AI 和 AIGC 行業(yè)兩個行業(yè)帶動了產(chǎn)品經(jīng)理的的能力提升，那AI產(chǎn)品經(jīng)理與AIGC產(chǎn)品經(jīng)理兩者中間有什么區(qū)別的呢？下面一起來看一下，之間的不同之處吧！

目前很火的 AI 和 AIGC 行業(yè)，也帶動了產(chǎn)品經(jīng)理能力的升級和迭代。我們可以從各大招聘平臺看到，AI 產(chǎn)品經(jīng)理和 AIGC 產(chǎn)品經(jīng)理的招聘需求，也變得多了起來。

因為整個市場，不管是什么行業(yè)，都在面對 AI 的轉(zhuǎn)型和升級，老板們都會問一句話：

“我的業(yè)務(wù)如何和 AI 結(jié)合，我們怎么能降本增效“

對于企業(yè)來說，大家都不想在這次 AI 的大浪潮下被淘汰，被時代無情地甩在后面。

那么企業(yè)想要跟著 AI 的潮流，同時還能應(yīng)用 AI，實現(xiàn)降本增效，則需要招聘相關(guān) AI 崗位的人來實現(xiàn)目標。

一、市場招聘需求變化

隨著人工智能的普及和應(yīng)用，各行各業(yè)都在經(jīng)歷著巨大的轉(zhuǎn)型和變化。AI在不同領(lǐng)域的應(yīng)用已經(jīng)不再是新鮮事物，而是成為了一種普遍存在的工具和技術(shù)。這種普及性的應(yīng)用使得各行各業(yè)對于人才的需求也發(fā)生了翻天覆地的改變。

在過去，人們在各自的職業(yè)領(lǐng)域中所需要的技能和知識可能與人工智能并不直接相關(guān)。然而，隨著AIGC等人工智能工具的廣泛使用，如今幾乎所有的職業(yè)領(lǐng)域都需要適應(yīng)并利用人工智能的能力。從醫(yī)療到金融，從教育到制造業(yè)，人工智能已經(jīng)成為了推動行業(yè)發(fā)展和創(chuàng)新的關(guān)鍵要素。

也正因如此，AIGC的出現(xiàn)為人們提供了一個寶貴的機會，不僅可以學(xué)習(xí)和了解人工智能的基礎(chǔ)知識，還可以探索各行各業(yè)在 AI 轉(zhuǎn)型中的實際應(yīng)用。通過 AIGC，人們能夠更好地理解 AI 對于不同行業(yè)的影響，從而更好地適應(yīng)和應(yīng)對職業(yè)崗位需求的變化。

近期麥肯錫近期發(fā)布了一篇調(diào)研報告，數(shù)據(jù)來自他們 2023 年 4 月份的調(diào)查。總結(jié)為以下幾點：

1. 招聘 AI 相關(guān)人員仍然很難

研究發(fā)現(xiàn)：招聘與人工智能相關(guān)的角色仍然是一個挑戰(zhàn)，但在過去的一年中已經(jīng)變得相對容易一些。這可能反映了從2022年底到2023年上半年，科技公司大量裁員的情況。與之前的調(diào)查相比，回應(yīng)者中報告招聘諸如 AI 數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和數(shù)據(jù)可視化專家等角色困難的比例有所減少。盡管如此，回應(yīng)者表示，招聘機器學(xué)習(xí)工程師和AI產(chǎn)品負責(zé)人的難度與去年相比依然很大。

2. AI 對不同職能影響

具體來看，對于通用 AI 的預(yù)測影響，服務(wù)運營是唯一一個大多數(shù)回應(yīng)者預(yù)期其組織的勞動力規(guī)模將減少的職能。對于產(chǎn)品和開發(fā)來說，回應(yīng)者反饋減少的比例是非常低的。這一發(fā)現(xiàn)與我們最近的研究結(jié)果大體一致：雖然通用 AI 的出現(xiàn)增加了我們對可自動化工作活動比例的估計（從 50% 增加到 60% 至 70%），但這并不一定意味著整個角色的自動化。

