一位美国的PM分享：AI产品经理的10大技能优质

产品经理应当具有“用户至上”的基本意识，但是在把一个想法成功转变成产品的过程中，对于 AI 产品经理来说还需要额外的数据读写能力。想要做到用户至上，AI 产品经理除了突出产品功能和优势之外，还需要理解客户工作的意义、目的以及他们选择背后的动机。

数据至上包含两个方面：

（1）能够量化客户所关心的问题，做一个数字化的支持者；

（2）能够建立用于构建高质量 AI 模型的综合数据集。

此外，还需要获取准确反映用户工作、行为、交互模式和痛点的数据。数据形式可以是像素、字符、数字或者比特。

如果能够对数据提取、数据处理以及数据可视化有基本的了解，则有助于创建更具客户价值的 AI 解决方案。

5. 善用简单模型快速构建产品

并非所有成功的 AI、ML（机器学习）产品都采用了复杂的模型，实际上，沉迷于复杂 AI 模型的行为并不受推崇。这是因为底层模型的准确性并不能保证良好的用户体验。

一些简单的模型也能够提供足够的准确性，增加模型的复杂性遵循二八定律，只会导致边际改进。但是，在某些情况下，准确性至关重要，模型需要多次迭代。

如前所述，有必要用最简单的 AI 模型构建出小型管道，从而创建用户体验并收集反馈。Jussi Pasanen 的最小可行产品（MVP）金字塔模型可以根据 AI 产品进行调整，如下所示：

6. 不断迭代 AI 用例

对于那些提供速验证学习循环从而快速迭代 AI 模型的方法，AI 产品经理都需要熟悉。相比“构建-测量-学习”的方法论来说，基于“假设-设计-测试-学习”的精益产品方法论更适合 AI 领域，AI 产品经理应当能够通过简单用例构思业务核心。建立在小型数据集上的用例应当能够运行敏捷实验。

这些实验应该被映射到机器学习的基本能力总，比如分类（二元或多分类）、聚类、回归以及深度学习的通用逼近能力。

将模型映射到业务之后，模型就可以从最简单的开始迭代了。

用例的终极目标应该是极力为最终用户创造重要价值，同时提高收益（EBIT），并且应该与一小部分与客户息息相关的度量标准绑定。同时为多个目标优化端到端的 AI 模型可能颇具挑战，并且会使得系统难以调试。因此在实际实施过程中，可以建立一个 AI 模型管道，每个模型都针对特定的度量进行优化。这样一来系统便可以更好地解释并且易于维护。

比如，假设要构建一个文本简化应用程序，我们可以将数据处理系统分为三个 AI 模型：一个主题分类器、一个句子简化器和一个一致性检查器，每个 AI 模型都针对一个独特的度量进行优化。

7. 构建广度优先而非深度优先的 AI 模型

AI 产品经理应当熟悉 AI 端到端产品的工具和技术。这样一来，他们才有能力影响：

这需要对 API 生态系统有着高度的认识，这些 API 帮助服务于最终用户，它包括数据摄入工具（比如 Kafka）、数据处理系统（比如 Spark）以及 处理大数据的 NoSQL DBMS（比如 Cassandra）。此外还需要了解 AWS 和 GCP 的商业选择，同时能够对其正确权衡。最后，了解构建各种组件和使用商业替代方案的成本结构也很重要。

要尽量避免重新发明商业化 AI 技术，最好利用 AWS、GCP、IBM 和 Azure 等流行云提供商提供的现成服务。

8. 优雅地处理产品故障

大公司有很多优雅的方式来处理低效或者出故障的 AI 产品。一种简单的方法是为用户提供一种立即重新标记数据以进一步改进模型的方法。

举例来说，iPhone 的语音邮件转录服务对其低信度是透明的，并为用户提供了一个选项来帮助苹果通过提交语音记录来改进转录。

在我的文本简化产品中，我考虑过补充一个连贯性检查器，用来确定以前模型中简化句子的连贯性或者语法。如果低于阈值，则系统可以对其置信度变得透明，并给出用户对结果提供反馈的选项，或者使用与输出相同的输入句子。

9. 保证 AI 模型的可解释性

使用深度学习构建的 AI 模型是一个黑盒子，在涉及法律、医学和安全等关键应用中，产出需要对合规目的作出明确解释。本文总结了两种解释深度学习模型预测的方法，一种是计算预测对输入变化敏感性的方法，另一种是根据输入变量有意义地分解决策的方法。产品经理应该利用基于这些方法的工具，并确保模型没有偏见。SAP 设计中心为消除偏见提出了一些建议。

10. 能够与研发团队进行技术层面的沟通

还有一点也很重要，AI 产品经理需要了解 AI 研究人员、数据工程师和数据科学家的语言。只有这样 AI 产品经理才能提供重要的反馈，来帮助 AI 工程师根据用户体验调整模型。

数据科学需求层级金字塔（源于 Insight 的顾问 Monica Rogati ）很好地呈现了 AI 产品技术堆栈。

此外，AI 工程师和数据科学家通常具有很高的学位（几乎都是博士）以及强大的学术背景，并从新颖的学术项目中获得巨大的智力满足感。产品经理需要调整他们的倾向，以制造出适合市场和用户的实用产品。

除了强烈的产品意识之外，你需要对各种机器学习算法和 AI 模型及其上下文具有高层次的理解，才可以成功管理 AI 工程师团队并推出 AI 产品。

最后：

人工智能目前成果显著，在未来必将前途无限。当前已有代表性的产品，它们能够让顾客满意，并且明显提升了现有业务。AI 产品经理是产业发展的催化剂，他们需要不断掌握新的的思维和技能，才能促使 AI 产业的腾飞。

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。

本文地址：https://www.yimics.com/wljs/42050.html