随着企业数字化转型的发展，AI 和大数据应用在各行业普及，AI 产品经理和数据产品经理成为热门岗位。市场调研显示，想要进入 AI 行业的职场人士更愿意先从 AI 产品经理入手。数据显示，AI 产品经理的招聘量增长迅速，薪资竞争力强，以北京为例，该岗位月薪可达较高水平。
什么是 AI 产品经理？
早在 2017 年，国内 AI 技术已在互联网行业落地。2020 年疫情后，受政策扶持影响，制造业、金融、汽车、自动化等行业开始结合 AI 应用。在 IT 行业有自带数据和技术优势，成为 AI 产品经理相对容易；但在传统行业 +AI 的过程中，如何将 AI 技术与传统产品结合实现变现是最大痛点。
具体工作内容是什么？跟传统产品经理的工作流程有哪些区别？本文以一款保险行业的 AI 产品（将 AI 视觉识别技术应用到保险行业）为例展开解析：
AI 产品经理本质仍是产品经理，工作大框架与通用技能要求相通。本案例旨在解决车险定损的效率和准确率问题。
Step 1：分析行业/产品痛点
通过用户和市场调研，梳理出车险定损识别的 6 大痛点，进一步明确用户需求。这体现了 AI 产品经理的第一个核心要求：结果导向，能够从运营过程发现产品问题，找到解决方案，探索客户真实需求。
很多从业者认为自身行业尚未应用 AI，属于落后传统行业。其实类似的痛点各行各业都存在，关键在于是否具备结合 AI 解决当下业务问题的意识。
Step 2：AI 产品方案讨论
在产品方案讨论阶段，前提是梳理业务流程。
- 梳理保险业务流程：从客户购买保险到保险公司支付赔偿金的流程中，寻找 AI 能解决的问题。例如人工审核过程费事费力，这部分可交给 AI 审核。
- 梳理 AI 技术，匹配业务需求：主流招聘平台对 AI 产品经理的任职要求通常包括：具备调研客户需求的业务场景能力、良好的组织和沟通能力、较强的逻辑思考能力、认真负责、结果导向；以及有 AI 产品经验、熟练掌握机器学习深度学习等专业名词。这两种能力在此环节得到体现。
Step 3：产品的实际设计与开发
这一阶段的重点在于【数据和模型的选择】，也是相比传统产品经理最与众不同的地方之一。
- 数据：通俗来说就是输入大量的破损或正常图片训练机器，得到更高的精准度，告诉它判断破损的标准。上传的照片数据因遮挡、背景、写字规范等因素会影响模型的精准度。
- 模型：选择一种适合当下业务场景的算法。算法模型的动作包含需求确定、算法设计、算法讨论、算法确认、算法验收。在这个过程中需要不断循环迭代，直到模型满足用户需求。
因此，AI 产品经理需参与到算法的设计过程，深入理解算法原理，且知晓不同算法的应用场景。
Step 4：原型设计与对接
接下来是传统产品经理熟悉的环节：
- 原型设计
- 对接工作：原型设计和对接工作是很多传统产品经理都会的技能，需根据项目情况随机应变。
Step 5：产品上线维护阶段
AI 产品上线后，工作并未结束，甚至可以说是重头戏才刚刚开始。由于真实使用过程中环境多变性的因素影响，AI 产品经理还需要清楚 AI 产品上线后的维护和解决方案。这也是 AI 产品经理的最后两个核心要求：
- 具备与算法团队、运营团队对接，提升算法能力效果；
- 具备算法模型迭代的能力，从数据中找到产品问题与思路，能够从数据中发现客户问题与需求。
做好每一步，就能自信地面对职业发展。通过上述案例，可以了解 AI 产品经理的工作步骤及价值所在。当下行业随着数字化、数智化转型，即使是传统产品经理不转向 AI 产品经理，也需要清楚如何借力 AI 技术解决行业或产品的痛点问题。