3. 職業(yè)再培訓(xùn)

展望未來三年，回應(yīng)者預(yù)測人工智能的應(yīng)用將重塑勞動力市場中的許多角色。總體上，他們預(yù)計將有更多員工接受再培訓(xùn)，而不是被裁減。

38% 采用 AI 的回應(yīng)者預(yù)計，他們公司的勞動力中將有超過20% 的人將接受再培訓(xùn)，而 8% 的回應(yīng)者表示他們的勞動力規(guī)模將減少超過 20%。

二、產(chǎn)品經(jīng)理自身選擇和迭代

那么對于產(chǎn)品經(jīng)理來說，我們怎么把握住這次浪潮？如何升級轉(zhuǎn)型成為 AI 或者 AIGC 產(chǎn)品經(jīng)理？那這里就少不了聊一個話題：

“AI 產(chǎn)品經(jīng)理和 AIGC 產(chǎn)品經(jīng)理有什么關(guān)系，怎么區(qū)別，怎么選擇？”

首先說結(jié)論，個人建議（如有偏頗，僅供參考）是：

1. 對于之前完全沒有 AI 相關(guān)經(jīng)驗的朋友，可以先考慮轉(zhuǎn)型做 AIGC 產(chǎn)品經(jīng)理，挑選對行業(yè)經(jīng)驗有一定要求，并且可以快速應(yīng)用 AIGC 能力的企業(yè)
2. 對于之前有一定 AI 經(jīng)驗的朋友，AI 產(chǎn)品經(jīng)理更復(fù)雜，對技術(shù)的要求也更高，可以結(jié)合自己的定位和長遠目標，針對性選擇。

三、什么是 AI 產(chǎn)品經(jīng)理

當你求職 AI 產(chǎn)品經(jīng)理的時候，企業(yè)可能會有如下的要求：

1. 已經(jīng)有 AI 從業(yè)經(jīng)驗，比如 2-3年，甚至 5 年
2. 了解 AI 模型，能力偏技術(shù)，比如了解 AI，機器學(xué)習(xí)，自然語言處理，計算機視覺等相關(guān)技術(shù)
3. 能落地完成基于大模型的產(chǎn)品應(yīng)用，和后臺系統(tǒng)的產(chǎn)品實施
4. 對產(chǎn)品進行效果跟蹤，數(shù)據(jù)分析，用戶分析，以及及時反饋到產(chǎn)品迭代中

1. AI 產(chǎn)品經(jīng)理到底做什么

上圖是 AI 的技術(shù)鏈條

整個 AI 環(huán)節(jié)包括了：數(shù)據(jù)收集、標注、訓(xùn)練、模型開發(fā)上線、部署、評估驗證、維護、安全。整條 AI 鏈路其實非常長，你可能會涉及合作的團隊有：

1. 數(shù)據(jù)團隊：收集數(shù)據(jù)，標注數(shù)據(jù)，評估數(shù)據(jù)。在有些公司，這些都是產(chǎn)品經(jīng)理的工作
2. 算法團隊
3. 其他常見的軟件研發(fā)團隊，如前后端，測試，運維等
4. 銷售，客服，交付等更面向客戶團隊
5. 法務(wù)，商標，安全等部門

除了這些合作方，作為 AI 的公司，還需要內(nèi)部有較為完整 AI 工具產(chǎn)品，如：標注平臺，人工審核平臺等。根據(jù)每家公司規(guī)模不一樣，會開發(fā)迭代不同規(guī)模的內(nèi)部 AI 工具。

