AI的，甚至能夠用一些工具來實現AI的功能。能夠想象一下，一個不懂AI的產品經理，一個不懂AI的開發人員和AI工程師怎麼才能配合地更好？這個實在太難了。

 

對於一個公司的運維，測試崗位的人，應該都意識到必定的危機感。若是尚未危機感，確實比較危險，特別是在這種資本環境不太好的時候。測試和運維不少工做其實能夠利用AI來解決。以後物聯網的崛起必然會帶來這方面更多的需求，但即使那樣，必定是那些有AI思惟/AI技能的人才能有屬於本身的舞臺。

 

對於一個公司高管就再也不多說了，若是不瞭解AI卻要作AI轉型這件事情，這個風險是很是大的。畢竟每個戰略上的決策關係到公司的生死存亡。做爲公司的高管，至少要了解AI基本技術以及知道AI能作什麼不能作什麼，若是作怎麼一步步執行AI戰略。

 

另外，沒有在文章中提到的崗位並不意味着無AI思惟的要求，只不過無法一一所有列舉來罷了。

 

總結起來，AI的本質就是：資源的最大化以及高效利用。必定要讓AI思惟去指導平常工做，這確定是將來最大的核心競爭力。

 

2019年一定是全民AI的元年

 

任何新技術的發展都會經歷幾個階段，好比迅速發展到泡沫，泡沫破裂到理性。過去兩三年是不少人在瞭解AI的階段，這裏包括大批觀望的人。只有少數有覺悟的人，纔會用行動去抓住這個風口紅利來迅速提高本身。2019年必將是全民AI的元年，也就說會有大批的人會開始試圖用AI知識來武裝本身。若是尚未加入到這個行列，過1-2年估計就真的晚了。