1.什麼是 AI 產品經理？什麼不是？
目前「產品經理」跟「AI」有兩種交集。
一種我把它稱為「AI 產品經理」，另一種是「應用 AI 的產品經理」。
「AI 產品經理」是打造以 AI 為核心的產品之產品經理。他們的主要任務是理解 AI 技術的潛力，並將其應用於解決實際問題，帶領團隊設計、開發和推廣 AI 產品。
而「應用 AI 的產品經理」，則是使用 AI 工具提升產品經理的生產力，例如使用 AI 工具進行市場分析和競爭對手研究、生成產品文件和行銷內容、進行專案管理和排程。但沒有打造以 AI 為核心的產品。
兩者並不衝突。
目前產品經理圈討論比較多的後者「應用 AI 的產品經理」，畢竟受眾比較多（如下方文章）。我在 2023 年 3 月的文章，也是屬於這個範疇。
而本篇將討論的是前者，即「AI 產品經理」，也就是打造 AI 產品的產品經理。
2.為什麼 AI 產品經理變得重要？
你可能會好奇，為什麼 AI 產品經理變得重要？為什麼是現在（Why Now）？
其實啊，AI 這個技術已經經歷好幾波浪潮了。
但過往幾波浪潮，都沒有像這一次捲起翻天巨浪。
在 2023 年 NVIDIA 第一季的財報電話會議上，執行長黃仁勳甚至表示，AI 正經歷所謂的「iPhone 時刻」。
關於這個議題，知名科技分析師 Ben Thompson 專訪了黃仁勳，大家有興趣可以參考下方連結。
我們可以從產業趨勢、產品、職涯三個觀點來看為什麼 AI 產品經理變得重要：
1.產業趨勢：AI 的採用率迅速提升
根據 McKinsey 的調查，2024 年全球有 65% 的組織已經頻繁使用 AI 技術，而生成式人工智慧（Generative AI, GenAI）更是其中的關鍵推動力。
2.產品趨勢：產品 AI 化
過去，軟體的價值主要來自功能與界面的使用體驗，但 AI 的出現帶來了全新的產品設計思維。今天的軟體需要「學習」與「適應」，才能提供好的體驗。例如，Microsoft 將 GenAI 融入 Office 產品，推出 Copilot，成為工作的協作夥伴。
創投也預測 AI 將大大改變軟體產業（如下方連結）。
3.職涯趨勢：下一代產品經理的必備技能
因為產業與產品的趨勢，我相信 AI 產品經理的人才市場需求也會增加。我實際上在求職網站 Glassdoor 上進行搜尋，得到了以下的搜尋結果：
美國：Product Manager（10304 個搜尋結果）、AI Product Manager（1197 個搜尋結果）
台灣：Product Manager（781 個搜尋結果）、AI Product Manager（95 個搜尋結果）
十多年前 Mobile 興起時，求職市場有一段時間（大概 3–4 年）出現了「App Product Manager」，作為跟「傳統 Website Product Manager」的區隔。不過，有趣的是，幾年後就沒有這個區隔了，因為 App 變成了標配。我認為 AI Product Manager 也會是這個狀況。
我曾經歷 Mobile/ App時代的起飛，Mobile 開啟了 2010 那一波的科技發展，從科技發展的角度，Mobile 讓電腦算力與網路的取用變得在任何地點都可能。而這波 AI，尤其是這兩年 GenAI 的興起，我認為是生產力的重大進展，它將大幅提升工作者的生產力，並且取代許多人工作業，對於產業的軟體與人事成本結構將有重大影響。
林威宇在他的 FB 文章提到 AI 是下一個典範轉移，我覺得寫的很好
2011 年喊 Software Is Eating the World 的 a16z，現在喊 AI Will Save the World。
2010 年喊 Mobile First 的 Google，現在喊 AI First。
3.如何打造 AI Product？跟一般 Software product 有何不同？
在了解了什麼是 AI 產品經理、為什麼 AI 產品經理變得重要後，我們來聊聊，AI 軟體產品跟一般的 Software 產品有何異同？
關於比較的對象，我以下方三種軟體類型作為比較的對象：
- 一般（非 AI）軟體產品（目前的大宗）
- 傳統 AI 軟體產品（過往七、八年的主流）
- GenAI 軟體產品（這兩年出現的）
Prompt：
請分析一般軟體產品，傳統 AI 產品，GenAI 產品的異同。
1.定義三種產品 。2.相異之處，請製表比較。 3.相似之處。
以下是透過 ChatGPT 得到的內容：
定義
- 一般軟體產品：一般軟體產品是基於固定邏輯與功能開發的應用程式或系統，主要目的是解決用戶的具體需求，透過程式碼實現清晰定義的功能，通常不涉及學習或 AI 行為。範例包括 Microsoft Word、Slack、Notion 等。
