入职腾讯30k，带你们感受下大厂AI产品经理工作的强度

他入职腾讯做 AI 产品，月薪 30k。

之前做了三年 B 端产品经理，转过来的。

干了三个月，有一次凌晨给我发消息，说了这么一句：

我现在每天做的，本质上是在给一个不确定的东西，定一个大家都能接受的标准。

这句话我记了很久。

因为大部分人想象中的"大厂 AI 产品经理强度"，是加班多、会议多、需求多、老板催得急。

但真正在里面待过的人知道，那些都不是最累的。

先说结论：累的不是"事多"，是"不确定"

传统产品经理的累，是事情多。需求是明确的，难的是排优先级、协调资源、推动上线。累归累，你知道终点在哪。

AI 产品经理的累，是你不确定这事儿能不能成。

你做了一个方案，它可能因为数据不够而做不出来；可能因为模型能力边界而达不到效果；也可能确实做出来了，但新模型一升级，你上个月调的两百条 Prompt 有一半失效。

你不是在管理进度，你是在管理概率。

他入职第二个月遇到过一次。一个内部知识问答的功能，Demo 阶段效果很好，业务方看了很兴奋，当场定了上线时间。

结果一接真实数据，召回一堆过期文档，答非所问的比例直接飙上去。

他连着两周在做的事不是"推进项目"，是回答一个问题：这到底是数据的问题、检索的问题、还是这个需求本身就不该这么做。

最后答案是三个都有。

以前做 B 端产品，我最难的是把需求说清楚。
现在最难的是——我根本不知道这个需求 AI 能不能做到。

他一天大概是这样过的

我不是在腾讯，但三个月里他陆陆续续跟我讲过很多细节。我把典型的一天拼出来，你们感受一下。

9:30 到公司，第一件事不是看需求，是看 badcase。

昨晚线上跑了多少条，其中多少条被标记为异常，抽样看二十条。

这一步是传统产品经理完全没有的。你昨天定的方案，可能因为今天早上这一批 case，直接被推翻。

10:00 和算法对齐。

讨论昨天那批 badcase 里，哪些是真问题、哪些是标注错了、哪些是用户表达得太模糊。

听起来像开会，实际上更像吵架。业务方说这个 case 必须答对，算法说这个 case 的输入本身就有歧义，你在中间，得判断谁对。

11:30 改 Prompt、调评估集。

对，AI 产品经理是要自己动手改 Prompt 的，不是写完文档丢给算法。

下午 需求会。被问最多的一句话是：“这个能不能做？”

而最难受的是，你没法立刻回答。你得回去试。

傍晚 标注规范评审，或者验收数据。

标注团队是传统产品经理不会接触的一群人。你要定义"什么算答对了"，而这句话一旦落到纸面上，你会发现它比你想象的难写一百倍。

晚上 写方案、看竞品、回群消息。

群里永远有人在 @ 你：这个 case 又出问题了，那个业务方又提了个新想法。

他说他入职第一个月最不适应的不是加班，是——

一整天下来，我很难说清楚"我今天做成了什么"。
因为大部分时候，你是在证明昨天做的那个东西不对。

六个具体的"累"，我按难受程度排了序

第一，"答得好不好"是个要先定义的东西。

传统产品，按钮点了有没有反应，是二元的。

AI 产品，模型给了一段回答，它算不算对？

他给我举过一个真实的争论：一个 case，模型答的内容是准确的，但没有给出引用来源。

业务方说这是 badcase，因为用户没法验证；算法说模型本来就不保证每条都有引用；法务说涉及合规的场景必须可追溯。

这个 case 的定性，他们开了三次会。

你以为产品经理是定义功能的，实际上你大部分时间在定义标准。

第二，你的技术底座每个月都在变。

传统产品做完一版，它就在那儿了。

AI 产品不是。模型会升级，供应商会降价，某个能力会下线，某个接口会改版。

他说他经历过一次：花了六周调好的一套策略，因为底层模型换了个版本，效果掉了十几个点，要重来。

传统产品经理的地基是水泥，AI 产品经理的地基是流沙。

第三，成本是活的。

你要算的不是人力，是 token。

一个功能上线，DAU 涨了，成本跟着涨。某天老板看报表问一句"这个月推理费用怎么翻倍了"，你得能立刻说清楚：是哪个场景涨的、为什么涨、砍哪一块能砍下来、砍了之后效果掉多少。

