相同 title 的不同侧重 - AI PM 面试复盘01
Same title, different jobs: AI PM interview notes 01- 几轮 AI PM 面试下来，我发现同样的 title 背后是不同的工作重心：偏企业交付、偏产品 / 功能、偏平台、偏探索。
- 比职位名称更有信息量的是：它 owning 什么、直接用户是谁、产品处在哪个阶段、PM 最重要的决策是什么。
- 能力重点也跟着变：企业交付看 expectation management，产品看 discovery 和 outcome，平台看 system thinking，探索型看处理模糊问题的能力。
这段时间面了几轮 AI PM，有一些被问住或面完才想清楚的问题。
想把这些整理成一个系列，每篇只讲一个问题，不是标准答案，是我的面试复盘。
第 1 篇：同样叫 AI PM，实际可能是在招不同的人。
01｜偏企业交付
这类岗位往往面对很多客户、业务方和内部 stakeholder。
- 多个客户都说自己的需求最重要，怎么排？
- 外部已经有承诺，但资源有限，怎么办？
- 需求不断变化，怎么控制 scope 和预期？
这里也需要产品判断，但 expectation management、取舍和复杂协作，本身就是工作的重要部分。
02｜偏产品 / 功能
问题更靠近 discovery、prioritization 和 outcome：
- 谁有这个问题？
- 为什么值得做？
- AI 是否比规则或普通自动化更合适？
- 做完以后怎么判断有效？
产品阶段也会改变重点。成熟模块更关心 adoption、quality 和持续优化；0→1 可能连值得解决的问题都还没有确定。
03｜偏平台
如果直接用户是内部 Engineer 或产品团队，PM 要考虑的不只是某个 use case 有没有业务价值，还包括：
- 哪些能力值得统一建设？
- 怎么减少重复开发？
- 怎样让其他团队更快、更安全地把 AI 应用做到生产环境？
终端产品的价值通常更直接落在业务结果；平台的价值更多体现在让这些产品更快、更安全、更稳定地被做出来。
04｜偏探索
还有些岗位，公司知道 AI 很重要，但并不确定它应该进入哪个 workflow。
这时 PM 还不是先排 roadmap，而是先找到值得解决的问题，再判断 AI 是否适合。
以上不是严格、互斥的分类，只是我从几轮面试里看到的几种工作重心，比职位名称更有信息量的是：
- 它 owning 什么？
- 直接用户是谁？
- 产品处在哪个阶段？
- 这个 PM 最重要的决策是什么？
对应的能力重点也不同：
- 企业交付更看 stakeholder 和 expectation management；
- 产品 / 功能更看 discovery、prioritization 和 outcome；
- 平台更看 technical depth 和 system thinking；
- 探索型更看处理模糊问题的能力。