- 傳統 AI 軟體產品：傳統 AI 產品透過機器學習（Machine Learning, ML）或深度學習（Deep Learning, DL）技術，基於特定的數據集進行訓練與預測，通常用於解決特定且明確的問題，例如推薦系統、詐欺偵測模型等。典型範例為 Google Translate、信用卡風險評估工具。
- GenAI 軟體產品：GenAI 產品是一類基於大型語言模型（Large Language Models, LLM）或多模態模型的應用，具備生成文字、圖片或其他內容的能力，並可與用戶互動或創造價值。範例包括 ChatGPT、DALL-E、Notion AI 等。
相異之處
相似之處
- 產品定位：三者的核心目標都是解決用戶問題並創造價值。
- 用戶導向：產品設計與開發都以用戶需求為中心，產品經理必須深入了解用戶痛點與市場需求，制定有效的產品策略。
- 商業模式：這三種產品多採用類似的商業模式，包括訂閱制、按使用量計費（如 API 收費），或廣告支持的免費模式。當然，AI 軟體產品開始出現以成果達成與否來收費（Outcome-based）的機制。但目前大部分的收費機制是相似的。
- 迭代流程：產品的改進都需基於用戶反饋與數據驅動進行迭代，儘管過程在 AI 產品中更為複雜，但核心邏輯一致。
上方 ChatGPT 的回覆，給了我們一個大致的概念。
我認為，不管是哪一種產品，產品經理打造產品的核心能力仍然重要且不變，也就是還是以「創造價值」與「解決使用者問題」為核心。如同下方文章《How to Build AI Products People Want》提到的。
我們還是得回歸最基本的產品 use case：
- What problem are you solving?
- Who uses your product?
- Why do they use it?
- What’s the alternative?
- How often do they use it?
然後再看 AI 可以提供哪些價值？
- Proactivity: Can you anticipate customer needs?
- Personalization: Can you serve relevant information?
- Personality: Can you inject life into brand interactions?
- Automation: Can you collapse time and reduce effort?
- Accessibility: Can you enable seamless, multi-modal interactions?
但的確，AI、GenAI 產品的設計方式、開發方式、測試方式，和過往一般軟體很不一樣。各位可以參考 Reforge 的兩篇文章：
其中，我認為 AI 軟體產品和傳統軟體最大的差異在於， AI 產品的結果是非確定的（non-deterministic），這將大大影響產品測試與評估的方式，以及上線後的迭代與品質控管方式。
此外，傳統AI 產品和 GenAI 產品，在設計、開發與測試上也有一些差異。
- 設計：傳統 AI 產品聚焦解決特定問題，例如推薦系統，設計以功能為主。GenAI 產品則強調創造性，需處理多模態（multi-modal）輸出，並考量生成內容的可控性與倫理問題。
- 開發：傳統 AI 產品以結構化數據訓練模型為核心，微調模型參數提升效能。GenAI 產品開發更複雜，需整合大規模數據、多模態運算，並微調模型以適應應用場景。
- 測試：傳統 AI 測試強調準確性與穩定性。GenAI 測試則需加入人類評估，檢查生成內容的創意性與符合度，流程更迭代。
最後，也附上其他參考資料，大家可以一探 AI 與 GenAI 產品更詳細的設計與開發的流程（涉及模型的選擇、RAG、Fine-tuning 等過程）。
4.如何進化成為 AI Product Manager？
矽谷產品大佬 Marty Cagan 在《AI Product Management》文中提到
The successful AI product manager will require deep knowledge of the users and customers, the data, the business, and the market in order to perform the difficult role that’s required. Moreover, AI literacy is yet another example of the reason why product managers need a strong foundation in technology.
