AI 产品经理招聘趋势与核心工作流程解析
一、AI 行业的招聘趋势以及人才紧缺度
根据行业人才报告显示，人工智能已成为近年来最缺人的行业之一。人工智能行业的人才紧缺指数较高，意味着该领域人才缺口巨大且竞争相对其他热门赛道而言存在机会。随着大模型技术的爆发，这种趋势在后续年份持续蔓延。
目前，各行业内人士的共识是：AI 产品经理超级缺人，大小公司都在大量招人。只要有 AI 相关的项目经验，学历背景符合要求，通常都能拿到面试机会。在薪资方面，领导层愿意投入资源，涨薪幅度在行业内较为常见。
在 AI 领域，特别是 AIGC（生成式人工智能）方向，招聘量最大的两类岗位分别是研发类和 Product 类。这两类岗位的薪资水平也普遍最高，建议求职者重点关注。
AIGC 领域热招岗位中，图像识别、算法研究员、深度学习等研发岗位的薪资已达到较高水平。此外，AIGC 产品经理作为非技术岗，薪资水平也具备较大优势，吸引大量产品人才投递。
二、AI 产品经理的具体工作流程及知识体系
其实 AI 产品经理整体的工作流程跟互联网产品经理非常类似，但增加了数据与模型相关的环节。具体的工作流程主要包括以下几个步骤：
定义需求——数据准备——产品设计——上线反馈
（一）定义需求
AI 产品经理，本质还是'产品经理'，最核心的工作，还是找到需求，专注于产品价值。
AI 是个用新技术解决问题的工具。对于产品经理来说，最主要的工作是思考：用这个工具能够解决什么以前不能解决的需求，或者用什么更好的方式解决原来的需求。结合自己的行业经验，去洞察、去发现问题，作为'产品经理'本质的、核心的意义是不变的。
1. 如何通过 AI 解决——技术理解
找到需要解决的问题后，在如何解决方面，涉及到了对 AI 的技术理解。根据产品现状，不同的产品对应的技术方向不同。
AI 大的技术方向包括计算机视觉、自然语言处理、语音工程、规划决策、大数据分析。根据自己所做产品的行业，对不同的技术理解有不同的要求。
AI 是一个找出对应关系的工具，把行业内的需求，转化成'输入'和'输出'的问题，然后收集数据，整理成训练集给 AI 进行学习。不同技术方向下的'输入'和'输出'，形式会有所不同。
（二）数据准备
当定义好需求，明确了根据需求要给 AI 定义的'输入'和'输出'是什么之后，接下来就需要为 AI 准备'输入 - 输出'的训练集，并训练 AI 了。
必须要说明的是：这个环节是针对非大模型类的 AI 产品经理需要做的事情。当然大模型出现之后，如果是针对 AIGC 领域的产品经理，部分基础数据准备工作会简化，因为大模型本身具备强大的泛化能力。
所以，当下对于技术背景不是很强的小伙伴，AIGC 领域的产品经理是一个可以重点考虑的方向。
我把数据准备分成了三个阶段：数据来源——数据定义——数据交付。
在这三个阶段中，需要的规划、收集、整理数据的能力，是 AI 产品经理与传统产品经理一个非常大的差别。
1. 数据来源
就像传统产品一样，产品开始前必须先确定数据来源。
传统产品的数据来源是直接提供给用户的使用数据，AI 的数据来源是指训练 AI 的数据来源。
我把数据来源分成了两个方面：第一个是为 AI 准备的基础数据，第二个是结合产品设计，在和用户交互中收集的数据。
- 基础数据：是用来制作 AI 产品的数据，它可能会是所做产品原来的数据积累，也可能是各方收集的数据甚至人力撰写而来的数据。这些数据需要被整理成教育 AI 的训练集和测试集。大量的深度学习对数据的质量也有很高的要求。
- 在交互中收集数据：AI 产品并不像传统产品一样，每一版是一个固定的形态。它有一个很大的特质是'动'，AI 是成长的，是不断进步和变化的，和用户交互的过程，就是它的迭代过程。交互中的数据是数据来源的一个重要方面。
2. 数据定义
当有了数据来源，接下需要为 AI 整理训练集和测试集。这期间涉及到很多繁杂的工作，大量的数据清洗、整理数据，并且有非常多需要考虑的问题：
- 用什么样的方法清洗和整理数据？
- 设置什么样的'输入'和'输出'能够保证测试集训练出的机器能更好的运用在实际场景中？
- 在交互中，要收集什么数据？用什么样的形式收集数据？如何把收集数据的交互更好地融合在用户的使用中？
这些都是 AI 产品经理面对数据时需要考虑的，每一个问题下都有非常非常多的内容需要探索。在真正的实践过程中，还有各种各样的疑难杂症，需要根据机器学习效果对训练集进行不断的调整和修改。
