在AI技术迅猛发展的当下，许多人看到了这一领域的巨大潜力，纷纷考虑转行进入AI行业，甚至将其视为职场困境的“救命稻草”。然而，AI行业并非一片坦途，它既有无限可能，也有诸多挑战。本文通过作者与一位前同事的对话引出这一现象，深入探讨了AI技术在实际应用中的现状、优势与局限，以及AI产品经理这一角色所需的技能和素养。

1.

前阵子一个很久没有接触的前同事突然发消息问我最近在干什么，虽然很久没有联系，但我还是一下就能代入和他对话的场景。

寒暄几句，话题就滑向职场人的经典叙事—环境不好，找不到工作，然后转头就是一句后面打算换换赛道，看看AI方面的工作。

这个对话就突然让我联想到一个场景，初中时为了逃避学业的同学，总是会吹嘘自己在社会上认识的大哥，上学上不明白就想着混社会搞个年薪百万。

我甚至都不觉得这是一种认知偏差，这就是一种劣根性，用不切实际的乐观掩饰现实中的困境，将概率极低的事物视作唯一的希望。

如果AI是一种人类思维，它和这类人的思考方式就是完全的正反面。

2.

每次AI产品的问世，都能给我们带来极大的焦虑，经常能看到大家在谈论一些AI又帮我实现了什么功能，提高了多少效率之类的话题。

但热度过后，大多数人并没有因为AI而改变自己的工作生活习惯。

根本原因当然还是AI产品没有进入到大多数人的应用场景中和固有思维所致，我个人当然是建议大家尽早了解AI的原理以及它当下的应用边界。

我个人并不是一个AI的狂热爱好者，但在日常生活中它其实已经潜移默化的带给了我一些改变。像搜索引擎的使用，我几乎已经从信息流中寻找答案变到完全依赖AI给我的答案；包括在一些复杂信息获取和处理的过程，不光是文献资料的查找它还能帮我做信息的二次筛选和优先级关联，让我在这方面能节省很大时间。

但同样，它的缺陷也很明显，越来越多的以假乱真的回答会让我难辨真伪。而且前阵子，作为电竞爱好者，AI因为某一场比赛的热度太大，搜索词汇太多，生成了一条假词条并且还霸榜热搜，这种误导也是非常致命的。

3.

AI的本质是通过算法在数据中寻找规律，以数据培养训练大模型，让AI有了思考过程和学习能力。

但当前的模型能力经常会让它做出一些误判，且在真实的场景中远远没有达到满足人类复杂需求的期望。

反观当下一些还不错的产品，基本上都是用单一能力（绘画、数据信息处理等）为业务侧赋能。

例如飞猪的旅行规划师，旅行推荐本身就是一件有难度的事，要考虑住宿/出行/天气/预算等等因素，且不说是酒店、车票/机票之类的资源需要官网及一些OTA平台才能查询，光是景点门票以及真实的出行体验参考AI都很难提供。

而飞猪对于旅行规划，没有对整个场景做整体的规划，而是分了出行、住宿、路线、攻略等多个维度，每个垂类的维度可以进行专门的微调训练以获得更好的效果。

这一点对我的启发，在未来的应用场景，也许是更小更垂类的模型能更具应用场景，也更容易诞生一些所谓的超级app。这个行业现阶段需要的是了解AI原理并具有一定业务储备的人，对于常规互联网行业，门槛一定是越来越高的，如果还盲目的把它作为备选项，我只能祝你好运。

4.

如今的AI行业是逐渐回归理性的阶段，大家慢慢意识到现阶段它还不足以支撑落地完全满足人类的产品，但千万不要低估它。

可能我们永远没有想过一个问题，那就是人类到底是怎么思考的，为什么很多情况我们看到一个单词就能明白它的意思，面对复杂问题为什么有些人可以很好的解构有些人却完全理解不了。

生成式对话对于大多数人来说可能并没有多少惊艳，但第一次了解怎么让大模型具备思考能力才是给了我最大感悟的。

前阵子在医学行业看到一个采访，行业内的人开始使用AI协助会诊，让大家意想不到的是在循证医学医学上（西医）上训练的大模型，给出的很多会诊建议都和中医有很高的相似性。

在此之前，有很多人认为中医是玄学，很多的古人经验无法被后人论证，当大模型的出现，某种程度上是帮助我们揭示了事物的底层运行原理。

所有人类关于科幻、下意识等缥缈的思想或举动，我一直感觉总有一天AI会告诉我们答案。

即使你没有从事相关行业，甚至还干着一些体力活，我还是建议大家多多了解这方面的知识，不必去唱多或者唱衰这些东西，真实感受它就可以。

我们，离真相很远；你，也许无处不在