月薪3w起,AI产品经理的5点认知（非常详细）零基础入门到精通，收藏这一篇就够了

最近接触了三,四篇不错的关于AI产品经理采访报告,干货很多,结合他们说到的点,以及我自己目前在AI 工作中遇到的困难, 整理归纳成这篇文章

目前发文章不频繁, 确实在AI领域知识上有些停滞, 有点瓶颈期的感觉, 也没有太多特别有用的输入,上个月从 zlibrary下载了好几本相应的电子书, 也还没有时间看,这点得反省反省

01 产品,用户,技术

---

上一代产品经理解决的是 PMF，即产品和市场/用户的 fit，这一代AI产品经理还要先解决 TPF，即产品和技术的 fit

第一个原因是 AI 技术更新得太快了,一个月一个样,前几月没法解决的问题, 过几月可能就有相应的开源产品出来,很难解决的问题可能就有现成的技术解决

另外一个原因是 AI 产品的概率性,不确定性, 不管是 LLM 还是Stable Diffusion 的图像类模型, 你都无法精确控制他能生成什么, 具体到很多细节的参数都要一次次一代代的反复调节,而这种控制模型生成质量的能力,以及对 AI边界的认知是衡量 AI 产品经理水平的一个很具挑战性的标准

就这一点继续从用户角度展开说, 现在不太了解 AI 的普通用户,其实觉得 AI 能力很强, 导致对 AI 容错率很低,绘画模型把手指没画好, 语言模型乱回答, 就会觉得这个产品不行, 用户还不能理解这种 AI 模型的概率性和不确定性

所以一方面通过优化给用户交付的结果,增加对模型的可控性，另一方面管理用户的预期，比如让用户理解这不是最终结果，而是一个可以继续编辑的草稿,并且基本能满足用户预期, 做不到 100%,也要做到 90%, 不然用户不会愿意去做, 用户也不会留存

如果这是 AI native 产品, 还可能需要做教学使用视频, 做用户推广和教育或者尽量简化用户的上手门槛

有次我跟业务人员对接, 就采用了较复杂的产品方式, 需要用户下载好几个插件,每个插件还需要一些配置, 当时教这个业务人员使用时, 教到一半就被喊暂停, 说太复杂了

后来反思也确实是对这些没怎么接触 ai 来说的使用者, 门槛太高, 他们大多数也不会有那个时间和精力去主动学习,用户其实又懒又很受惯性思维影响的

以前的产品经理之所以依赖工程师，是因为有很多业务逻辑必须通过代码语言去实现

而现在来看，AI 产品的 prompt, temperature和各种AI workflow 产品(绘画AI 都有 comfy UI), 不懂算法和底层代码的产品经理其实都可以上手试的, 修改 config, 拖拉拽修改工作流, 产品经理自己去部署体会这些 AI 产品的具体情况

而对于大多非 AI native 的中小公司来说, 很多工程师水平有限, 是第一次接触 AI, 并不一定比你更懂

AI产品经理需要浸泡在 AI 界中, 了解每个月的 AI 主要进展, 阅读 AI 论文, 知道底层原理和最新AI 思路, 同时要自己多上手部署体验,切实地感受 AI 的利弊

以前的开发方式是产品经理先大致梳理出业务流程和预期结果，再和负责模型、算法的工程师去沟通，但这在 AI 时代是非常不现实的, 原因也是因为上面提到的两点 AI 技术原因

这点我有直接感受, 最开始接触 AI 甚至到现在,老板都想要我梳理个业务流程,技术架构,每个模块的 AI 产品文档, 我去年也实实在在写过, 写完后我的感知是太空太虚了,乍一看是有很多道理的,各个模块也是该有的, 可是要在下一层或者再下一层去细化,就很困难, 顶多写到更下一层的现有参考开源闭源产品和技术, 整个过程感觉都特别扭和生硬

不是每个模块都有现成的可以用的开源技术,并且每个模块下面的产品和技术都在不停地变化, 最重要的没人去实际地落地测试这些, 就想靠我一人,况且这样写出来对实际落地解决问题,没有什么帮助, 可能就是要这个文档去外面讲,到处融资吧, 这就是AI投融资的问题了

上面说的产品梳理流程, 让算法解决, 其实也是目前很多大厂的问题, 模型是一个部门, 产品是一个部门, 技术是一个部门, 这也是为什么很多新报道出来的 AI 创新技术大多是 10–20 个人的 AI 小团队做出来的, 比如最近的法国的Kyutai做的 moshi, 就是8 个 AI 科学家做的

你要理解整个的运作过程，你才能知道这其中哪一部分是可以抽离出来的,哪些部分又有了新的技术可以提升

在这么一个小团队,每个人各有细分领域的擅长,又对彼此领域和整个 AI 产品运作流程有所了解

我个人还是更倾向在适当大的虚的框架指导下, 去实实在在的落地去做去测去探索

目前,我打算先把自己往那 3 点去培养,具体包括

1. 了解最新产品技术, AI 新闻和潜在的用户痛点和需求

2. 坚持读 paper , 了解技术原理

3. 自己多动手部署测试开源项目,根据用户痛点，用目标场景下的数据重新引导这个模型，不管是通过 fine-tuning 还是 LoRA，还是做模型的裁剪、蒸馏,甚至是一些 agents

顶级产品经理: 能看到整个技术在未来的发展和改变

其实整体大家对 AI 的认知很浅, 更多是情感的兴奋, 真正耐下心仔细研究关注 ai 在学术和工业界进展的人实际很少

AI产品的能力也很浅, 技术初步开发, 真正有效解决复杂场景用户痛点的产品, 还需要技术和产品的不断迭代, 同时用户的需求也在不断加深, 以前 AI 能根据提示词对话就行, 现在要 AI 能实时对话,并且图像能动

02招聘

---

紧接着就说招聘, 目前招聘市场的4点基本情况

1. 公司司招聘 AI产品经理的 JD 工作描述写得模糊, 求职者自己的简历也定位不清晰

2. 以前卖课的教人从其他岗位转成产品经理, 现在是教产品经理转成 AI 产品经理, 这些卖课的只负责流量收割和卖课, 简单教教怎么用 chatGPT 和一些上手项目

3. AI产品经理分类包括AI数据处理的产品经理, 大模型策略的产品经理,AI native 的产品经理, 把传统产品中加 AI 功能的产品经理; 图像领域的产品经理等等

4. AI 产品经理招聘市场招了大半年也招不到人, 把所有没有解决的问题都塞到一起当成一个岗位去招聘

这第 4 点展开说:

既要求懂技术原理,又会产品, 也知道用户需求和痛点,能根据需求评估技术路径和实现成本并且是, 这对于个人来说很有挑战性,能满足这些人的能力本来就很少,再有,具备这些多面手的能力,自己完全可以自己去创业, 没必要到别人公司去打工

具体面试AI 产品经理对其要求:

简历: 基本产品经理素质+ AI 工作关联的部分,包括更深的接触 AI 工作流, 自己能经常用到的 AI工作流,甚至参与过自己有用户痛点想法的AI项目

面试: 被面试者对 AI 及AI 的应用场景有自己的认识和理解, 哪些 AI 产品试过并讲解看法,尤其是一些对用户场景和目前AI 技术边界的清晰认识,甚至已有相应工作经验,能很快上手

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。