产品经理要不要懂技术？这个问题在不同领域、不同级别的产品经理眼里有不同的认知和回答。本文作者作为一名新手AI产品经理，以及自己所在的领域，给出了自己的思考。

从入职AI产品经理到现在已经有10个月有余，作为一个AI初学者，浅聊下鄙人对AI岗位对技术要求的思考。

这里提出几个我曾经以及现在仍在努力解决的问题：

问题一：作为AI产品初学者，对于不是技术出身的从业人群，到底怎么才能和算法打好配合？

问题二：应该懂些算法是必然的，但是单讲懂算法太宽泛了，作为AI产品经理，应该懂多少，到什么程度？要重新跟算法一样学一遍吗？

在回答这些问题之前，先讲讲我个人短浅的从业经历。

作为一个做帐号的PM直接landing AI岗位是挺痛苦的，一度也给我造成了极大的内耗，怕无法得到算法的认可。

在跟着产品老大分析策略的时候我对技术的理解，有以下两个来源：

1. 业务场景下，在与算法沟通中得到整个技术架构的理解
2. 自媒体如小某书，公众号，播客等渠道的信息加深技术模块到整体的理解

第一个来源，是在接触业务的同时，逐渐了解要做什么的过程，这个取决于技术用了什么方案，比如客服对话系统是用了agent作为整个业务的主要技术方案进行数月的迭代，在这个过程中，整个agent的框架是必须熟悉的。以及底座模型团队，做了哪些业务相关的NLP任务，要用到哪些数据进行pretrain进行能力部署等。

第二个来源，是通过对技术的提炼，从而加深对算法方案和各个技术模块理解的过程，比如RAG，SFT等在什么场景下去应用会有更好的效果，以及为什么要使用RAG和SFT等概念原理，都可以从自媒体号中对应检索到关键词。关于它们的区别之处，AI博主们都给出了非常详细的解释。

但是目前看来，从这两个渠道去学远远不够，或者是说，不成体系，都只是得到了零散、碎片的技术层面抽象出来的知识。AI产品经理和传统的B端或C端产品经理很大一个区别就在于，模型如果性能表现足够好的话，会削弱产品的策略极大的占比，也就是说产品不需要太绞尽脑汁的去想各种策略去弥补模型性能上的不足。

所以，这就导致AI产品经理需要一定程度上深度的跟算法沟通，不断的在模型能力的边界上试探，试图得到一个模型性能和产品能力组合的最优组合。那么这就要求AI产品经理对背后的算法最好是有一个比较深入的理解，还有持续不断地对大模型技术能力发展的好奇心。

在42章经播客有一期，一位资深产品负责人张涛提到：“我觉得主要是这个样子，就是说首先是现在的产品大部分还比较薄，我自己说就现在产品就是 model as product。也就是说这个 model 本身的输入和输出基本决定了你整个产品的交互，我们不排除未来 AI native 的产品会做得越做越深，可能模型在里面的比例会越来越低，比如现在可能我说的这种 model as a product，它可能是模型在90%，然后你自己产品的 systems占10%，但未来模型比重可能会降到65%。”

讲我小白的AI从业经历，也其实就是想表达，在这个过程中，我深刻地感觉到，目前来说，做好一名相对合格的AI 产品经理是有必要进一步理解大模型的应用背后的原理和发展等，而这，需要一套成体系的学习（这个放在下期讲吧）。

第一个问题，跟算法打好配合需要沟通能力，快速学习理解业务和算法背后的碎片知识，基本也能cover接住一些需求，我们一起的产品也有技术出身但并没有做过大模型，也有不是技术出身的做过AI相关的，大家都是靠边学边用。

对于第二个问题，懂算法的程度，就是个人对自己的要求了，想成为什么程度的AI 产品经理。进阶的AI 产品经理需要不断的看paper，不断的了解新的技术进展，仅仅只是懂算法原理也不够。还是引用42章经播客有一期，一位资深产品负责人张涛的一段话：“从我们自己的实践里面，我们会看到其实开源社区的整个的进展最近半年是异常的夸张，我不知道大家反正有没有关注，因为我自己是就是天天看paper，天天去测demo，这个过程中我是非常震惊的，就是你基本上每个星期都像过节一样，就像过春节一样，就是那个整个的那种学术界和那个产业界大家贡献出来的新的内容贡献到开源社区的，而且绝大部分的能力我觉得已经超过了我在半年之前对于我能够利用的能力的想象。”

作为一名入门小白，本期分享就到这，非常浅显的小小感悟，欢迎资深前辈提出各种意见，感恩~