TLDR
- 大家期望的那种AI产品经理几乎并不存在,就像是完美的CEO一样,市场上有极少,但你找不到,也雇不起。
本文后面都是在解释它的原因。
0、前言
其实本文的观点我从挺早的时候就已经确定了,不少线下见过我的人早就听我说过这个观点,时至今日我仍然需要对不同的人说这个观点,说实话我说的都累了。只是当初这个内容看起来量有点少,不适合作为一个文章发出来。
到现在时间已经过了不少,我相信不少人已经在寻找“优秀的AI产品经理”而不可得有至少半年了,但却没有放弃这个目标。
事先扭转大众的观念是很难的,特别是这个观念还有很多大佬背书。但在事后给大家的(失败)经历赋予一种解释是相对容易的,所以也许现在适合我写本文来讨论这个问题了。
1、大家心中的AI产品经理
可能每个人心理的AI产品经理的画像都是有所差别的,我现在能会想起的别人描述的画像都是以结果来定义的,例如“能找到/实现/给出XXXX”这样的描述,这是一种“解决XX问题”的画像描述思路。
无论是大公司中的具体团队还是小公司,现在都能认识到这一轮GenAI技术在应用中有很多问题,低垂的果实似乎寥寥无几。有一些问题已有的团队能解决,**剩下一些可能是明确、也可能是不明确的问题,都打包在一起,幻想一个岗位能够解决,就叫它AI产品经理吧。**在我来看不少人心目中的AI产品经理的画像大概就是他不知道找谁解决的问题的集合。
但问题来了,这个“既要又要还要”之后真的剩下的不是空集么?这大概是大部分人都没想过的问题。
简要来说,这一轮AI产品开发中,容易成为卡点的地方有:
-
【A】熟悉现有大模型方案的能力,知道每种需求的实现成本和实现路径。并能展望技术未来2年的发展
-
【B】熟悉客户,知道什么需求和什么程度的需求满足度能够让客户付费
-
【C】知道如何寻找能够正对于目标场景的数据集,并能够构建量化的效果评估方式
-
【D】熟悉触达这些客户的方式,知道如何运营客户的生态社区
这里其实只有2C场景下的【B】算是传统意义上产品经理干的事情。如果粗略划分下,2C场景下:【A】是技术和算法,【B】是产品,【D】是运营。2B场景下【A】是同样的,但【B+D】更可能是领域专家或者熟悉该领域的人。
在大部分人心目中,【C】和【D】是容易被忽略的,或不作为主要职能的,【A】的一部分切给了技术,剩下的甩锅给产品,只剩下【B】是完整且可被认知的,所以这个“解决剩下所有问题的岗位”就被贴上了产品标签,再加上要懂现在大模型方案的能力,所以冠一个AI的前缀,就叫AI产品经理。本来产品的工作就有些说不清楚,再往里面加几味药也改变不了大家对整体的印象。
2、AI产品经理在哪里?
读过上一节后,问题就相对清楚了。大家心中期望的AI产品经理很可能不是一个岗位,至少是2个(例如【A+B】),也可能是更多个。
世界上有没有这种多面手能够同时具有这些能力,或者说具有最基本的【A+B】能力呢?非常少,至少少到大家到现在招不到的程度。据我所见,能认清现实,把自己的能力往【A+B】方向打造的产品经理都已经出来创业了,无论他们是否已经达到了【A+B】的状态。道理很简单,**如果一个人具有如此多方面的核心能力,那么他为什么不自己做老板呢?**想要招这样的全能AI产品经理的人或公司自己又能提供哪些能力呢?哪些能力是市场上好找的,哪些是稀缺的呢?
如果一个闭合所有能力的人找不到,那么就得退而求其次,组一个最小化的“AI产品核心设计团队”来实现大家心目中的AI产品经理的职能。**我目前认为这个核心团队至少需要A+B两种角色,稍好一点的最小团队是:一个人是A+0.2C,另一个人是B+0.2D,后者我称之为领域专家,不管TA过去是这个领域的技术专家还是这个领域的HR。**当然这样的最小配置只能保证更大概率以合适的成本做出一个合适的产品,但仍然不保证销售成本是低的。
简化来讲,现在至少需要一个算法+2C产品/领域专家的组合,那么是让算法转产品容易呢?还是让产品/领域专家转算法容易呢?还是找两个人他们能亲密合作容易呢?都不容易。但这可能是在该领域没有前人答案可抄的时候仅有的几种路线。
3、进一步推广:不要做鸵鸟
不要把所有自己没有思路的问题都塞到一起当作一个问题,就像是上面把所有没有解决的问题都塞到一起当成一个岗位。既要又要还要的结果经常是空集。
解决新问题要对整个生态有所洞察,至少知道哪些能力要找哪些人,哪些能力现在没有已有的岗位能满足。试图压低成本尝试不是错,错的是找了半年也找不到合适的人时不知道改变。
有人会说:我招人就是宁缺勿滥,一个普通的产品经理满足不了我,我也不想招。那我只能说,祝你好运。宁缺勿滥就是说【缺】是可以接受的,甚至是默认的,团队里有人能够补位的。那你为什么还要花大心思招这个岗位呢?为什么还要把自己业务的成功赌在你招到这个岗位上呢?
A、附录:关于之前的AI产品经理
严格来说,之前确实有某些岗位可以算到AI产品经理这个噱头之下,例如之前与大型算法系统对接的产品,例如说搜索、广告、推荐等领域。
但搜广推领域真的需要产品经理么?有产品经理,但他们干的事情可能不是现在找想AI产品经理的人想象的那种。过去的AI产品经理未必是大家现在要的AI产品经理。
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