隨著人工智慧技術的飛速發展，AI在各個領域的應用如雨後春筍般湧現，為產品創新帶來了前所未有的機遇。
然而，在這股熱潮中，產品經理們也容易陷入一些關於AI的常見誤區。這些誤區可能會影響產品的設計、開發和落地，甚至導致資源的浪費和決策的失誤。
為此，起點課堂邀請了前雪球產品高階總監@黃喆老師，分享當下產品經理對於AI認知的一些常見誤區，希望能給你帶來一些思考！
誤區1 ：
過度神話AI能力，忽視邊界
黃喆老師：每個事情都是有邊界的，對於AI的能力來說，同樣是有邊界的。舉2個例子，醫療和教育。目前AI在這兩個行業的融合應用已經有很多成功的案例，並且產生了比較好的效果。
在教育方面，很多家長現在會用Deepseek來給孩子教學。但是教育AI在處理數學、物理等學科時，常無法識別手寫公式的連筆或變形符號（如積分符號∫與求和符號Σ的混淆），且難以即時推導多變數方程（如偏微分方程中變數關係的動態變化）。
而當學生追問"為什麼從步驟A推導到步驟B"時，AI往往只能重複既定知識庫內容，無法構建個性化推理路徑。
對於立體幾何教學，AI訓練資料也是未能包含足夠多視角立體圖示標註，難以建立空間想象輔助 。
在醫療方面，比如說一些疾病的診斷是非常個人化的，需要針對病人的實際情況做個性化診斷。醫療AI訓練集往往會缺乏一些疾病資料的標註。
比如中醫講究望聞問切，醫生可以透過病人的臉色、語氣、交流互動去了解一些資訊，但這些資訊其實不一定是數字化的資訊，即使是錄製成影片投餵AI，也會有很多捕捉不到的問題。
所以人工智慧，是在有限的條件和基礎下，幫助專業的人去做一些資料的預處理，但在我們做一些業務的決策時，一定要做好邊界的劃分，即什麼樣的事情由AI來幫你去做，什麼樣的事情由人來最終選擇和判斷。
人工智慧是有邊界的，這個邊界反映在我們很多的產品工作中，作為產品經理，就需要做好這兩個之間的分段。
誤區2：
對技術細節缺乏瞭解，盲目依賴第三方API
黃喆老師：我們在做人工智慧的結合的時候，對技術瞭解很少或者是基本不瞭解，然後就完全信從於第三方提供的結果。
比如說多模態生成影片，很多同學都比較感興趣，但其實你要知道這背後的一些限制，比如說生成影片是多少秒的，有多少幀。
這背後反映的是什麼？說明運算的成本是很高的。背後的算力對應的就是你直接需要花的錢，你的成本。
比如我之前有一個朋友在央視網，領導說人工智慧很火，要用人工智慧做一個短片。領導一開始的預期是做一個兩分鐘的短片，但是按照他們的投入和技術能力，兩分鐘的短片要做兩年。最後砍砍，砍成了一個15秒的短片。
如果你做的這個事情，包括你做的這個推理模型的一些呼叫，對於計算都是有一定要求的。還有就是隱形成本，如果要做資料計算，資料清洗部分也是需要成本的。這些成本其實不在於你接了大模型，比如Deepseek是免費開源的，但如果你提供的資料不行，那最後的結果也不會好。
對於產品經理來說，切入點是什麼？需要關注資料質量，而且我們做產品工作都是結果導向的，不是說光接個模型就行了，還要看模型到底最後結果怎麼樣。
所以作為產品經理，今天面對AI的大背景，你需要去了解，知道大概是一個怎樣的成本。
誤區3：
低估AI落地成本，忽視長期投入
黃喆老師：第三個誤區其實也會涉及到成本的問題，也會影響我們長期的判斷和選擇。很多企業會做一些本地化部署。雖然從技術角度來說，本地化部署實現起來不難，有很多大一點的公司和團隊都能提供這樣的服務和能力。
但是作為產品經理，你不能光看一次性的投入，還要看持續性的投入，比如說硬體採購是一次性的，但合規安全、算力消耗、人力維護，還有用了多長時間，這一系列的延續性成本，都是需要計算的。
給大家舉一個法律模型的案例，叫ChatLaw。
我之前在一家法律科技的公司做過一些產品和AI的融合，法律行業裡面有一個裁判文書網，有大量的案件資訊和資料公開，很多團隊都會拿這個資料去做自己的演算法或者模型。
但是法律行業的資料都是非結構化的，這些資料要經過資料清洗和資料標註才能用到模型裡。因為這是純法律行業的資料，需要有法律背景的人才能做，前後找了1萬多人來做資料標註這個事情。
所以私有化部署並不是一錘子買賣，後面還有很多持續性的付費，包括成本的產品。作為產品經理，對這方面是需要有意識的。
誤區4：
將AI產品經理視為“全新崗位”，忽略產品基本功
黃喆老師：最後一個誤區，很多同學會覺得AI產品經理是一個全新的崗位。雖然AI會帶來新的變化，但並不是顛覆性的，不足以讓你放棄產品基本功。
AI確實是有很強的技術要求，所以大家需要敬畏。這個敬畏更多是建議大家基於使用者洞察、商業層面，去正確看待這個事情。
作為產品經理，需要去關注背後的成本、合規的一些要求等等。然後就是作為產品經理老生常談的，使用者洞察和商業敏感要結合。
總結一下，就是我們說的產品思維+技術融合。AI產品經理在做產品定位，其實與傳統的產品經理的共性在於需求分析、專案管理，包括商業。而差異化的部分，一個是對技術可行性需要做更深的評估，產品經理要看這些技術背後的成本，以及能產生的最有結果是什麼。第二個就是能力的邊界，產品經理的能力邊界也在拓，需要更多瞭解技術，要懂業務邏輯。而演算法的細節，不用太多深入。
AI產品經理，首先得是產品經理，才有接下來產品+AI的事情。
05
加入起點課堂會員，免費學習海量AI內容
對於起點課堂會員來說，我們始終致力於幫助產品人和運營人提升自我。在這個AI時代，我們緊跟行業發展的步伐，更新上架了100+AI相關的技能知識點課程，幫助大家能夠走在行業發展的前沿，擴充套件自己AI相關的知識和技能。
加入起點課堂會員，即可免費學習AI前沿內容！
加入起點課堂會員，全方位助力你的能力提升
▶ 1500+實戰專題課，涵蓋新媒體、金融、電商等行業，助你及時查缺補漏，提升職場競爭力！
▶ 45門個人自學課，涵蓋B端、資料、私域、AI等方向，幫助你針對性強化產品/運營技能
▶ 職業體系課，包含1V1私教陪跑系列，AI系列專項課程內容，以及垂直細分領域專項技能課，滿足你的個性化學習需求，助你補充行業認知，構建完整的知識框架
▶ 會員專享直播，每週給你補充熱點AI技能知識，日積月累，量變達成質變
注：本文含有廣告內容！