AI 產(chǎn)品經(jīng)理工作內(nèi)容方面。都會經(jīng)歷收集訓(xùn)練數(shù)據(jù)、驗證數(shù)據(jù)，測試數(shù)據(jù)幾個部分。不同的公司，數(shù)據(jù)采集工作分配會有差異。在一些 AI 公司，會將數(shù)據(jù)收集、異常發(fā)現(xiàn)、迭代優(yōu)化方向、模型效果評估都放在產(chǎn)品組。所以你會查看大量的數(shù)據(jù)集。這些數(shù)據(jù)常見地會以 Excel 或者在軟件界面上地形式展示。

對于 AI 產(chǎn)品經(jīng)理需要了解數(shù)據(jù)集的特征，和算法團隊溝通，建議以什么特征進行訓(xùn)練，從而迭代模型。此外，還需要對大量的數(shù)據(jù)集進行標注，這往往會專門有個人工標注團隊進行標注。有了標注，才能知道模型判斷的正確與否。每一個版本模型出結(jié)果后，你還需要進行效果評估，查看問題類型，進行歸納總結(jié)，和算法團隊溝通如何進一步迭代模型優(yōu)化。

總結(jié)一下就是：AI 產(chǎn)品經(jīng)理的工作，有很多是細致和重復(fù)的部分，你需要看大量的數(shù)據(jù)，瀏覽器可能開滿了不同數(shù)據(jù)集的窗口，基于數(shù)據(jù)集去發(fā)現(xiàn)問題，找到可能解決問題的方向。

這是 AI 產(chǎn)品經(jīng)理與內(nèi)部研發(fā)部門配合的工作。對銷售客服端的時候，因為 AI 的不完美，模型的結(jié)果往往和最終的交付物品會有差別。比如客戶要求整體準確率要 95%，若當下你的模型無法達到，只有 88%。這里還會涉及人工校驗的工作，進行人工優(yōu)化。業(yè)界有句玩笑話，“人工智能人工智能，先人工，后智能”。所以此時你需要和銷售、客服團隊溝通，首先確?？蛻魧?95% 需求的真實性，然后基于進行一定程度的人工驗證，以及定義交付形式。

大家可以看到這個 AI 的流程和鏈路非常長，且用戶不可見的內(nèi)部工具的建設(shè)工作也不少。比如標注平臺，質(zhì)量評估平臺。還涉及人工標注和驗證，這些都是冰山下的沉沒成本。正如吳恩達說的，對于企業(yè)來說，從0-1 構(gòu)建 AI 成本是非常高的。

三、AI 企業(yè)的場景與生存問題

除了作為 AI 產(chǎn)品經(jīng)理的工作更加復(fù)雜外， To B 的 AI 公司本身也存在一定的生存問題。AI 企業(yè)很容易陷入有技術(shù)而無法落地的怪圈中，變成一個 AI 人頭外包公司，或者不停在做各種創(chuàng)新項目，但是都無法規(guī)模化。整體風(fēng)險較大。

在這樣的環(huán)境下，對產(chǎn)品經(jīng)理個體而言，你會發(fā)現(xiàn)落地 AI 創(chuàng)新是非常難的。你會發(fā)現(xiàn)：

• 企業(yè)缺少業(yè)務(wù)視角和規(guī)劃，項目定制化居多
• 因為 AI 改變了行業(yè)習(xí)慣和“生存方式”，用新的、更加透明的方式運營，客戶方難以推進和落地
• AI 構(gòu)建成本高，對自己企業(yè)和客戶來說，是一筆虧的賬（不絕對）
• 因為難以產(chǎn)品化，項目定制化居多。產(chǎn)品經(jīng)理很容易成為文檔仔，原型仔，和項目仔
• 若 AI 項目長期落不了地，掙不到錢，而 AI 構(gòu)建成本又巨大。那么企業(yè)就會大量裁員進行瘦身，產(chǎn)品經(jīng)理也容易被裁掉

那有沒有一種比較穩(wěn)妥的 AI 轉(zhuǎn)型之路？推薦大家在轉(zhuǎn)型找工作的時候，優(yōu)先看 AIGC 產(chǎn)品經(jīng)理。

