夜雨聆风一、 AI时代下的产品经理转型
当前 AI 终于成为了一个无情的 coding 机器，开始显现要颠覆软件行业（包括 SaaS）的迹象。可预见的未来某个时间，"软件"将大量由 AI 生产、运营。
很多人都说当前的AI还存在幻觉和上下文丢失的问题。我觉得在不久的未来这2个问题终究会被解决。大模型以及记忆工程化一直研究的是如何更高效的记录并调用记忆，并且取得了不错的突破。AI不需要全部记住，而遗忘也不可避免，但重新学习的成本极低，这也就意味着AI记录并使用“记忆”的效率会超越人脑；幻觉不会消失。但在未来，对错误的记忆会成为一类"可被快速学习、记住正确路径"的记忆——错误本身变成可学习的经验，形成自我纠错机制。当然“错误能否被识别为错误”这需要更深入的研究，使用AI来识别AI的错误是否可行也犹未可知。上下文工程和纠错机制最终都会成为 AI 的基础通用能力，并通过挂载记忆的方式派生特定场景的 AI。
如果只是把“AI”作为工具or程序员or各类职能岗位，那么AI的上限就是一个“软件公司”OR“互联网公司”。显然，AI的“推理能力”将会去挖掘当前人力所不能及的领域，“涌现”的力量将会真正显现，这在数学领域会得到验证。
AI的另外一个十分硬核的能力就是视觉与声音的理解，这也就意味着具备了“理解世界”的能力，足够的输入会带来丰富的输出。当前AI的视觉与声音理解仍有缺陷，受限于资源的限制，AI不可能理解我们世界发生的“每一帧”，但是在某些可定义、可验证的闭环场景，比如“驾驶”、“航空”、“制造”、“艺术”这类投入资源，还是得到了不错的输出。
那在这样的时代，产品交互、体验、需求分析这类AI都做的比产品好，产品经理要做什么改变呢？产品经理本身的职责就是桥接用户需求与数字世界，而AI可以让产品经理更深入的往两端做延伸——向业务端，更全面与深入的分析业务；向数字端，自己即可以构建软件。
基于AI带来的能力，每一个产品经理要以规划者的角色去思考并探索所在领域的“可定义可验证的闭环场景”，而不只是做需求分析；产品经理要充分理解 AI 的"能力边界”，理解AI什么能做、什么会错、为什么错、怎么验证，而不是去学实现细节；产品经理要高效应用 AI 去快速验证自己所思所想，将自己定位为最会用 AI 的人。这些是必须要做的改变，并且随着AI 能力的提升而有更高的要求。
二、 所谓的AI转型会成功吗？
大部分的企业应该是是带来一场“运动”，但是运动过后可能会在某些业务提效，但整体没有太大的改变。
AI转型所遇到的问题和所谓的数字化转型遇到的问题几乎一样——企业自身的业务流程都不标准规范就强推数字化，带来业务和IT不齐套。 业务与数字化整体缺少规划与运营，过多建设局部系统，带来大量烟囱系统与数据孤岛——AI能解决这些问题吗？我觉得不能。现在很多专家提及“AI-native ”可以绕过流程包袱，这是有误解的。就像互联网一样的“数字原生”的，其作业流从用户开始就沉淀在数字系统内，因此弱化了流程作业。如果一个企业把 AI 当作作业流的基底，时时刻刻把领域知识沉淀为 AI 可用的资产，用AI进行“闭环”业务场景，那么也弱化了流程作业——但是在传统企业内，往往都是流程作业这一个事情都还没搞清楚。
AI转型的基础是要建设针对该企业特性的“大脑”，第一步是企业的经营、流程、业务逻辑等业务知识的资产化，全面的知识资产化是极具难度的，但是至少是要有这个意识。很可惜，现在很多企业一提AI转型就是要“降本增效”，然后围绕这个目标去把个体的一些工作用一下AI工具，美曰其名“AI化”，这种事情做多了总是能增效的，但是整个企业还是靠“人”去推动。
这样的“AI转型”像极了曾经数字化转型的老路。业务人员不会去想知识沉淀（沉淀了自己不就替代了吗？），数字化团队定位辅助业务没有话语权，而流程团队——大部分国内的企业是没有流程团队的。所以绝大部分企业的“AI转型”是不会成功的。