职场不设限：真正的AI产品经理太少了……

开局一张图

关注AI的朋友们好～本期古牧君邀请来自宇宙条的资深AI产品经理鸡翅姐（见上图），针对AI产品经理这个岗位畅聊并总结成文，作为《职场不设限》系列的首篇，希望能给大家的职业路径增加一种可能性

本文篇幅适中，内容环环相扣：

1，AI产品经理到底该怎么定义？

2，做AI产品经理需要具备哪些能力？

3，AI产品经理 vs 产品经理 的日常

4，哪些岗位更容易转型AI产品经理？

5，现阶段AI产品经理们有什么困境？

01

AI产品经理到底该怎么定义？

为了更好的理解AI产品经理的定义，我们不妨把时间线拉长，回顾互联网的几次大规模技术迭代，以及每次迭代中催生的新岗位：

Step1

从纯代码协议到PC端的网页浏览器，使互联网从小众到大众。在这个时期，产品经理都不那么重要，网页浏览器这种载体，相对复杂度还没那么高，程序员+设计师就基本能应付个七七八八。我们现在耳熟能详的好多产品大神都是程序员出身，因为那个时期就没什么产品经理啊！这就给后世留下一个印象：好产品经理必须懂技术？懂技术更能成为好产品经理？其实真不见得

Step2

从PC端的网页浏览器到移动端的APP，互联网开始变得无处不在，互联网从业者也不得不思考如何在方寸之间保障用户的体验。这个时候产品经理们正式崛起，没记错的话，曾经还有“移动端产品经理”这种岗位称呼，而这正是一种典型的过渡期叫法

Step3

AI广泛应用，提升效率。稍微想想，我们现在很少说“浏览器产品经理”和“APP产品经理”了吧，这俩岗位早就简化成了产品经理。但我们现在依然在说AI产品经理，这是一个标准的“技术迭代”+“产品经理”的组合。因为新生事物刚刚涌现，大家还没习惯。等AI渗透到生活的方方面面，那个时候AI产品经理的前缀也就会不复存在了

按时间线梳理后，我们再从功能结构上看看AI产品经理在产品经理中的定位。之前分享了一篇文章，数据产品经理的到底重心在哪儿？文中通过很多事例和概念，厘清了数据产品经理的本质是产品经理，好比白马它首先得是马

到了AI产品经理这儿，也不能犯同样的错误。来，默念一遍：AI产品经理的本质，是产品经理，不能因为前缀加了AI就发生改变，就算变成“宇宙产品经理”，它也还是产品经理

在明确这个基础认知后，我们看AI产品经理就会清晰很多了。它在产品经理的岗位地图中，层级上是无法与C端产品经理或B端产品经理对等的，更合理的逻辑层级应该是：C端AI产品经理、B端AI产品经理。对喽～AI产品经理目前应该是嵌入在两端产品经理体系内的

如果你还想再往下细分，那就套用现有的方法，在C端和B端这个维度上，再叠加一个行业领域，比如C端社交AI产品经理、C端电商AI产品经理

对B端的叠加，可以稍微赘述几句。B端从概念上既可以是to企业内部这个B，也可以是to企业外部（如其他企业或政府）这个B；同时，B端本身还有这么一种划分：技术层、能力层、应用层。所以B端的叠加就会更丰富一些，比如：B端出行技术层AI产品经理、B端视频应用层AI产品经理等

02

做AI产品经理需要具备哪些能力？

既然AI产品经理本质上是产品经理，那么产品经理的基本功就不能丢：

除此之外，“数据驱动”的思维和能力也是AI产品经理的特需。为啥？因为AI跟数据是强关联的，所有对AI的训练和迭代都离不开数据，这也导致产品经理日常需要更关注数据这个闭环，不仅要依赖数据功能上线后的评估和优化，还要运用数据进行策略设计。策略设计是什么？古牧君之前通过两个案例详细介绍过，感兴趣的朋友可以自行查阅

这么看来，AI产品经理既要像一个真正的产品经理，又要具备较强的数据驱动能力，稀缺也就比较正常了。联想到前段时间有个业内新闻，对产品经理有洁癖的腾讯，把12级（原P4-1）以下的产品从业者都改名叫什么产品策划、产品运营，只有综合能力达标的那一小撮人，才配继续叫产品经理。这说明什么呢？天下大势分久必合合久必分，早些年产品经理不断细分、不断专业化，而往后很可能就该不断融合、不断全能化了

03

AI产品经理vs产品经理的日常

做常规的产品经理，核心就是吃透👇这张图：

以及👇这种层层转化的漏斗关系图：

第一张图在产品从0到1的阶段非常重要，尤其随着用户调研+MVP上线后带来反馈逐步增多，常规产品经理很容易失焦，进入到“竞品有，我没有，因此我要有”的癫狂状态

这样的状况大概持续3-6个月就会发现，无论自己再怎么疯狂加功能，对最终的漏斗转化率效果都不大，就要花时间关注增长的问题了

和增长相关的模型和理论有很多，有AARRR，有RACE，但本质都是回归到强化“网络效应”。因此在探索了漏斗转化率的基础和边界后，很多常规产品经理就会被分去做偏运营类的工作，也就是我们耳熟能详地“搞活动"。这也是为什么做了三年之后的产品难免会觉得自己的角色开始模糊，仿佛跟运营、市场都有点关系

