AI时代，为什么说人人都是产品经理？产品经理的出路？

大模型.

于 2024-05-21 20:38:40 发布

阅读量848

点赞数 20

文章标签：人工智能产品经理自然语言处理职场和发展语言模型

本文链接：https://blog.csdn.net/EnjoyEDU/article/details/139101670

版权

‍一直以来，有很多人问我如何接入大模型，如何跟自己的产品场景结合。从这些问题中，我总结了一个共性，就是AI时代工作范式还不清楚。今天我用几个关键词来简述工作范式的转变：智能化误区、产品经理的新角色、评测集的重要性、模型的持续优化。

1. 智能化误区

很多人在初接触AI时，存在一种误解，认为只需输入数据，AI就能自动生成理想结果。事实上，AI的表现高度依赖输入数据的质量和设计的合理性。要避免这种误区，必须认识到AI不是万能的，它需要你的引导和设计。

几个月前，有个朋友想接入大模型，他想把大模型与对话式广告结合。他觉得只要设计出来一个界面，对话窗口接入大模型，这个产品就做完了，完全没有提解决用户什么问题、产品提供什么服务、大模型从中要解决什么问题，更不知道的是大模型的prompt谁来写，还要约束大模型的产出结果。这些问题的爆出，让我深刻感觉产品经理工作范式变了。

配图：chatgpt生成

2. 产品经理的新角色

在传统产品设计中，产品市场契合度（Product-Market Fit，PMF）是评估产品成功的重要指标。产品经理提产品需求时一般通过画原型图和编写需求文档定义产品功能。而在AI时代，技术产品契合度（Technology-Product Fit，PMF）可能是评估产品成功的重要指标。AI时代，产品经理需要在大模型的优势与局限性和产品之间找到平衡，确保产品既能规避大模型的局限性发挥它的优势，又能满足市场需求。 所以需要产品经理提产品需求时，进一步定义用户的输入和期望的输出效果。这样就不仅要了解用户需求，还要预见用户行为模式，将其转化为AI模型的输入输出要求，给大模型输出效果定一个OKR。

如：AI搜索与传统搜索最大的区别就是内容的呈现形式，AI搜索的背后逻辑是根据用户的query自动拆分多个意图相关的query，自动去检索，搜索出几百条结果后，给到大模型自动阅读，大模型会摘选相关性好的几个结果总结一篇答案回答用户的query。AI搜索的结果形式有总分总、总分等多种形态。这些都是产品经理定义出来的。

产品经理在定义模型的输入和输出时，在产品真正上线之前需要检查一下大模型的输出是不是都符合预期，这时候就需要产品经理人手一个评测集去测大模型的输出效果。

3. 评测集的重要性

在AI产品设计中，评测集的创建至关重要。评测集用于验证AI模型输出是否符合预期，确保模型输出能够满足产品、用户需求。 这个过程类似于传统产品的用户测试，但需要更全面的用户问题分布和标准的答案。

比如你要开发智能客服系统时，你的评测集就需要包含80%的用户会提哪些问题，这些问题的答案是什么，余下的20%的问题是什么，答案又是什么。这些答案都是标准答案，在检查大模型的效果时，就把同样一份用户问题清单给到模型，让模型输出答案，再与你设计的标准答案对比，看看有多少符合预期，符合预期的越多，模型回答质量就越高。

4. 模型的持续优化

AI模型的表现不仅依赖于初始训练数据，还需要通过持续的调整和优化来提升。当产品在实际应用大模型过程中，如果通过prompt engineering也无法提升模型效果时，则需要根据自己的业务场景提出模型微调方案，给算法同学一批你产品的微调数据集去训练模型效果。这样大模型的能力与业务场景在相互成就过程中互相都有大的提升。