1. 什么是 AIGC 產(chǎn)品經(jīng)理

從 AI 的發(fā)展方向上來說，大模型是完全反著上面 AI 整套復(fù)雜 Pipeline 鏈路走的，大模型的目標（如OpenAI ）的商業(yè)化理念，是讓更多的企業(yè)和個體，能夠基于大模型直接調(diào)用 AI 能力，而無需去構(gòu)建冰山下的那么多基礎(chǔ)性工作。

吳恩達建議創(chuàng)新企業(yè)從 AIGC 應(yīng)用層（Application) 切入

那么對于企業(yè)來說:

1. 可以快速調(diào)用 AI 能力，驗證業(yè)務(wù)場景價值
2. 驗證成本極低。低到傳統(tǒng) AI 公司可能要花 3-4年搭建整套 pipeline，你可能只需要幾周到一個月就能驗證完成。
3. 招聘人數(shù)極低且精簡。AI 產(chǎn)品 owner 1個，后臺1個，算法1個，測試運維1個，設(shè)計師1個，前端1個。就可以基于大模型，構(gòu)建一個不太復(fù)雜的產(chǎn)品了。

大家可以看到，企業(yè)急著轉(zhuǎn)型，但是最終完成 AI 轉(zhuǎn)型目標的時候，并不需要那么多人。所以從大邏輯上，想要轉(zhuǎn)型 AI 的朋友，若之前沒有 AI 產(chǎn)品經(jīng)理的經(jīng)驗，可以先學(xué) AIGC 的落地應(yīng)用方法，而不是學(xué)傳統(tǒng) AI 整套流程。先轉(zhuǎn)型做 AIGC 產(chǎn)品經(jīng)理，利用自己的行業(yè)知識，加一定的大模型使用經(jīng)驗，先把業(yè)務(wù)做出價值來。對產(chǎn)品經(jīng)理個體來說，這么轉(zhuǎn)型的優(yōu)勢有：

1. 大模型應(yīng)用入手快，見效快
2. 中后臺搭建成本低，企業(yè)無需化大量成本去構(gòu)建無法產(chǎn)出業(yè)務(wù)營收的中后臺
3. 企業(yè)有行業(yè)知識和經(jīng)驗，做產(chǎn)品化的成功概率高（AI 真正落地，脫離不了對業(yè)務(wù)的理解）
4. 對于產(chǎn)品經(jīng)理個體來說，升級的能力不僅僅是 AIGC 這一個方向上的升級，而是 AI + 行業(yè) + 創(chuàng)新應(yīng)用落地三個維度的加持，對自己能力升級是 a*b*c 的乘法效應(yīng)
5. 對企業(yè)來說 AIGC 成功率更高（快速驗證，快速將產(chǎn)品推向市場）。那么對于團隊來說，基本也不會存在做了3-5年發(fā)現(xiàn)不行，全組裁員的情況（參考字節(jié) Picon，AI 硬件長鏈路產(chǎn)品風(fēng)險更高）

具體怎么做？大家可以參考這篇文章：揭秘：如何尋找、設(shè)計大模型產(chǎn)品并落地發(fā)布？

此外，做 AIGC 產(chǎn)品經(jīng)理，這個話題不僅適合產(chǎn)品經(jīng)理，也適合行業(yè)里面各位專家。職業(yè)道路還有幾十年，可以再拼一把。

因為這轉(zhuǎn)型背后的邏輯是，怎么讓每個人每個企業(yè)，都能用普世的 AI 獲得商業(yè)上的價值。所以并不是只有產(chǎn)品經(jīng)理可以升級。相反，如果你對某個行業(yè)非常了解，屬于行業(yè)專家，那么你的轉(zhuǎn)型和升級會更加難能可貴，更加稀缺。

最終，大家在 AIGC 方向上的轉(zhuǎn)型和升級，考驗的是人們將行業(yè)知識與 AIGC 結(jié)合應(yīng)用、落地的能力。