AI 和 AIGC 行業兩個行業帶動了產品經理的的能力提升，那AI產品經理與AIGC產品經理兩者中間有什么區別的呢？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，也帶動了產品經理能力的升級和迭代。我們可以從各大招聘平臺看到，AI 產品經理和 AIGC 產品經理的招聘需求，也變得多了起來。

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

“我的業務如何和 AI 結合，我們怎么能降本增效“

對于企業來說，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。

那么企業想要跟著 AI 的潮流，同時還能應用 AI，實現降本增效，則需要招聘相關 AI 崗位的人來實現目標。

一、市場招聘需求變化

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

在過去，人們在各自的職業領域中所需要的技能和知識可能與人工智能并不直接相關。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領域都需要適應并利用人工智能的能力。從醫療到金融，從教育到制造業，人工智能已經成為了推動行業發展和創新的關鍵要素。

也正因如此，AIGC的出現為人們提供了一個寶貴的機會，不僅可以學習和了解人工智能的基礎知識，還可以探索各行各業在 AI 轉型中的實際應用。通過 AIGC，人們能夠更好地理解 AI 對于不同行業的影響，從而更好地適應和應對職業崗位需求的變化。

近期麥肯錫近期發布了一篇調研報告，數據來自他們 2023 年 4 月份的調查?？偨Y為以下幾點：

1. 招聘 AI 相關人員仍然很難

研究發現：招聘與人工智能相關的角色仍然是一個挑戰，但在過去的一年中已經變得相對容易一些。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。與之前的調查相比，回應者中報告招聘諸如 AI 數據科學家、數據工程師和數據可視化專家等角色困難的比例有所減少。盡管如此，回應者表示，招聘機器學習工程師和AI產品負責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 的預測影響，服務運營是唯一一個大多數回應者預期其組織的勞動力規模將減少的職能。對于產品和開發來說，回應者反饋減少的比例是非常低的。這一發現與我們最近的研究結果大體一致：雖然通用 AI 的出現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. 職業再培訓

展望未來三年，回應者預測人工智能的應用將重塑勞動力市場中的許多角色?？傮w上，他們預計將有更多員工接受再培訓，而不是被裁減。

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

二、產品經理自身選擇和迭代

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

“AI 產品經理和 AIGC 產品經理有什么關系，怎么區別，怎么選擇？”

首先說結論，個人建議（如有偏頗，僅供參考）是：

1. 對于之前完全沒有 AI 相關經驗的朋友，可以先考慮轉型做 AIGC 產品經理，挑選對行業經驗有一定要求，并且可以快速應用 AIGC 能力的企業
2. 對于之前有一定 AI 經驗的朋友，AI 產品經理更復雜，對技術的要求也更高，可以結合自己的定位和長遠目標，針對性選擇。

三、什么是 AI 產品經理

當你求職 AI 產品經理的時候，企業可能會有如下的要求：

1. 已經有 AI 從業經驗，比如 2-3年，甚至 5 年
2. 了解 AI 模型，能力偏技術，比如了解 AI，機器學習，自然語言處理，計算機視覺等相關技術
3. 能落地完成基于大模型的產品應用，和后臺系統的產品實施
4. 對產品進行效果跟蹤，數據分析，用戶分析，以及及時反饋到產品迭代中

1. AI 產品經理到底做什么

上圖是 AI 的技術鏈條

整個 AI 環節包括了：數據收集、標注、訓練、模型開發上線、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. 數據團隊：收集數據，標注數據，評估數據。在有些公司，這些都是產品經理的工作
2. 算法團隊
3. 其他常見的軟件研發團隊，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，商標，安全等部門

除了這些合作方，作為 AI 的公司，還需要內部有較為完整 AI 工具產品，如：標注平臺，人工審核平臺等。根據每家公司規模不一樣，會開發迭代不同規模的內部 AI 工具。