于是你要不停地做取舍：要不要上更大的模型、哪些场景可以走小模型、哪些结果可以缓存、要不要做蒸馏。

第四，Demo 到上线之间隔着一条河。

Demo 三天，上线三个月。

中间要补的是：权限怎么控、操作怎么审计、AI 判断错了怎么人工兜底、灰度怎么放、出问题怎么回滚、线上指标怎么监控。

这些事没人会在 Demo 的时候夸你，但少做一件就上不了线。

第五，协作对象多出来三类人。

算法、数据、标注，再加上法务和安全。

尤其是标注——你要写标注规范，要验收标注质量，要处理"两个标注员给的结果不一样"这种事。

他跟我说过一句很形象的：

以前我觉得产品经理是翻译，把业务翻译成开发听得懂的话。
现在我发现我是个多边翻译，而且每边用的都不是同一种语言。

第六，失败归因永远是模糊的。

效果不达标，是数据脏？是 Prompt 写得不好？是检索召回有问题？是模型能力就到这儿？还是——这个需求从一开始就不该用 AI 做？

最后一个选项最难受，因为它是你的判断失误。

传统 PM 和 AI PM，差的到底是什么

他以前也做产品经理，所以他自己的体感最直接。我整理成一张表：

最后一行是他自己加的。

我以前交付的是功能，上线了就是上线了。
现在我交付的是概率。而概率这种东西，是没有人愿意替你背书的。

那 30k 到底买的是什么

不是买你加了多少班。

是买你愿意为不确定性负责。

一个 AI 产品项目，没有人能在开始的时候告诉你它能不能成。业务方不知道，算法不知道，你也不知道。

但你得是那个站出来说"我们先做一期验证，两周内给结论，如果召回率上不去我们就换方案"的人。

你得是那个在所有人兴奋的时候说"先别定上线时间"的人。

也得是那个在效果不达标、所有人都在找原因的时候，能说清楚"问题出在哪、下一步试什么"的人。

30k 买的不是你的时间，是你的判断，和你的抗压。

说几句实在的：有几类人我不建议来

不适合的人：

• 想要明确 SOP 的。这个岗位现在没有 SOP，很多事要你自己摸索出流程
• 习惯靠写文档推进的。这里推动事情靠的是你拿得出实验结果，不是文档写得多漂亮
• 期待"做完就有确定结果"的。你大部分时间在证伪
• 觉得 AI 产品经理是个"不用懂技术的产品经理"岗位的。恰恰相反，你要比开发更先知道技术边界在哪

适合的人：

• 能容忍模糊，在没有标准答案的环境里还能往前推
• 愿意自己动手验证，不等着别人给你结论
• 听得懂技术，又能把技术翻译成业务听得懂的话
• 被推翻了不玻璃心——因为这个岗位，方案被推翻是常态

他有一句话我觉得挺准：

做 B 端产品的时候，我一个月被推翻一次方案。
做 AI 产品，我一周被推翻三次。
但每次被推翻，我都比上一次更清楚这个东西的边界在哪。

最后：强度本身就是壁垒

我知道这篇写下来，可能有人会觉得"那我可能不适合"。

但你要反过来想——

这些让人难受的地方，恰恰就是它值 30k 的原因。

如果一个岗位事少、确定、还不加班，凭什么给一个刚转行的人开这个数？又凭什么轮得到你？

AI 产品经理现在还是个供给严重不足的岗位，不是因为它门槛低，是因为能扛住这种不确定性的人本来就不多。

大量的技术是现成的，模型是公开的，工具是全开源的。真正稀缺的是：有人愿意站在业务、技术、数据、合规的中间，为一个说不准的结果负责。

这个位置，短期之内不会被填平。

所以如果你正在考虑这条路，我建议你别只看"薪资多少、要不要写代码"。

先看一眼上面这六条累法，问问自己：这些难受，你能不能扛得住，甚至扛得有点爽。

如果答案是能，那这个方向值得你认真投入。

我本人 6 年 Java 后端转大模型产品，现在在大厂做 AI 产品，业余时间一直在带不同背景的人转型 AI+行业复合岗。

上面这位学员，从 B 端产品转过来用了四个多月。这条路能不能走通，取决于两件事：有没有人告诉你真实的边界在哪，以及有没有人在你被推翻第三次的时候还拉着你往下做。

最近准备再带一批，从 0 到 1 把 AI 产品能力搭起来。

几个硬条件：

1. 是我的粉丝（现在关注也算）
2. 22-45 岁，有无产品 / 运营 / 数据 / 行业背景都可，非技术背景也收
3. 每晚能稳定拿出 1-2 小时，时间不够勿扰
4. 愿意动手做东西，只想听课的勿扰

我把 AI 产品经理学习路线、大厂 AI 产品真实工作流拆解、AI 项目从 Demo 到上线的完整方案模板、以及面试真题整理好了，微信扫描下方二维码添加，免费发给你。