AI产品经理的入门帖

2023年chatGPT的推出，引爆了人工智能相关产业的发展，千模大战，创业公司层面都或多或少带点AI的概念（噱头）。自2016年alpha GO后，沉寂几年的AI重新回到了大众视野中。根据麦肯锡的一个报告预估那些应用了AI的公司在2030时比2025年收益提升120%+。与AI相关的岗位也逐渐增多，AI产品经理作为其中1个大类也越来越热。

最近看了一本《AI产品经理操作手册》，结合实际AI产品经理工作经验，一是直白点评，二是对自己工作指导，期望也能帮助想要了解这个岗位的伙伴们。这本书的作者是Irene Bratsis，一个学经济学的，通过MOOC学习了data science帮助其转型,最终成为数据和AI产品总监；

这本书整体打分4星，主要做一些AI的产品技术和开发步骤做一些科普和一些AI案例，不足的是缺失一些具体案例和图片，可以支撑产品开发和案例的具体过程，給没有数据产品经验的人更好理解。

文章结构分了3个章节:背景科普－AI和对应工作流组成和产品领域案例，AI产品开发过程和产品策略，AI细分领域趋势分享。我同时把值得读章节标记在标题的括号中。

01

产品管理相关（1/2/4/5节)

AI的概念，借用吴恩达老师的解释，分为２种，狭义人工智能ANI和通用人工智能AGI。那么这本书主要聚焦的是目前广泛应用的ANI领域，其中应用最广泛的就是机器学习（包括深度学习，区别在于是否引入神经网络）。而我们常说的算法是黑盒子，主要指的是深度学习。（在本书的第3章，有关于具体技术的介绍，但是其实还是很难理解，可以看看吴恩达老师的AI is for everyone, 更形象的解释）。

AI产品的重要组成：

• datahub: 大量可用的干净的喂给计算机的中心化的数据（涉及数据存储database/datalake/data warehouse等，数据清洗的任务: data pipeline)

• continual maintenance:需要对算法的监控和运维（模型效果监控，出问题的修复）

• AI产品的开发: 流程详细在第2部分中阐述；

介绍一些commercial场景的AI产品案例

• bearing ai案例,海事初创公司，运用deep learning优化航运路径节省油（吴恩达老师的创业孵化公司之一）

• B2B的案例:Hazy，运用AI合成数据

• B2C的案例：Tiktok， 强大的推荐算法

• Goods& service industry, e.g. intelligent X利用AI算法打造啤酒配方, Chef Watson，利用AI设计菜谱

• 药品行业，cytoreason/deepcure/bull frog/standigm/biofourmis

02

如何打造AI原生产品　(6,8,10）

所谓的AI原生产品指的是以AI为核心的产品，比如ChatGPT，人脸识别，智能音箱等，既有的产品中增加AI功能，比如电商中的算法推荐功能。那么常规一个全新AI产品需要从strategy到development过程。（我稍微调整了下原书的顺序）

产品strategy的梳理，主要来源有Marketing reasearch, Gartner魔力象限图（如下图）对于竞争对手的分析，此外作为AI的产品，有哪些数据可以来喂模型也很重要，这也是我要学习和提升的点。

第二点，我觉得对于无论是原生还是既有的产品，都是相似的步骤（我根据自己的经验对书中归纳和新输入，比较多的实战经验）。

• Ideation需求调研

• 模型探索

  

• 模型工程化

  

• 发布和上线验证

  

第三点收获是AI产品团队需要的角色，书中少了2个角色，最完整的配置见下面（蓝色是我觉得书中没有提到的）：

• PM（产品经理）

• data engineer(数据清洗和数据工程师)

• 数据科学家(大数据/统计/算法/编程)，ML engineer（大部分时候是同一个人）

• data strategists(有点类似数据化咨询顾问的角色)，

• full stack engineer(前后端开发)

• QA和AI OPS

• BA数据分析师(洞察和仪表盘与报告)

• UI&UX

其实在MVP阶段，最基础的配置可以是5个角色（PM自己兼任data scientists和BA角色，data engineer，full stack engineer, QA和OPS运维）。

AI ethics, 这本书有点到这个话题，主要是AI输出不能有偏见性，后面单独出1篇阐述。

03

AI trend和技术(12)

AI trend角度，关注了麦肯锡，Gartener和forrester等咨询公司的调研报告，解析了一些AI趋势；

技术角度，把一些常见的技术列在这里，虽然我觉得他有些技术之间是被包含关系，不并列的。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝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】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

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。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉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。

👉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】🆓