编程语言AI算法
AIGC 产品经理定义、职责及与 AI 产品经理的区别解析
AIGC 产品经理负责将 AI 生成内容能力结合现有业务，需具备行业洞察力、技术理解力及控制 AI 输出不确定性的能力。与 AI 产品经理不同，后者侧重模型从立项到落地的全流程及数据工作，前者更侧重应用层优化与业务赋能。岗位需求高，薪资可观，需掌握提示词工程、RAG、模型微调等技能。核心职责包括技术敏锐度培养、不确定性管理、跨领域业务沉淀及商业化落地探索。
AIGC 产品经理负责将 AI 生成内容能力结合现有业务，需具备行业洞察力、技术理解力及控制 AI 输出不确定性的能力。与 AI 产品经理不同，后者侧重模型从立项到落地的全流程及数据工作，前者更侧重应用层优化与业务赋能。岗位需求高，薪资可观，需掌握提示词工程、RAG、模型微调等技能。核心职责包括技术敏锐度培养、不确定性管理、跨领域业务沉淀及商业化落地探索。
2023 年初，随着 ChatGPT 的现象级爆火，国内外各大中小型企业纷纷入局 AIGC 领域。到了 2024 年，AIGC 领域的热度有增无减，新公司、新模型不断涌现，所谓'百模大战'依旧激烈。
不得不承认，AI 大模型的快速发展，成功地重定义了何为产品创新。这些变化不只局限于后台算法的升级，它们还为产品设计、用户体验，乃至于商业模式创新，开辟了广阔的可能性。
在如此的环境下，就连产品经理的 title 也成功进行了一次迭代——AIGC 产品经理应运而生。那么究竟什么是 AIGC 产品经理呢？它与传统的 AI 产品经理有何区别？本文将深入探讨。
所谓 AIGC 产品经理，本质上也属于众多产品经理类别中的一种。对于产品经理的定义，通常认为：在互联网公司的产品经理，就是要以解决用户问题为基点，设计出有理有据的解决方案，并能够申请、调度、整合和管理各方人力、物力等公司资源，高效的推动解决方案落地成为一个个满足用户高可用且有良好体验的功能或互联网产品。
在此定义前加上 AIGC，从字面意义上来理解，就是负责 AIGC 方面的产品经理。更精准的定义是：AIGC 产品经理，就是负责将 AI 能生产内容的能力完美地结合于公司现有业务的产品经理。
笔者认为，AIGC 产品经理需要有更强的产品功能设计能力以及行业洞察力。AI 大模型算是一个新领域，对于很多研发同学来说也是之前未曾接触过的，所以这使得从业的产研同学位于同一起跑线上。从某种程度上来说，AIGC 产品经理要比研发同学有更强的技术洞察力和理解力，需要能够预判技术边界。
除了产品经理的日常本职工作，要想把 AIGC 技术更好的赋能于自身业务，AIGC 产品经理就要先知道市面上都有哪些 AIGC 技术或应用。也就是说，AIGC 产品经理需要有很强的自主学习能力，能够敏锐地捕捉到 AIGC 行业的最新动态。毕竟 AIGC 应用的差异性和竞争力很大程度上依赖于 AIGC 技术的进步。
例如，ChatGPT 的前端功能交互上并未做出差异性的创新，但被大家觉得越来越好用，其本质上是因为 ChatGPT 背后模型由 GPT-3.5 升级为 GPT-4。同理还有 Midjourney，一款基于 Stable Diffusion 模型构建的 AI 绘画工具，其壁垒的不断加筑本质上还是由于 Stable Diffusion 模型的持续迭代。
AIGC 产品是人类与 AI 进行直面交互，所以能够稳定控制 AI 输出结果的不确定性也是 AIGC 产品经理的工作职责之一。人类用户对于 AIGC 产品的智能程度，通常是靠对比真实人类在相同场景下输出结果的差异性来获取结论的。
简单来说，对于没有答案的问题，人类用户们都希望 AI 能通过精准而优雅的方式来解决。相较于非 AIGC 类的产品，这种不确定性通常是由用户的具体操作带来的确定性结果。可因为 AI 大模型是通过人类不断向其投喂真实数据训练生成的，所以对于 AIGC 类产品来说，这种'训练'的模式往往会使用户的操作放大这种不确定性。
这种不确定性也不全是用户所带来的。AI 大模型的构建绝非易事，连 GPT、百川等知名业内大模型训练一次的成本都是在千万级别的。不只是 AI 大模型的实现原理很复杂，就连前期数据的获取与处理都有着一套套复杂的流程。所以，这种不确定性也受到数据质量、数据处理流程、模型、甚至 Prompt Engineering（提示词工程）的影响。
