在AI技术迅猛发展的时代，产品经理的角色和职责正发生着深刻的变革。本文将深入剖析AI时代下产品经理所需的核心技能与制胜之道，探讨如何在这个充满挑战和机遇的环境中脱颖而出。

对于想学习做AI产品经理的人来说，OpenAI 的首席产品官凯文·韦尔（Kevin Weil）和 Anthropic 的首席产品官迈克·克里格（Mike Kreiger）的对谈是一起不容错过的节目，他探讨了AI产品开发的现状和未来发展，我总结了以下五点供大家参阅：

一、拥抱变化，密切沟通

（1）适应技术革新

AI 领域的技术革新速度堪称惊人，每隔两个月计算能力就会有新的突破，这就让产品的规划和设计不能再遵循以往的固定模式。产品经理需要时刻关注这些技术进步，并思考如何将它们巧妙地融入到产品之中。

（2）管理不确定性

在产品开发的过程中，随着新模型的训练，一些新的功能会逐渐浮现。这让开发初期充满了不确定性，产品经理往往只能看到一个模糊的轮廓，不清楚它最终能否实现，也无法准确地预估它的成功率。在这种情况下，产品的设计思路就需要不断调整和适应，而与研究团队保持紧密沟通，成了产品经理的日常工作。

二、策略制定，决策价值

当模型准确率处于 60% 的水平时，产品开发策略成了一个关键问题。尽管模型的发展方向存在着一定的不确定性，但并非毫无头绪。

首先，产品团队需要从产品侧出发，确定哪些功能值得投入资源进行开发，然后与研究团队一起微调。

其次，当某个功能的完成度达到 60% 的时候，比如 Anthropic 的 Computer Use 功能，就考虑将它推向市场了。这种做法的关键在于改变对产品开发的传统认知。产品在这个阶段的输出更像是一种展示或信息传递，目的是激发更多的产品创意，为后续的改进和完善提供依据。

再比如，Github Copilot 在发布时所使用的模型其实并不是最先进的版本，在编程相关任务上的准确率也并不完美，但它依然为用户带来了显著的价值。所以即使模型的结果并不完全准确，但如果能够帮助用户在一个任务中节省五到十分钟，这对于用户来说就是有价值的。

三、明确对”成功”概念的定义：撰写评估标准

（1）评估的关键作用

当前 AI 模型的发展瓶颈更多地体现在评估环节而非智能本身。也就是说，模型实际上具备在更广泛领域内发挥更准确作用的潜力，但前提是要为它们提供合适的评估标准和特定领域的知识引导。这些知识可能并不包含在模型最初的训练集中，需要产品经理和研究团队共同努力为模型指引方向，才能更好地适应不同的应用场景。

通过明确对”成功”概念的定义，产品团队可以根据评估结果来逐步优化产品，这也是将产品任务完成度从 60% 提升到 85% 的关键所在。

（2）评估能力的培养

产品经理需要深刻理解什么是好的评估，什么是差的评估，从而在产品开发过程中做出更明智的决策。建议产品经理要通过深入研究实际的数据来培养直觉，哪怕只是抽样分析，通过思考”是否需要改进评估标准”或者”尽管评估分数不高，但产品整体表现是否还不错”等问题，来提升对评估的理解和把握能力。

（3）评估标准的演变

随着模型向处理更长的上下文或者智能 Agent 的方向发展，评估问题会变得更加复杂，这就要求评估标准更加灵活。产品经理需要不断调整和改变评估方式来适应复杂多变的情况。而且，评估的性质也在发生变化，它越来越类似于绩效考核，而不再仅仅是简单的对错判断。

产品经理需要考虑：

• 模型是否达到了一个称职人类所能达到的水平？
• 是否超出了用户的预期？
• 当模型在某些任务上已经超越了人类的表现，由人类来制定评估标准的意义是什么？

四、具备技术素养：利用模型进行原型设计

需要对技术研究有一定的认识，花费时间去学习相关的技术术语，并且逐渐建立起对技术运作机制的直觉。在讨论用户界面的设计方案或者用户需求时，产品经理可以借助大模型来生成不同 UI 设计方案或者原型做demo演示。

此外，除了一些简单的任务以外，面对如今越来越复杂的任务，多模型协同也已经成为一种关键策略。在实际应用中，公司极少单纯依赖单个模型来处理特定的问题，尤其是对于高级客户的需求以及公司内部的业务场景来说。因为不同的模型有着各自独特的优势，所以可以根据具体情况将它们组合起来，形成高效的工作流程和编排模式。以 o1 模型为例，它的表现更像是人类在解决难题时的思考过程，所以它在查询的时候，不是立即输出结果，而是会暂停下来进行思考，这个思考时间可能在 30 到 60 秒。但是在一些需要即时反馈的情境中，比如在线客服系统，用户是无法接受等待 60 秒才得到回复的。所以这时多模型协同就显得尤为重要，比如安排一些模型先快速地回复，然后再让 o1 提供深入的思考，甚至再安排一个模型进行复查。通过这种方式，公司能够充分发挥各个模型的优势，从复杂的模型组合中获取巨大的价值，这与人类在完成复杂任务时，依靠不同专长的人合作的方式是相似的。

五、面向 AI 系统的随机性和不确定性设计策略

（1）建立反馈机制

与传统的软件系统不同，AI 模型的输出并不是完全可预测的。在这种情况下，产品经理需要建立有效的反馈机制，来实现系统的闭环管理。例如，当模型的输出偏离预期的时候，产品经理需要有方法来判断这种偏离是否在可接受范围内，如何快速地收集用户的反馈信息，以及如何设置合理的防护措施，来避免模型出现严重的错误。

（2）整体性能监控

产品经理需要从整体上了解模型在大量用户使用过程中的表现情况。这与传统的软件 bug 反馈有着本质的区别，传统的软件问题通常表现为明确的”点击按钮没反应”这些现象，而 AI 模型的问题可能会更加复杂和隐蔽，需要产品经理从多个维度进行分析和处理。

（3）用户体验设计

在适应这种非确定性用户界面的过程中，产品经理不仅要自己理解和接受这种变化，还要站在用户的角度思考问题。因为对于大多数用户来说，这种违背传统电脑使用直觉的情况可能会让他们感到困惑。产品经理需要考虑如何在产品设计中减少这种困惑，同时利用这种新特性为用户创造更好的体验。

希望对你有所帮助。