幸存下来的不是最强壮的物种，也不是最聪明的物种，而是最能适应变化的物种。—查尔斯·达尔文
如果你有所有的项目管理技能和知识来管理你当前的计划，那么你今天就可以成功地交付期望。问题是: 你准备好下一步行动了吗，这一步很可能会更加模糊不清。
传统意义上的项目管理涉及管理范围、进度和预算。这些是项目经理被训练来处理的约束。花了几年时间管理几个项目的人最终会管理一个投资组合或项目。领导力、交付、失败管理、资源的直接和间接责任、跨职能关系、沟通、风险缓解等。，与领土同在。
这种活动和约束的整体网状结构建立了一种在边界内思考的思维模式，而人工智能则是关于边界外的思考。
挑战在于打破你所擅长的，拥抱未知，增加超乎想象的价值。
要从传统的项目管理思维模式转变为管理人工智能项目，你需要一种 不同的思维方式和不同的技能组合。
如果你习惯于熟悉的瀑布或敏捷方法来管理一个项目，让我们暂时把它放在一边，这些都不会起作用，至少在人工智能项目开始的时候。
你不应该做的另外两件事是:更新你在简历中的角色，并假设这种转变会很容易。改变是艰难的；改变心态更难。
- **缺乏清晰性:**项目经理被训练在界限内思考。人工智能本质上是探索性的，需要开箱即用的思维模式。将人工智能的好处编织和传播到一个组织的日常活动中的能力充其量只是非常肤浅的水平，也就是说——如果它存在的话。
- **弱概念化:**大部分 AI 实现都是抄袭。有人做了什么。看起来很酷，那我们也做吧。你猜怎么着，你所有的竞争对手也是。是的，他们都有同样的信念，他们的解决方案将是最好的。虽然向他人学习并关注行业动态是件好事；做别人都在做的事情可能不是你唯一想走的路。毕竟每个组织都不一样。你的能力、问题、愿景、使命和目标应该是你战略和概念的主要驱动力。
- **集成性差:**人工智能解决方案不能在筒仓中交付。为了产生价值，人工智能模型必须被设计成更好地与运营生产系统集成。并且，不，从零开始构建所有东西并希望你将拥有一个完美的系统是一个神话。公平地说，这可能是一些额外收入的来源，但令您惊讶的是，您将需要管理多一套生产系统，这些系统将会有与其他系统类似的问题。简而言之，您进一步分割了您的应用程序集。
- 我们需要理解和为你的观众讲述故事的能力— 内容作家。
- 我们将需要更好地理解数据科学、它所增加的价值、价值将如何被消费，以及明显的实施— 数据科学产品经理。
- 我们必须学会将人工智能解决方案整合到母舰中，以便为未来的人工智能计划产生指数增长、组织兴趣和动力— 人工智能运营。
亚马逊的一个惯例是他们先写新闻稿。这有助于建立清晰的思维，发展一个想法，并把客户第一的心态放在战略的核心。您的客户对您的解决方案将为他们的生活带来的价值感兴趣。如何到达那里由你来解决。
这种方法迫使你由外向内思考，并为你的内部受众讲述故事，让他们参与进来并受到激励，因为他们事先看到了全貌。
[## 杰夫·贝索斯要求亚马逊的领导在发布任何东西之前都要进行这种强有力的仪式
必须向外行人和专家讲述整个过程，让他们了解人工智能计划将为整个组织带来的价值。
在讲故事时缺乏清晰度会导致一个想法的不成熟的死亡。讲故事不是建造空中楼阁。而是讲述你打算如何建造城堡，以及它会给主人带来的享受。
becominghuman.ai](https://becominghuman.ai/storytelling-in-a-brave-new-world-e937a02da84f)
产品管理的思想是古老的，项目管理也是，在一定程度上，数据科学也是。主要的问题是，我们仍然继续认为他们在筒仓。
产品经理只考虑产品设计和消费者方面，而把执行留给项目经理。
项目经理自始至终管理工作、范围、进度和预算，而没有对客户体验和附加值的透彻理解，严重依赖技术团队的正确实施。
数据科学家开发一个模型，但很少或根本没有将其部署到生产环境中的专业知识。另一方面，负责生产系统的技术团队对人工智能模型一无所知，但却被要求让它变得可用。
当所有这些角色孤立地工作时，所有专家在他们自己的工作流中交付一个半生不熟的解决方案，该解决方案没有增加什么价值，维护成本很高，并且是指责游戏的开始，相互指责最终导致失败。
数据科学产品经理什么都懂。在一个 T 型技能因子上，是单杠。在这个职位上，你需要了解关于你的产品的六个 w:谁、什么、何时、何地、为什么和如何、你的产品为消费者的生活增加的效用或价值、它的设计方面、问题的解决方案、将有助于构建解决方案的数据科学概念以及最重要的最终游戏:上线。
简而言之，你是主人。你需要支付账单，更换火警报警器的电池，更换灯泡，打电话给水管工，电工，空调工，清洁工，修剪草坪，你明白了吧。
[## 面试:数据科学产品经理是做什么的，你是如何得到这份工作的？
开发一个 AI 解决方案作为概念验证很容易。困难的部分是将该解决方案集成到主生产系统中，从而带来面包和黄油。
认为现有系统将继续亮着灯，而人工智能解决方案将孤立地工作，并最终发展到足以使当前系统相形见绌，这是一种谬误。
为了成功实现一个人工智能解决方案，它必须与母舰集成。这是为附加值增加寿命的最关键的一步。此外，这是产品开发中最容易被破坏的阶段，被视为不太聪明的人要做的一步。(是的，AI 团队里的精英感扼杀了解决方案。)
集成只是实现人工智能解决方案的第一步。持续的维护、保养、变更管理、满足不断变化的业务需求的灵活性需要一个具有人工智能运营专业知识的团队。这个团队必须有能力建立一个全面的数据分析平台和 AI 战略，其中包括 AI/ML 解决方案和 IT 系统，同时支持持续集成和部署(CI/CD)。
人工智能/数据科学行业过于专注于解决问题的技术方面。但是，随着平台的成熟，是时候问我们是否正在解决正确的问题了？
对于有意愿的人来说,内容作家、数据科学产品经理和人工智能运营是具有更广泛技能的潜在职业道路。