去年冬天到现在,我被问过十几次同一个问题:想转 AI 产品经理,从哪开始。多数人在补错的东西。
他们在学提示词,学 Python,学怎么在扣子(Coze)上拼一个工作流。学完投简历,第一轮就被问住。
问题一般只有五个字。
错了谁接。
这个问题答不上来,前面学的差不多都白用。它问的跟模型没关系,问的是你愿不愿意替一个概率性的输出负责。面试官的原话通常就这一句:错了谁接。
我自己刚转的时候,也先去学了两周提示词,后来发现那点东西一周就能会。
岗位在招什么
不用听谁讲趋势,去招聘网站翻十份 AI 产品经理的岗位描述,重复得最多的三句大概是:熟悉大模型的能力边界;有 AI 产品从 0 到 1 的落地经验;能协调研发、业务与合规推进项目。
这三句翻成人话,分别是:知道它做不到什么;有一个真上线的项目,不是演示;能在几个部门之间把责任说清。
前两句可以靠简历包装。第三句包不了,它只能来自你真的处理过一次事故,且那次事故是你签的字。
这就是分水岭。
两年前我从传统产品转到 AI 产品,第一次上线的是一个知识库问答。上线第三天早上,客户把一张错误答案的截图甩进群里,红色圈了三处,附了一句原话:「这个答案谁给的,我们照着它回复了三个客户。」
那天下午我在会议室站了两个小时。研发的原话是「语料里没有这一条」,业务说这是产品没设计好,法务只问了一句:这个答案发出去算谁的责任。
那两小时教我的东西,比前五年加起来都实用。它让我明白,AI 产品经理的工作有一半不在「让它变聪明」,在「让它出错时有人接」。
三件事,按顺序补
第一件,评测集
我判断一个人有没有入门,不看他会用几个模型,看他手上有多少条自己的测试用例。
三十条起步,每条四列:输入、期望输出、判定标准、当前结果。判定标准要写成人能执行的话,比如「必须包含金额和期限,不得出现推测性建议」,不能写「回答要准确」。
这笔账很便宜。三十条,一条两分钟写,一小时。之后每次改提示词回归一遍,一条五十秒,二十五分钟。一周改三次,一个多小时。
没有这份集子,你那句「感觉变好了」没有任何依据。改完上线,第二天客诉变多,你连是哪次改动退化的都说不清,只能把最近三天的改动全撤回去重试一遍,再靠客户帮你看哪一版能接受。
集子是资产,不是工作量。
| 输入 | 期望输出 | 判定标准 |
|---|---|---|
| 退货运费谁出 | 按订单金额分档说明 | 出现具体金额,不出现「视情况而定」 |
| 合同里最长付款期 | 给出条款原文与天数 | 只引原文,不加解释性结论 |
| 这份数据能不能对外发 | 拒答并转合规联系人 | 必须拒答,不得给判断 |
第二件,兜底线
一个 AI 功能要上线,得能回答四条线:它拒绝回答什么;拒绝之后转给谁;高风险动作要不要二次确认;已经发出去的错误能不能撤回。
四条线都要落到岗位上。写「由业务方处理」等于没写。写不出岗位名,就是还没设计完。
这条最容易被跳过。
兜底比模型贵得多。
算一笔日常账:日调用两千次,单次模型成本四分钱,一天八块钱。错误率三个点,一条错误要人工接一分半,一天九十分钟。
模型费占一个零头,人手才是账单。八成项目在预算表上只写了前面那个八块,后面那九十分钟没人认账,等到季度复盘才冒出来。
第三件,单位成本
这个月我给三个团队算过账,没有一个是先把总预算报出来的。报单位成本:一次问答几分钱,一次人工兜底几分钟,一次错误外流大概要赔多少。
这三个数算清,你才知道哪些需求该做,哪些该劝退。有人找我做一个全公司范围的合同审查助手,我算完告诉他,按现在的调用量,人工复核的成本比原来请法务看还高。他沉默了几秒,说那先做检索,不做判断。
他的原话是:「那先做检索,不做判断。」这个决定是对的。检索错了,人一眼能看出来;判断错了,人要花好几天才发现。
作品集,三页纸
第一页,评测集截十段,脱敏后放上去,带上判定标准和当前结果。
十段就够。
第二页,一次失败复盘。现象、定位、改了什么、回归结果,四段,一页写完。不要写成心得体会,写成工单,写清每一步是谁做的。
第三页,单位成本表。调用、兜底、返工三行,一行一个数字。
这三页放在面试桌上,比说十遍「我熟悉大模型」有用。它证明的是你能替一个会出错的系统签字,跟你懂不懂技术关系不大。
一页纸顶十句形容词。
九十天怎么走
| 阶段 | 做什么 | 交什么 | 过关标准 |
|---|---|---|---|
| 第 1–2 周 | 把手上任意一个功能拆成三十条用例,不用 AI 也行 | 一张四列的表 | 判定标准别人能照着判 |
| 第 3–6 周 | 挑一个真场景跑通,客服摘要、内部检索都算 | 一次上线记录 | 有真实用户用过,有错误样本 |
| 第 7–10 周 | 把错误样本变成兜底线和人工接手的流程 | 一张兜底责任表 | 每条线后面有岗位名 |
| 第 11–12 周 | 算单位成本,写复盘 | 一页账、一页复盘 | 三个数字能被别人复算 |
九十天后你手上会有三页纸,和一段能讲清的错误史。这两样东西,比任何证书都硬。
三类人不适合转
一类是只想画原型的。AI 产品的活有一大半在数据、标注、回归,画完图才是开始,后面还有一段很长的脏活。
这三类我见过太多。
一类是不愿意为错误负责的。这个岗位每天都要面对「五个点会错」的现实,你不可能把它改成零。
一类是把会用工具当能力的。会用十个 AI 工具,不解决任何业务问题;能算清一个场景的成本和错误代价,才解决。
这三类不是能力问题,是岗位性质不匹配。硬转过来,半年内会非常痛苦,同事也跟着受罪。
先问自己属于哪一类。
面试会问的五个问题
| 问题 | 答得好的标志 | 答不好的信号 |
|---|---|---|
| 你这个功能的准确率怎么算的 | 说清分母是什么、样本从哪来 | 只报一个百分比 |
| 错了谁接 | 说出岗位名和响应时长 | 说「我们会有人看」 |
| 一个月成本多少 | 拆成调用、兜底、返工三项 | 只记得模型报价 |
| 上线后改过几次,为什么改 | 能说出哪次改动导致退化 | 说「一直在优化」 |
| 你劝退过哪个需求 | 给出劝退的成本理由 | 说没碰到过 |
第五个问题最能分出人。会做加法的人很多,能说清为什么不做的人少。我面过的候选人里,能把劝退理由讲成成本的,一只手数得过来。
一条自检线
拿你现在负责的功能,回答那五个字。答不出岗位名,先别投简历,把兜底线补上再说。
补完再投。
这行没有捷径。能力可以补,三个月能补一半,剩下一半得让真实的错误教你。被错误教过的人,说话会变慢,因为知道每个数字后面都站着一个人。