AI 產品經理工作內容方面。都會經歷收集訓練數據、驗證數據，測試數據幾個部分。不同的公司，數據采集工作分配會有差異。在一些 AI 公司，會將數據收集、異常發現、迭代優化方向、模型效果評估都放在產品組。所以你會查看大量的數據集。這些數據常見地會以 Excel 或者在軟件界面上地形式展示。

對于 AI 產品經理需要了解數據集的特征，和算法團隊溝通，建議以什么特征進行訓練，從而迭代模型。此外，還需要對大量的數據集進行標注，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果后，你還需要進行效果評估，查看問題類型，進行歸納總結，和算法團隊溝通如何進一步迭代模型優化。

總結一下就是：AI 產品經理的工作，有很多是細致和重復的部分，你需要看大量的數據，瀏覽器可能開滿了不同數據集的窗口，基于數據集去發現問題，找到可能解決問題的方向。

這是 AI 產品經理與內部研發部門配合的工作。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，進行人工優化。業界有句玩笑話，“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，且用戶不可見的內部工具的建設工作也不少。比如標注平臺，質量評估平臺。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，對于企業來說，從0-1 構建 AI 成本是非常高的。

三、AI 企業的場景與生存問題

除了作為 AI 產品經理的工作更加復雜外， To B 的 AI 公司本身也存在一定的生存問題。AI 企業很容易陷入有技術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新項目，但是都無法規?；?。整體風險較大。

在這樣的環境下，對產品經理個體而言，你會發現落地 AI 創新是非常難的。你會發現：

• 企業缺少業務視角和規劃，項目定制化居多
• 因為 AI 改變了行業習慣和“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 構建成本高，對自己企業和客戶來說，是一筆虧的賬（不絕對）
• 因為難以產品化，項目定制化居多。產品經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 構建成本又巨大。那么企業就會大量裁員進行瘦身，產品經理也容易被裁掉

那有沒有一種比較穩妥的 AI 轉型之路？推薦大家在轉型找工作的時候，優先看 AIGC 產品經理。

1. 什么是 AIGC 產品經理

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

吳恩達建議創新企業從 AIGC 應用層（Application) 切入

那么對于企業來說:

1. 可以快速調用 AI 能力，驗證業務場景價值
2. 驗證成本極低。低到傳統 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. 招聘人數極低且精簡。AI 產品 owner 1個，后臺1個，算法1個，測試運維1個，設計師1個，前端1個。就可以基于大模型，構建一個不太復雜的產品了。

大家可以看到，企業急著轉型，但是最終完成 AI 轉型目標的時候，并不需要那么多人。所以從大邏輯上，想要轉型 AI 的朋友，若之前沒有 AI 產品經理的經驗，可以先學 AIGC 的落地應用方法，而不是學傳統 AI 整套流程。先轉型做 AIGC 產品經理，利用自己的行業知識，加一定的大模型使用經驗，先把業務做出價值來。對產品經理個體來說，這么轉型的優勢有：

1. 大模型應用入手快，見效快
2. 中后臺搭建成本低，企業無需化大量成本去構建無法產出業務營收的中后臺
3. 企業有行業知識和經驗，做產品化的成功概率高（AI 真正落地，脫離不了對業務的理解）
4. 對于產品經理個體來說，升級的能力不僅僅是 AIGC 這一個方向上的升級，而是 AI + 行業 + 創新應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
5. 對企業來說 AIGC 成功率更高（快速驗證，快速將產品推向市場）。那么對于團隊來說，基本也不會存在做了3-5年發現不行，全組裁員的情況（參考字節 Picon，AI 硬件長鏈路產品風險更高）

具體怎么做？大家可以參考這篇文章：揭秘：如何尋找、設計大模型產品并落地發布？

此外，做 AIGC 產品經理，這個話題不僅適合產品經理，也適合行業里面各位專家。職業道路還有幾十年，可以再拼一把。

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

最終，大家在 AIGC 方向上的轉型和升級，考驗的是人們將行業知識與 AIGC 結合應用、落地的能力。