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。
