AI & Data Dreamers練功房
寶箱片場規則
資料工程師 資料分析師 資料科學家 機器學習工程師 AI 應用工程師 後端工程師 FDE/解決方案工程師 架構師 Tech Leader AI 產品經理
AI Product Manager・職位指南

AI 產品經理

決定 AI 要解決誰的什麼問題、做到哪裡算有用,上線後確認它真的被用、答案可靠。

自評進度
登入後記進度
FIT・適合誰
  • 看到一個功能,會先問給誰用、解什麼問題
  • 看 AI 的 demo 時會問:它剛剛用了哪份資料?如果答案錯了,問題出在哪裡?
  • 喜歡在使用者、工程師、主管三邊之間來回對話
DUTIES・職責

每天在做什麼

  • 問題定義:給誰用、解什麼問題、現有解法哪裡不夠,寫成一句話說得清楚
  • 範圍與需求:In Scope/Out of Scope、User Story 與驗收條件(Given/When/Then)
  • 定義 AI 做到什麼算有用:答對率、回應時間、每次成本,以及答錯時怎麼處理
  • 和工程師對齊可行性與成本;用商業語言向主管說明成效
  • 上線後看數據:使用率、留存、回饋,決定下一步改什麼
SKILLS・技能

必備

  • 技能樹門檻:需求與簡報 ③+LLM 應用 ①,選修擇一:統計與建模 ①/系統設計 ①
  • 需求文件:問題陳述、目標使用者(Persona)、User Story、驗收條件、成功標準
  • LLM 基礎:知道 prompt、RAG、結構化輸出、幻覺各是什麼,判斷一個需求適不適合用 LLM
  • AI 的驗收:準備一組測試題量答對率,換了 prompt 或模型就重跑一次
  • 數據判讀:用 SQL 或試算表看使用數據,懂 A/B 測試的基本概念

加分

  • 成本概念:token 計價、模型分級,估得出一個功能一個月花多少
  • 使用者訪談與易用性測試
  • 資安與法規:個資、資料授權、AI 輸出的責任歸屬
  • 產業知識:所在產業的流程、獲利模式、用戶行為
INTERVIEW・面試準備

會被問什麼

  1. 產品題:某個部門想導入 AI,你先問哪些問題、怎麼定義成功
  2. AI 判斷題:這個需求該用 LLM、寫規則,還是不用 AI?理由是什麼
  3. 指標題:上線後你看哪幾個數字,數字不好時先查什麼
  4. 取捨題:工程師說要多兩週、成本多一倍,你怎麼決定、怎麼跟主管說
  5. 作品集:一份需求文件或計劃書,加一個自己做出來、有人用過的 AI 小工具
NEIGHBORS・相鄰職位邊界

和誰容易搞混

AI 應用工程師

PM 定義價值與驗收;AI 應用工程師負責可行性、成本與品質。

Tech Leader

PM 決定做什麼、為什麼做;Tech Leader 決定怎麼做、誰來做、多久做完。

資料分析師

資料分析的職涯路徑裡有資料產品經理(Data PM/PO)這一條:同樣看數據,PM 用它決定產品下一步。

專案經理(Project Manager)

專案經理管時程、範圍與資源;產品經理管做什麼、做給誰。小公司常由同一個人兼。

HEADHUNTER・與獵頭合作

怎麼跟獵頭談

  • 職稱有 AI PM、產品經理(AI)、PO;JD 寫要會 SQL 或 prompt 的,多半是偏技術的 PM
  • 履歷寫產品成果:解決了誰的什麼問題、上線後數字變了多少
  • 問清楚公司是做 AI 產品,還是內部導入 AI;前者看產品指標,後者看流程效率
  • 工程背景轉 PM,把「我估得出可行性和成本」寫進履歷摘要
READ・延伸閱讀

這份指南整理自 Dex 的文章