AI 产品经理核心技能体系与工作流程详解
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，人工智能已成为当前最紧缺人才的行业之一。随着大模型技术的爆发式增长，这种趋势在近年来持续强化。
目前行业内共识明确：AI 产品经理需求巨大，无论是初创公司还是大型科技企业都在大量招聘。具备 AI 相关项目经验且学历达标的候选人通常能获得面试机会。在薪资方面，AI 领域普遍具有较高竞争力，涨薪幅度显著。
在 AI 领域，特别是 AIGC（生成式人工智能）方向，招聘量最大的岗位主要分为两类：研发类和产品类。这两类岗位的薪资水平也处于行业高位，是求职者重点关注的方向。
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，薪资水平同样占据较大优势，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传统互联网产品经理类似，但增加了数据与模型相关的环节。具体流程包括四个步骤：定义需求、数据准备、产品设计、上线反馈。
（一）定义需求
AI 产品经理本质仍是产品经理，核心工作依然是找到需求并专注于产品价值。AI 是用新技术解决问题的工具，产品经理的主要工作是思考如何用该工具解决以前无法解决的问题，或以更优的方式解决原有需求。
结合行业经验洞察问题，发现痛点，这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，需涉及对 AI 技术的理解。根据产品现状，不同的产品对应不同的技术方向。
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。根据产品所属行业，对技术理解的要求有所不同。
AI 是一个找出对应关系的工具，将行业内的需求转化为'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，接下来需要为 AI 准备训练集并进行训练。
特别说明：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从头构建训练集，而是利用预训练模型进行微调或提示词工程。
因此，对于技术背景不强的从业者，AIGC 领域的产品经理是一个值得考虑的方向。
数据准备可分为三个阶段：数据来源、数据定义、数据交付。
1. 数据来源
传统产品的数据来源通常是用户使用数据，而 AI 的数据来源是指训练 AI 的数据。
分为两个方面：
- 基础数据：用于制作 AI 产品的初始数据，可能来自产品积累、各方收集或人工撰写。这些数据需整理成训练集和测试集。深度学习对数据质量要求很高。
- 交互中收集数据：AI 产品具有动态成长特质。用户与产品交互的过程就是迭代过程，交互中的数据是重要来源。
2. 数据定义
有了数据来源后，需整理训练集和测试集。这涉及繁杂的数据清洗和整理工作，需要考虑以下问题：
- 使用什么方法清洗和整理数据？
- 设置什么样的'输入'和'输出'能保证机器在实际场景中表现更好？
- 在交互中要收集什么数据？如何融合在用户使用中？
在实践中，需要根据机器学习效果不断调整和修改训练集。
（三）产品设计
定义好需求后开始产品设计。主要包含两个方面：基础功能、动态发展。
1. 基础功能
产品框架基于产品形态（如智能音箱、App 助手等）。设计围绕需求展开，例如训练助手完成'找功能'需求，界面设计需配合此目标。这部分工作与互联网产品经理无异。
2. 动态发展
- 使用中迭代：产品设计需添加数据收集机制，通过用户使用获取更深入的数据，为 AI 训练提供基础。例如从帮助用户唤起应用进阶到帮助用户使用应用内内容。
- 交互动态性：不同于传统按钮点击，语音对话等场景下，功能是动态唤起的。涉及场景剧本编写、多轮对话设计、词槽设计等。例如地图小助手在开车场景下的交互规则。
未来 AI 产品将不局限于固定界面，产品经理需把握更丰富广阔的场景。