解决这种人类与 AIGC 应用交互的不确定性，也是 AIGC 产品经理的工作职责之一。AIGC 产品经理要能预知这种种的不确定性，并能让用户以及风控、法务相关制度所接受。而要想能做到这一点，除了需要 AIGC 产品经理对市面上的热门 AIGC 应用有着充分体验和很深的理解，更需要 AIGC 产品经理在其他相关业务领域的积累和沉淀。
类似佐证 AIGC 产品经理要在其他业务领域有所沉淀的例子还有很多。AIGC 只是一种能够赋能现有产品的手段，所以 AIGC 究竟能锦上添花到什么程度，还是要取决于现有产品的可靠性，所以 AIGC 产品经理还需要是一个'全能型人才'。
针对这个问题，我们先来看下大厂对 AI 和 AIGC 产品经理的招聘条件差异。
直观来看，AI 产品经理的用人 JD 往往更长且更偏向底层。简单来说，笔者认为 AI 产品经理主要是负责 AI 模型由立项到落地的一系列流程，也就是说 AI 产品经理需要产品经理对 AI 领域有充分的了解，甚至需要有一定的技术背景。
整个 AI 模型的开发流程大致包括：
所以笔者认为，AI 产品经理主要是与数据打交道，需要通过训练对比大量的、不同的数据集从而发现问题，并找到解决问题的方法。
而 AIGC 产品经理，正如上文所讲，是需要将 AI 大模型的能力完美地应用于现有业务之上的角色。说的再通用一些，AIGC 产品经理是需要通过自身的能力，帮助业务甚至企业在无需构建 AI 大模型，无需做其背后大量的基础性工作的前提下，能够基于大模型直接获取适合的 AI 能力，在应用层上做出优化迭代的角色。
| 维度 | AI 产品经理 | AIGC 产品经理 |
|---|---|---|
| 核心关注 | 模型性能、准确率、训练成本 | 用户体验、场景落地、商业化 |
| 技术深度 | 需懂算法原理、数据结构 | 需懂 Prompt 工程、API 调用、RAG |
| 工作流 | 数据闭环、模型迭代 | 需求分析、Prompt 调优、反馈机制 |
| 产出物 | 模型文件、API 接口 | 功能模块、交互流程、业务指标 |
最后，AIGC 产品经理也没那么神秘，也需要去对接需求，听各业务方表达他们对 AIGC 的'误解'。同样也需要推进项目落地，去对数据负责。如何把 AIGC 应用成功实现商业化落地，目前还需要更多的 AIGC 产品经理们去思考。不过毕竟是个新风口，而对于风口来说，商业化落地或许只是时间问题罢了。
为了胜任这一角色，除了通用的产品能力外，建议掌握以下关键技术概念：
这是 AIGC 产品经理最基础的技能。需要理解如何通过自然语言引导模型生成高质量内容。包括零样本学习 (Zero-shot)、少样本学习 (Few-shot) 以及思维链 (Chain of Thought) 等技巧的应用。
在大模型应用中，幻觉问题普遍存在。RAG 技术允许模型在回答时检索外部知识库，从而提高准确性。产品经理需要懂得如何构建向量数据库，设计检索策略，以及如何评估检索效果。
虽然 AIGC PM 不一定亲自写代码，但需要理解微调的原理。何时使用 SFT (Supervised Fine-Tuning)，何时使用 LoRA，以及微调的数据集准备标准是什么，这些都是决策的关键依据。
建立科学的评估体系至关重要。包括自动化评估指标（如 BLEU, ROUGE, Perplexity）和人工评估标准（Human Eval）。产品经理需要制定清晰的验收标准，确保模型输出符合业务预期。
大模型时代，企业对人才的需求变了，AIGC 相关岗位人才难求，薪资持续走高。AI 运营、AI 工程师、大模型算法等岗位的薪资平均值均处于高位。掌握大模型技术你还能拥有更多可能性，例如成为一名全栈大模型工程师，或者利用大模型解决相关实际项目需求。
AIGC 产品经理作为连接技术与业务的桥梁，既需要理解技术的边界，又需要洞察商业的价值。未来，随着多模态能力的增强和 Agent 技术的发展，AIGC 产品经理的角色将更加关键。保持对新技术的敏感度，深耕垂直领域，将是这一职业发展的核心路径。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online