AI 产品经理必备技术模型与三大知识体系
一、AI 行业的招聘趋势以及人才紧缺度
根据脉脉《2023 年人才报告》显示:人工智能成为 2022 最缺人行业,人工智能行业的人才紧缺指数(人才需求量/人才投递量)为 0.83,这意味着该领域人才缺口巨大且竞争相对较小。随着 ChatGPT 等技术的爆发,这种趋势在 2023 年持续蔓延。
目前行业内共识是:AI 产品经理超级缺人,大小公司都缺。资深 AI 产品负责人反馈:大量招人,只要有 AI 相关的项目经验,学历达标即可获得面试机会。薪资方面,领导舍得投入,涨薪 40-60% 属于正常范围。
在 AI 领域,特别是 AIGC 方向,招聘量最大的两类岗位是研发类和产品类。这两类岗位的薪资也最高,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、深度学习岗位的薪资均已达到百万级别。此外,AIGC 产品经理作为非技术岗,薪资水平也达到 90 万元,与其他领域相比占据较大优势,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
AI 产品经理的整体工作流程与互联网产品经理类似,主要包含以下步骤:定义需求——数据准备——产品设计——上线反馈。
(一)定义需求
AI 产品经理本质仍是'产品经理',核心工作是找到需求,专注于产品价值。
AI 是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。结合行业经验去洞察和发现问题,是产品经理不变的核心意义。
1. 如何通过 AI 解决——技术理解
找到需要解决的问题后,涉及对 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,将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,明确了给 AI 定义的'输入'和'输出'之后,接下来就需要为 AI 准备'输入 - 输出'的训练集并训练 AI。
说明:此环节主要针对非大模型类的 AI 产品经理。在大模型出现后,针对 AIGC 领域的产品经理通常不需要做底层数据训练工作。因此,当下对于技术背景不强的小伙伴,AIGC 领域的产品经理是一个可重点考虑的方向。
数据准备分为三个阶段: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非常大的差别。
1. 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。
数据来源分为两个方面:
- 基础数据:为 AI 准备的基础数据,可能是产品原有的数据积累、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训练 AI 的训练集和测试集。大量的深度学习对数据质量有较高要求。
- 交互中收集数据:AI 产品具有'动'的特质,是成长的、不断进步的。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
有了数据来源后,需要为 AI 整理训练集和测试集。这期间涉及大量繁杂的工作,如数据清洗、整理数据等。
需要考虑的问题包括:
- 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地运用在实际场景中?
- 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?
在真正的实践过程中,还需要根据机器学习效果对训练集进行不断的调整和修改。
(三)产品设计
定义好了产品需求后,就可以开始进行产品设计。产品设计本质和传统产品经理的工作是一样的,根据需求和问题做出能解决问题的产品。
主要分为两个方面:基础功能、动态中发展。
1. 基础功能
产品的大框架基于产品本身的形态,例如智能音箱、智能电视或 App 里的智能助手。接下来看我们要完成的需求,如果是在 App 里训练它完成'找功能'的需求,那么产品的形态和设计肯定就是围绕着'找功能'来做。这部分工作互联网领域的产品经理通常没有难度。


