本文介绍了在 GenAI 时代，产品管理仍然占据主导地位的原因，以及产品经理如何增强其能力以适合 AI 时代的到来。原文：Fundamental Product Management: Why it’s more important in the AI Age

生成式人工智能（GenAI）不断扩大其在众多行业的视野，使所有领域的产品经理（PM）都有机会成为专注于 AI 并且精通技术的人。

过去几年里，GenAI 变得极为流行。具备 AI 功能的产品在各个行业纷纷涌现，就像蒲公英一样四处播散，其发展速度几乎不受控制，而且似乎还有源源不断的风投资金为其提供持续的“阳光和水分”。

从产品管理角度来看，AI 在诸多方面能够提升 PM 的工作效率和专业领域知识水平。

话虽如此，本文旨在探讨为何基本的产品管理实践仍然占据主导地位，以及这些基本原理如何能让产品管理在 AI 领域脱颖而出。产品管理作为一种实践方式，是一项适用于所有产品开发领域的核心技能，无论其是否涉及 AI。

那么，无论是在哪个行业（即便不涉及 AI），基本 PM 技能为何如此重要呢？

以下是基础产品管理仍然重要的三个主要原因，以及一些切实可行的方法，这些方法能让 PM 在充满未知、不断发展的 AI 世界中真正取得成功。

1. 产品开发过程太过复杂

每次经验不足的 PM 仅仅通过理论来了解产品团队的运作方式时，都会认为产品开发其实并不那么复杂 —— 这是一种新手常犯的错误。

实际情况是，通常情况下，任何时候都会有数百个不同环节在运作。这些环节可能包括基于团队的依赖关系、销售和营销支持、由海外团队负责的内部工具、需要更新的数据传输，或者那些对上述所有方面都有影响的小任务和职责。

PM 这一职位之所以特殊，是因为需要能够识别并管理那些隐藏的、不断变化的要素。他们是那种无论需要付出何种努力，都要竭尽全力助力产品发展与交付的超级英雄。在工作中，这种能力比成为团队中最顶尖的 AI 专家更为重要（尽管成为顶尖的 AI 专家也是好事！）

最近，我受邀前往位于温哥华的 Maximizer CRM 公司总部，就 AI 助手领域发表演讲。在演讲中，我阐述了全球 GenAI 市场规模从 2023 年的 500 亿美元增长至 2024 年的 1840 亿美元这一情况。演讲结束后，我被众多关于如何真正采用 AI 以改进产品开发流程的问题所包围。他们的担忧与我一致：鉴于产品开发的复杂性，采用像 Github Copilot 这样的工具真的能加快工作速度吗？我的回答始终围绕着基本要点：PM 需要保持强大的产品文化，以确保无论 AI 的采用多么复杂，都能顺利进行。

在产品开发领域，还有一点需要留意的是技术变化的速度，这一速度已经大幅加快。如果团队试图在产品中运用 GenAI，那么技术变化的速度可能会更快。AI 的能力发展迅速，有时甚至每周都会有所变化，因此 PM 必须坚守永恒的原则：理解用户需求、明确问题并提供实际价值。如果没有这些基本原则，团队可能会追逐 AI 的能力而未能解决客户的问题，这可能会导致项目失败。

GenAI 现在能够自动执行特定任务和流程，但其在成本、针对性和细微差别方面存在局限。具备深厚基础知识的真正人类 PM 会知道如何在拥有 AI 工具支持的产品团队中迅速发挥作用，并懂得如何协调所有推动项目向前发展的关键要素。这些要素可能包括：

• 了解一天中最重要的 5 到 10 项事务（从 100 项中筛选得出）

• 明白哪些事项需要优先处理，哪些可以放低优先级

• 学会何时拒绝

• 利用电子邮件 AI 工具来过滤掉干扰信息

• 挑选出可以实现自动化或削减的领域或流程

2. 产品基础涉及人际交往能力，而 AI 无法取代。

尽管这听起来可能有些讽刺，但随着 AI 产品开发的复杂性不断增加（这是必然趋势！），PM 在团队中展现出出色的人际交往能力就变得愈发重要了。

我坚信，强大的利益相关者管理是一项任何 PM 都绝不能放弃的关键要素，无论其技术有多么先进。大多数 PM 都会与各种各样的团队合作（比如：前端和后端开发人员、数据科学家、设计师、市场营销人员、销售人员、管理人员以及外部利益相关者）。你会依靠 GenAI 来切换情境并根据特定受众调整演示内容，还是会依靠自己强大的人际交往能力来推进这一工作呢？

