AI产品经理,究竟是“产品”重要,还是“AI”重要?

我爱免费

作者：微信文章

AI产品经理，别再纠结了！今天我把话说明白：“产品”是1，“AI”是0

大家好，我是阿钱。在腾讯和字节这十几年，我面试过的产品经理没有一千也有八百，其中有近三分之一是做AI方向的。

我发现一个非常有意思的现象，尤其是对那些入行一两年的AI产品经理，我问他们：“你觉得做好一个AI产品，最重要的是什么？”

十个里面有八个，会下意识地回答：“要懂算法”、“要懂模型”、“要能看懂代码”……

每当听到这种回答，我心里基本就有数了。

今天，我就借这个机会，跟所有刚入行或者还在迷茫期的AI产品经理们，掏心窝子聊一次，把这个最底层的问题讲透：AI产品经理，到底“产品”重要，还是“AI”重要？

答案直接给你们，别再内耗了：你的岗位首先是“产品经理”，然后才是“AI”。
一、别神化AI，它只是个“脾气古怪”的新式烤箱


我刚开始带AI团队的时候，也焦虑过。那时候，团队里的算法博士一开会，满嘴都是我听不懂的公式和缩写，什么CNN、RNN、Transformer……我当时的感觉，就跟现在很多新人一样，生怕自己因为“不懂技术”而被团队看轻。

但很快我就想明白了。

打个比方，你是一个五星级大厨，你的核心能力是什么？是理解食客的口味、是创造新的菜谱、是设计完整的就餐体验。

有一天，餐厅老板花大价钱引进了一台德国产的、带有AI温控的超级烤箱。这台烤箱很牛，但也很复杂，全英文界面，还有上百个参数可以调。

请问，这个时候，你的首要任务是去学怎么造一台烤箱吗？是去研究它的芯片和电路板吗？

当然不是！

你的任务，是快速搞懂这台烤箱的能力边界和 “脾气” 。

• 它最擅长烤什么？（AI技术的优势领域）• 它烤东西的火候和传统烤箱有什么不同？（AI模型的核心原理和特点）• 用它需要准备哪些特殊的食材？（AI应用需要的数据）• 它有没有什么绝对不能碰的“雷区”？（AI技术的局限性和风险）

你把这些摸透了，然后用你作为大厨的经验，去设计一道道用这台新烤箱才能做出来的惊艳菜品——这，才是你的价值。

AI对于产品经理来说，就是这台新式烤箱。你不需要会造它，但你必须成为最会用它、最懂用它创造价值的那个人。把“产品”这个基本功忘了，一头扎进“AI”的源码里，那是本末倒置，捡了芝麻丢了西瓜。

---

二、场景 > 算法：拿着算法的锤子，满世界找钉子是第一大忌


我见过太多“高开低走”的AI项目。立项的时候，算法团队拿出了一个State-of-the-art（业界顶尖）的模型，准确率号称99.8%，所有人都很兴奋。结果产品上线后，用户不买账，数据一塌糊涂。

为什么？因为他们从一开始就搞错了方向，他们是“拿着锤子找钉子”。

我之前带过一个智能客服的项目。当时有个年轻的产品经理，非常痴迷于最新的意图识别算法，花了整整一个季度，推动算法团队把某个特定场景的识别准确率从95%提升到了97%。

听起来很棒，对吧？

但在上线后的复盘会上，我问了他一个问题：“我们花了这么大精力提升的这2%，到底解决了用户什么核心问题？为业务带来了多大的价值？”

他答不上来。

因为用户投诉最多的，根本不是那5%识别不准的case，而是机器人识别之后，给出的答案永远是车轱辘话，解决不了实际问题。用户要的不是一个能“听懂”他说废话的机器人，而是能帮他“办事”的机器人。

看明白了吗？一个能解决80分问题的场景，远比一个只能秀肌肉的99分算法有价值。

作为AI产品经理，你的第一个动作，永远是回到用户的真实场景里去，去找到那个“非用AI不可”的、最痛的痒点。而不是听算法工程师说“我这个模型很牛，咱们给它找个地方用用吧”。

记住，是场景定义算法，而不是算法定义场景。

---

三、数据 > 模型：没有好米，再贵的电饭煲也煮不出香饭


如果说场景是方向，那数据就是AI这辆车的汽油。没有高质量、持续供应的汽油，再牛的发动机也是一堆废铁。

字节的推荐流为什么能做得这么好？真的是因为他们的推荐模型比别家领先几代吗？

核心壁垒之一，是他们拥有海量、高质量、高时效性的用户行为数据。你每一次点赞、评论、停留、划走，都在为这个巨大的“数据熔炉”添柴加火。

我以前参与过一个内部的AI创新项目，想做一个能够识别合同风险的工具。模型是外包给一个顶尖AI团队做的，技术非常前沿。但项目推进了半年，效果始终上不来，识别出来的所谓“风险”，要么是废话，要么就错得离谱。

问题出在哪？就出在数据上。

我们用来训练模型的数据，都是些网上找来的公开合同范本，或者是一些陈年旧档。这些数据和真实业务中千奇百怪的合同比起来，简直是“教科书”和“真实战场”的区别。

后来，我们产品经理团队硬着头皮，花了两个月时间，和法务、业务部门一起，一个字段一个字段地清理、标注了几千份真实的、脱敏后的一手合同数据。当这批“精粮”喂给模型后，效果立竿见</strong>见效。

这件事给我的教训就是：在AI产品的世界里，数据策略就是产品策略的核心。

一个优秀的AI产品经理，他思考的重点，绝不仅仅是模型本身，而更多的是：

• 我的产品需要什么样的数据？• 我去哪里可以低成本、合规地获取这些数据？• 如何设计一套高效的数据标注和清洗流程？• 如何构建一个能让数据持续产生、自我迭代的“飞轮”？

别再只盯着模型的auc、f1-score了，多花点时间去“闻闻”你家数据的味道。

---

写在最后


聊了这么多，我希望你能明白一个最朴素的道理：

“产品”是那个决定你事业高度的“1”，而“AI”只是跟在后面的那些“0”。没有前面的1，后面有再多的0，也毫无意义。

你的核心竞争力，永远是你作为产品经理的那些基本功：用户洞察、场景定义、逻辑闭环、价值判断、项目推动。AI，只是让你把这些事情做得更深、更高效的武器。

所以，别再为自己看不懂复杂的模型而焦虑了。你应该焦虑的是：

• 你是否真的理解你的用户？• 你是否找到了一个AI能创造独特价值的场景？• 你是否为你的AI产品规划了清晰的数据战略？

把这些根本问题想清楚，远比去啃一本《深度学习》重要得多。