起薪4万的AI产品经理，必须掌握的技术模型与3大知识体系

最新推荐文章于 2024-11-01 17:13:19 发布

大模型拾月

最新推荐文章于 2024-11-01 17:13:19 发布

阅读量1.2k

点赞数 21

文章标签：人工智能产品经理自然语言处理语言模型 prompt 大数据

本文链接：https://blog.csdn.net/kaka0722ww/article/details/138337409

版权

这是求职产品经理系列的第170篇文章

一、AI行业的招聘趋势以及人才紧缺度

根据脉脉《2023年人才报告》显示：人工智能成为2022最缺人行业，⼈⼯智能⾏业的⼈才紧缺指数（⼈才需求量/⼈才投递量）为0.83，也就是说这个领域人才缺口巨大且没那么卷。而且随着ChatGPT4.0的大火，这种趋势在2023年强势蔓延。

目前，各行业内人士的共识就是：AI产品经理超级缺人，大小公司都缺。我最近跟小米、百度的资深AI产品沟通，他们反馈：在大量招人，只要有AI相关的项目经验，学历别太差就能拿到面试机会。而且领导很舍得给钱，涨薪40-60%很正常。

在AI领域，特别是最近大火的AIGC方向，招聘量最大的就是两类岗位：一类是研发类，一类是产品类。

整体上，这两类岗位的薪资也最高，也最建议大家求职这两类岗位。根据脉脉高聘人才智库的数据显示：

AIGC领域热招岗位中，图像识别、算法研究员、深度学习岗位的薪资均已达到百万。

此外，AIGC产品经理作为非技术岗，薪资水平也达到90万元，与其他领域相比占据较大优势，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

其实AI产品经理整体的工作流程跟互联网产品经理非常类似。具体的工作流程有以下几个步骤：

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，本质还是“产品经理”，最核心的工作，还是找到需求，专注于产品价值。

AI是个用新技术的解决问题的工具，对于产品经理来说，最主要的工作，还是去思考，用这个工具，能够解决什么以前不能解决的需求，或者用什么更好的方式解决原来的需求。

结合自己的行业经验，去洞察，去发现问题，作为“产品经理”本质的、核心的意义还是不变的。

2.如何通过AI解决——技术理解

找到需要解决的问题后，在如何解决方面，涉及到了对AI的技术理解。

根据产品现状，不同的的产品对应的技术方向不同。

AI大的技术方向有计算机视觉、自然语言处理、语音工程、规划决策、大数据分析。根据自己所做产品的行业，对不同的技术理解有不同的要求。

AI是一个找出对应关系的工具，把行业内的需求，转化成的“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”，形式会有不同。
在这里插入图片描述

（二）数据准备

当定义好需求，明确了根据需求要给AI定义的“输入”和“输出”是什么之后，接下来就需要为AI准备“输入-输出”的训练集，并训练AI了。

必须要说明的是：这个环节是针对于非大模型类的AI产品经理需要做的事情，当然大模型出现之后，如果是针对AIGC领域的产品经理是不需要做这件事的。

所以，当下对于技术背景不是很强的小伙伴，AIGC领域的产品经理是一个可以重点考虑的方向。

我把数据准备分成了三个阶段，数据来源——数据定义——数据交付。

在这三个阶段中，需要的规划、收集、整理数据的能力，我觉得是AI产品经理与传统产品一个非常大的差别了。

1.数据来源

就像传统产品一样，产品开始前必须先确定数据来源。

传统产品的数据来源是直接给提供给用户的使用数据，AI的数据来源是指训练AI的数据来源。

我把数据来源分成了两个方面，第一个是为AI准备的基础数据，第二个是结合产品设计，在和用户交互中收集的数据。

基础数据是用来制作AI产品的数据，交互中收集的数据，是产品上线后，用户对产品进行训练的数据。

（1）基础数据

产品经理首先要找到合适的数据源，它可能会是所做产品原来的数据积累，也可能是各方收集的数据甚至人力撰写而来的数据。这些数据需要被整理成教育AI的训练集和测试集。大量的深度学习对数据的质量也有很高的要求。

