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《2024年人才报告》显示：人工智能成为2024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2025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。

（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。

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉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】🆓