随着AI技术的广泛应用，AI产品经理的角色变得越来越重要。本文深入探讨了AI产品经理的交付物，包括其与传统产品经理交付物的差异以及AI产品经理需要掌握的AI知识和业务知识。

可以这样理解，AI产品经理的交付物，是在普通产品经理交付物的基础上融合了AI相关的内容，“汤“还是那碗”汤“，但”药“肯定是得加点新的。

在这些交付物中，其实可以分为两类，一类是实的，一类是虚的。

“实”的交付物很好理解，就是产品经理常说的各种文档、报告、原型图、流程图这些。

就拿PRD这个交付物来说， AI产品的prd可能会涉及到数据的输入和输出类型、验收标准等等内容。

咱们以一个电商推荐系统的产品为例，AI产品经理在他的prd中，除了写明常规的背景收益、交互逻辑描述，还要明确三点内容：

第一，模型输出类型是什么？是分类问题还是回归问题？并且要判断要不要对原始概率值进行阈值过滤，比如要求只推荐概率>30%的商品。

这里说的分类和回归，是机器学习中两种基本的预测方法，主要区别就是输出的类型不同。

分类的目的是找到决策边界，输出离散的类别标签，比如判断一张图片是鞋子还是裤子，或者是预测明天的天气是晴天还是下雨。

回归一般是为了找到最优的拟合线，它输出的结果是连续性的，可以是指定范围内的连续数值，比如预测房价或者温度。

第二，数据的接入细节。比如需要的数据依赖用户过去一段时间内的行为日志、点击数据等，这相当于是数据的输入层。

第三，要确定好验收的标准，或者是制定出数据目标。比如技术指标达到多少，业务指标提升多少。

做AI产品经理不像是仅仅换了个业务方向，慢慢熟悉业务就能上手。对于AI产品经理来说，懂业务、能交付产品需要的文档材料，只能说你是一位合格的产品经理了。而懂AI方面的知识才是做AI产品的必要门槛。

比如当时我在重构一个搜索模型训练平台的时候，会涉及到训练集、验证集、召回率等等这些概念，它们定义是什么，怎么用，为什么要用到？模型训练流程是什么？模型数据指标达到多少算合格？

一大堆各种问题，不懂的话这活儿真的是没法儿干下去。

当时我们一个实习生就问研发，为什么模型的训练数据集和测试数据集不能用同一份呢？研发同学一整个大无语…

因为那样势必会导致模型效果过拟合，没啥可信度。就好像学生用平时的练习题作为考试题一样，没有办法证明学生是不是真的学会了。

说完“实”的交付物，还有很重要的一部分“虚”的交付物。

简单来说，“虚”的交付物就是AI产品经理要根据自己掌握的AI知识、业务知识以及产品能力，做出的各种决策。

比如产品规划、需求优先级、要不要做、怎么做、什么时候做等等这些。

虚拟交付物，会在AI产品经理做需求的过程中不定期的产出，可能只是群聊里的一句回复，或者开会的时候一个结论。看似很简单，其实背后往往需要AI产品经理对AI技术、业务流程、用户需求等各种因素的深刻理解和把握。

这些偏决策型的东西，并不是说初级的AI产品经理就不会涉及，反而这是每一个层级的产品经理都必须要能够做的，只是越高级的产品经理，其决策影响面越大。

对于AI产品经理的交付物，有句话是这么说的：AI产品经理的真正交付物，本质上是”解决问题的确定性”。

我理解这里说的“解决问题的确定性”，其实就是AI产品经理要做出的决策，而prd、流程图以及各种文档报告，只是一种决策结果的表现形式。

总而言之的话呢，AI产品经理是一个需要扎实的AI和业务知识，并且很看重实践经验的岗位。

知+行=结果，循环迭代，个人能力将会逐步提升，取得的结果也会越来越好。