由此可知要成為 AI Product Manager，必須要學習 AI 相關的商業與技術新知。
我一直都相信，產品經理是個從做中學的職務，但面對新的技術，還是得好好學習、打好基本功。
知識面：打好 AI 的基本功
要能夠設計與管理 AI 產品，不一定要成為 AI 專家，但至少要對 AI 的基本概念有所了解，例如：
- 機器學習、深度學習基本概念： 了解機器學習、深度學習等基本概念，以及它們的應用場景。不需要深入研究演算法的數學細節，但要了解它們的優缺點和適用情境。
- Gen AI 的核心概念： 了解 GenAI 的基本原理，例如大型語言模型 (LLM)、Transformer 架構、擴散模型等。
- Prompt Engineering： 掌握如何設計有效的提示詞 (Prompt)，以引導 GenAI 模型產生符合需求的輸出。
- AI 倫理： 了解 AI 可能存在的偏見和倫理問題，並在產品設計中加以考量。這是一個越來越重要的議題，產品經理需要具備這方面的意識。
現在網路上也有非常多的 AI、GenAI 文章、學習資源與課程，以下列出一些比較多人推薦的，最後也附上中文的內容：
- DeepLearning.AI
- Google: Beginner- Introduction to Generative AI Learning Path
- Microsoft: Artificial Intelligence for Beginners — A Curriculum
- AI for Product Management Course
- AI Product Management Certification
中文內容
- 成為生成式 AI產品經理的完整指南 （產品經理喬 PM Joe）
- 【線上講座】轉職AI產品經理全攻略（Allen 史大俠）
除了透過線上課程、書籍、文章等方式學習之外，參加社群也是一個不錯的選擇。
實戰面：從專案中累積經驗
除了知識面，我認為更重要的累積實戰經驗。
- 參與 AI 相關專案： 即使公司目前沒有專門的 AI 產品，也可以嘗試在現有的產品中導入 AI 功能。例如，利用 AI 進行使用者行為分析、個人化推薦等。這是一個很好的起點，可以讓你實際體驗 AI 產品的開發流程。
- 與 AI 跟數據團隊合作： 如果你的團隊有 AI 工程師與數據科學家，可以與他們建立良好的合作關係，學習他們的工作方法和思維模式。透過跨領域的合作，能更深入地了解 AI、GenAI 技術的細節和應用。
- 關注 AI 產業與產品： 持續關注 AI 產業的最新發展，把玩新的 AI 產品，了解最新的技術和應用，例如新的模型架構、新的應用場景等。這可以幫助你掌握市場脈動，並為未來的產品規劃做好準備。
- 從小的實驗開始： 不需要一開始就想做一個大型的 AI 產品，可以從小的實驗或 POC 開始，例如透過 no code 工具開發一個簡單的 AI agents。這可以讓你快速累積經驗，並從錯誤中學習。
小結
這篇《AI 產品經理 101》文章分享了什麼是 AI 產品經理？什麼不是？為什麼 AI 產品經理變得重要？如何打造 AI Product？跟一般 Software product 有何不同？如何進化成為 AI Product Manager？
希望對於還沒踏入 AI 產品的你有所幫助。
我覺得很慶幸，過去幾個月有機會和團隊夥伴一起探索 AI 產品，我從中看見了 AI 在 SaaS 帶來的變革與機會，也在實作中發現了不少挑戰。
因此，覺得自己所知相當有限，需要持續地學習。
接下來，我會持續分享自己在 AI 產品上的經驗與學習心得。
最後，工商一下 :)
如果你也想要打造 AI 產品，漸強實驗室在招募 Senior AI Product Manager！
我們想找一位有 0 到 1 經驗，有 AI 產品設計、開發與導入經驗的產品人才。我們很歡迎背景多元的人才加入，特別歡迎有早期產品探索經驗、業務開發經驗的產品好手來聊聊！
你將會跟 founder 直接合作，帶領 AI product team 制定 AI 產品策略、市場定位、開發新客戶、新產品、找尋 PMF。你也會跟其他 PM 一起合作（像是我），透過 AI 為漸強的 SaaS 產品加值。
必須老實的說，漸強的 Senior AI Product Manager 這個職缺，它不會是一個輕鬆的職缺，相反的，它充滿挑戰與未知，但也正因為如此，我相信它將會開啟漸強與你不一樣的未來！
如果你有興趣，或是你有認識適合的朋友們，請參考下方的連結：
➡️ https://www.linkedin.com/jobs/view/4102642707/
我們下個月見！