总结一下：分析用户路径 -> 提出产品假设-> 优化链路 / 包装玩法 ->看对漏斗和大盘的收益 -> 评估是否达到全量标准（定性/定量），这大概就是大部分常规产品经理的日常

相对AI产品经理来说，跟上述最大的区别就是如何通过搭建可持续的AI系统，来实现上述逻辑的自动化

举个例子：有一种神秘、古老的，叫做信息流产品经理（Feed PM）的岗位，每天要思考的问题就是如何提升各类内容的供需匹配效果，从而达到大盘增长。对于他们来讲，feed的框架就那个样子，而交互形态（无论单列、双列还是混排）一旦用户养成了习惯也很难再改，互动的方式无非也就是赞转评+弹幕

所以他们还能做啥？

这就牵扯到另一个问题了：一个AI产品经理需要多“懂”技术？或多大程度上参与到“AI策略设计与开发”的工作里来？

根据个人经验，AI产品经理在需求评审的阶段，需要与算法共同明确的主要有以下几点：

• 模型目标
• 特征选择
• 数据收集
• 验收标准

至于数据预处理、模型选取、特征工程、调参等等部分，如果你有精力和能力去理解那自然是好的，但如果不能，只需要理解算法运作的基本原理即可

因此无论你涉及到的领域是内容、电商还是社交，只要是与核心业务相关，AI产品经理本质上解决的都是资源匹配的问题，只不过除了关注供求两端，你也需要关注对平台本身的收益

比如对2C平台来说，每个阶段的侧重点是不同的，前期更注重日活，后期看GMV。所以AI产品经理需要时刻关注随着算法策略的迭代，模型表现提升对大盘收益提升的边界效应在哪里。除非你是专门做“技术创新”的纯技术型产品经理，不然所有脱离大盘收益的算法打磨，以及一味追求算法复杂度的行为，都只是耍流氓

04

哪些岗位更容易转型AI产品经理？

前文已经很明确了，真正的AI产品经理，必须是兼具数据驱动思维的产品经理，基于这条准则，古牧君把市面上跟AI产品经理还算相关的岗位整理如下：

初步感觉是用户增长产品经理胜出？对几个可能有争议的项目稍作解读：

1）研发工程师：“或许具备一定数据驱动思维” ？

坦白说在跟研发工程师深度配合多年后，古牧君发现，严谨的逻辑思维并不等于数据分析思维or数据驱动思维

核心差异在于，经过长期训练，工程师们的逻辑思维更多是纯形而上的，有些脱离实际业务场景；而数据分析、数据驱动思维，更看重理论与实践的结合，必须是扎根于业务场景的

所以有时候，算法工程师转型AI产品经理，虽然看起来入门快，但后续无形的门槛可能会来的更早

2）产品经理：“普遍缺乏数据驱动思维” ？

是的，别说数据驱动思维了，很多大厂的非初级产品经理们，连基本的数据分析能力都不达标。经常无法对自己负责的产品功能提出有效、可行的量化衡量方法。

所以你说**为啥现在还有这么多数据分析师的岗位需求呢？**不就是给技能残缺的产品经理们补锅呢么～

3）用户增长产品经理：“具备较好的产品思维” ？

必须坦诚，这是一个基于岗位JD的美好推测，是否该岗位的从业者们在日常工作中真的能充分施展产品思维、避免工具人的囧境，古牧君是不得而知的，欢迎这个方向的同学上门踢馆指正～

05

现阶段AI产品经理们有什么困境？

现阶段AI产品经理们的困境，主要还是源自大家对这个岗位的广泛误解。因为前缀加了AI，就觉得这个岗位不论C端B端，都应该是特别懂技术的，都应该是算法与普通产品经理的翻译官和桥梁，这就导致很多AI产品经理变成了传话筒，价值感很低。

再次重申下，AI产品经理的本质是产品经理，要求他们手撕算法代码有意义么？有那个功夫，还不如要求他们把用户需求和场景设计捋顺，少提一些异想天开的需求吧～

这个困境如何破局呢？个体层面，可以把重心多回归产品经理本质上，不要太纠结技术算法细节，更看重AI与用户需求的适配；群体层面，需要等大环境逐渐成熟。天时地利人和，一个都不能少。不过要等多久呢？参考互联网行业对所谓大数据的落地应用节奏：怎么也还得有5～10年吧

如何转行/入门AI产品经理？

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，转行/入门AI产品经理，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI产品经理入门手册、AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI产品经理入门手册

三、AI大模型视频教程

四、AI大模型各大学习书籍

五、AI大模型各大场景实战案例

六、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。