用户访谈、客户关系管理、利益相关者管理，以及与产品团队就诸如功能优先级等问题进行的讨论，都应当依靠人际交往能力来推动，比如：

• 了解社会动态，并且要友善、体贴，最重要的是要易于与工程师们合作

• 在无需权威的情况下发挥领导和影响力，通过倾听同事的意见并表明自己理解他们的观点（即便自己可能不同意）来实现这一点

• 在用户和客户访谈中表现出同理心，以便真正了解他们在使用产品时的感受和经历

若想了解 PM 在长期职业生涯中应培养的重要人际交往和软技能，可以参考 PM 练习网站上的这篇文章：https://www.productmanagementexercises.com/blog/6-soft-skills-every-product-manager-needs

3. 产品基础概念有助于 PM 理解垂直应用场景

垂直应用场景与传统应用场景在侧重点上有所不同。传统应用场景范围更广，可以涵盖任何类型的任务、JTBD（待完成任务，job to be done）或客户/用户试图达成的目标。而垂直应用场景只是更广泛的应用场景定义的一个子集，专注于更狭窄和特定的任务。

在 GenAI 的世界里，我们有所谓 AI 代理。AI 代理是独立的由语言模型驱动的 AI 组件，负责完成一项或一组特定任务。例如，在微软 Copilot 中，某个特定的 AI 代理可以是微软 Word 的摘要生成代理，其中语言模型被配置为仅分析 Word 文档中的内容，然后为用户生成摘要。与关注所有事情不同，该代理仅专注于以更专注的方式完成其特定应用场景。

这就引出了“垂直型 AI 代理”这一话题 —— 这其实只是对一种特定类型 AI 代理的形象化描述，即这种代理能够比更通用的 AI 代理或助手更好的完成某个特定任务或应用场景。

自 2022 年 GenAI 兴起以来，垂直 AI 市场迅速扩张，并有望达到创纪录的市场估值。据 AIM 研究公司称，2024 年垂直 AI 市场规模为 51 亿美元，预计到 2030 年将增长至 471 亿美元，这一增长幅度令人惊叹。

PM 们理应引领这一增长趋势，他们需要找出每个垂直领域的应用场景，并确定每个垂直领域的智能代理都能成为该领域的专家。但要如何才能发现这些有价值的垂直应用场景呢？

我想分享一个专业方面的趣闻，那就是我们在 Planview 公司的工作经历以及所做的持续探索工作，以验证客户的垂直应用场景。在推出 Planview 公司的 AI 助手 Planview Copilot 之后，团队很快发现，我们的客户群体根本不清楚能带来什么好处，而且潜在的应用场景范围广泛且各不相同。

作为 Planview Copilot 的产品经理，我选择了几个具体用例来启动产品 MVP，并以此作为假设，然后通过反馈电话和数据监测与客户进行互动，以验证这些用例是否对他们有用。在这一年里，我持续采用快速失败方法，直到某些东西引起客户共鸣：一系列基于 AI 的用例，真正为他们的日常工作流程带来了价值。对我们来说，基本实践是取得这一成功的关键，这就是为什么垂直 AI 代理市场将充满成长的烦恼和令人兴奋的活力，因为越来越多的公司开始像 Planview Copilot 那样发现这些垂直用例。

基本产品管理实践 —— 涵盖产品管理存在的根本原因的技能 —— 将是解决方案。例如，产品发现、用例优先级排序、客户关系以及反馈整合。PM 被雇用是为了在 GenAI 的世界中发现那些垂直用例，然后制定策略并兑现承诺。

我建议 PM 们继续做到以下几点：

• 探索最常见但又极具创新性的产品及使用案例发现方法

• 通过不同方式激发思维，对需要解决的问题进行优先排序

• 深入研究 GenAI 市场，以预测变化、理解客户问题并识别其产品可能解决的核心差距

结论

希望我已经阐明了产品管理基本原则的永恒重要性，即便在数字化 AI 时代也是如此。我相信，随着 PM 们继续分享最佳实践，并改进他们的工作流程和框架，GenAI 市场将继续提升其为客户带来的价值。其真正的影响将体现在工作效率、时间节省、娱乐以及生活质量等方面。

你好，我是俞凡，在 Motorola 做过研发，现在在 Mavenir 做技术工作，对通信、网络、后端架构、云原生、DevOps、CICD、区块链、AI 等技术始终保持着浓厚的兴趣，平时喜欢阅读、思考，相信持续学习、终身成长，欢迎一起交流学习。为了方便大家以后能第一时间看到文章，请朋友们关注公众号"DeepNoMind"，并设个星标吧，如果能一键三连(转发、点赞、在看)，则能给我带来更多的支持和动力，激励我持续写下去，和大家共同成长进步！