准备训练集和测试集是AI产品经理相对与传统产品经理新增的任务，也是一个非常艰难和繁杂的任务，而且任务量很大，需要团队一起配合完成，并且不断探索更加简便的方法。

（2）在交互中收集数据

AI产品并不像传统产品一样，每一版是一个固定的形态。

它有一个很大的特质是“动”，AI是成长的，是不断进步和变化的，和用户交互的过程，就是它的迭代过程。

交互中的数据是数据来源的一个重要方面。

（3）数据定义

当有了数据来源，接下需要为AI整理训练集和测试集。这期间涉及到很多繁杂的工作，大量的数据清洗、整理数据，并且有非常多需要考虑的问题：

用什么样的方法清洗和整理数据？
设置什么样的“输入”和“输出”能够保证测试集训练出的机器能更好的运用在实际场景中？
在交互中，要收集什么数据？用什么样的形式收集数据？如何把收集数据的交互更好地融合在用户的使用中？

这些都是AI产品经理面对数据时需要考虑的，每一个问题下都有非常非常多的内容需要探索。在真正的实践过程中，还有各种各样的疑难杂症，需要根据机器学习效果对训练集进行不断的不断的调整和修改。

（三）产品设计

定义好了产品需求后，就可以开始进行产品设计了。产品设计本质和传统产品经理的工作是一样的，根据需求和问题做出能解决问题的产品。

我主要两个方面：基础功能、动态中发展。

（1）基础功能

产品的大框架肯定还是基于我们的产品本身的形态，它是一个智能音箱还是一个智能电视，还是在App里的一个智能助手…

接下来看我们要完成的需求，如果它是一个用在App里的智能助手，现在要训练它完成“找功能”这个需求，那么产品的形态和设计肯定就是围绕着“找功能”来做。相信这部分工作互联网领域的产品经理是完全没有任何难度的。

（2）动态中发展

动态中发展的含义两个方面，第一个在上文中已经提到了，产品在使用中迭代。

要在产品设计中添加数据收集的设计，通过产品的不断使用，不断从用户那里得到更多的更深入的数据，在使用中为AI进行训练，在AI解决问题越来越准确和深入的过程中迭代产品。

基于新获得的更加深入和了解用户的数据，也可以为该场景下更加深入功能的制作提供基础。比如一开始只能帮助用户唤起应用，之后就可以考虑帮助用户唤起并使用应用内的内容。

第二个动态指的是用户和产品的交互是动态的。

不同于传统产品，点一个确定按钮就是确定按钮，点一个取消就是取消，在语音对话等场景下，产品的功能是需要在和用户的动态交互中被唤起的。

当然这里主要谈到的是语音对话等场景下，大部分用在搜索、推荐等传统界面内的AI交互还是和互联网界面一样。

而语音场景下和用户不断对话的情况，涉及到了场景剧本编写、多轮对话设计、词槽设计等方面，还有语音交互的规则以及经验。

比如地图应用的小助手使用场景多在开车用户开车时，用户会问些什么，怎样编写剧本，怎样进行词槽填充？

在未来，也会出现越来越多AI产品不局限在固定的界面内，AI产品经理面临的是对更丰富和广阔的场景的把握。

（四）上线反馈

AI产品上线之后一般是需要做三件事：1）模型评估指标体系的搭建，这部分应该是在产品定义之初就搭建好；2）指标的计算逻辑设计；3）模型验收测试。

根据以上AI产品经理工作流程的梳理，我梳理了3大技能模型，如上图所示如果有兴趣想提前布局进入AI产品经理的领域的同学，可以根据这个作为方向，一点点的提升自己的能力。

大模型岗位需求

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运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。
在这里插入图片描述

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-