TCL
AI产品经理（技术平台）
AI产品经理（技术平台）
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Prompt工程
Rag
产品规划
人机协同
大模型
效果评估
需求分析
值不值得投
73综合评分
综合评分 73
深圳上市企业AI产品岗，深耕大模型与Agent企业级落地，技术成长空间大，但WLB及薪资福利细节未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.4万
比AI产品经理中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 340 个在招
市场机会
选择面较广
深圳 · AI产品经理 · 57 个在招
职位详情
关于这个职位
该职位负责TCL企业级AI产品（如智能体平台、AI助手等）从0到1的规划与落地，深入财务、供应链等业务场景，将业务问题转化为AI解决方案
你需要与算法和开发团队协作，设计人机协同模式并建立效果评估体系，推动大模型技术在企业内部的实际应用
最低要求
本科及以上学历，计算机、软件工程、人工智能、信息管理等相关专业优先
理解 AI 技术体系：了解大模型基本原理（Transformer/Token/ 上下文窗口 / 幻觉）、RAG、Agent、Function Calling、微调等核心概念，能判断不同技术方案的适用场景和成本差异
具备产品基本功：能独立完成需求分析、流程设计、PRD 撰写，有完整产品项目或实习经验
具备 AI 产品思维：理解 AI 产品与传统软件的差异（概率性输出、数据飞轮迭代、人机协同设计、效果可量化），能设计 AI 原生的交互模式和业务流程
逻辑清晰，数据敏感，能建立可量化的产品评估指标体系，具备较强的风险意识
工作职责
负责 TCL 企业级 AI 产品（智能体平台、AI 助手、知识问答、流程自动化等）从 0 到 1 的产品规划与定义，覆盖财务、供应链、营销服、研发等业务场景
深入业务场景，将业务问题转化为 AI 产品方案，撰写 AI 产品 Spec（包括智能体行为定义、工具调用逻辑、模型能力需求、训练 / 评测数据要求、异常处理机制和效果验收标准）
与算法、AI 应用开发团队协作，定义技术方案选型（规则 / 小模型 / 大模型 / RAG / 微调），评估可行性和成本，推动 AI 能力从原型到生产环境落地
建立 AI 产品效果评估体系：设计评测数据集、制定准确率 / 召回率 / 自动化率等核心指标、建立 Bad Case 归因和数据飞轮闭环，持续迭代模型效果
设计人机协同模式：明确 AI 自主决策边界、人工审核节点和兜底策略，在效率提升与风险控制之间取得平衡
管理 AI 产品成本：关注 Token 消耗、推理延迟和算力成本，在效果、速度、成本之间做产品取舍
跟踪 AI 技术演进和行业竞品动态，输出产品洞察，规划产品路线图
与数字化产品经理协作，明确 AI 能力边界和接口定义，共同完成 AI 产品的业务落地
优先资格
有 AI 产品 / 大模型应用相关项目或实习经验者优先
有 RAG/Agent 系统搭建经验、Prompt 工程实践或 AI 竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 处于AI技术落地核心地带，能深度参与大模型、Agent等前沿技术在大型企业复杂场景中的实际应用
- 依托丰富的业务场景（财务、供应链、研发等），拥有充足的数据和业务试错空间，利于积累深厚的行业Know-how
- 岗位职责清晰且全面，涵盖从0到1规划、技术选型、效果评估到成本管理，能全方位锻炼AI产品能力
- 企业级AI产品落地难度大，需平衡业务期望与当前大模型技术的能力边界，处理幻觉、准确率等实际问题
- 跨部门协作复杂，需与算法、开发、数字化产品及多个业务线团队频繁沟通，对沟通推动能力要求极高
- 适合对大模型技术有浓厚兴趣、具备扎实产品基本功，且希望在大型企业复杂业务场景中推动AI落地的复合型产品人才
缺点 / 挑战
- AI技术迭代极快，需持续跟踪技术演进并快速调整产品路线图，存在一定的技术焦虑和学习压力
角色解读
- 纵向可发展为AI产品专家或AI产品总监，主导更大规模的企业级AI中台或智能化战略
- 横向可转型为AI业务负责人或商业化产品专家，深入特定业务线推动AI赋能业务增长
- 负责TCL企业级AI产品（如智能体平台、AI助手）从0到1的规划，将大模型技术落地到财务、供应链等具体业务场景
- 撰写AI产品Spec，定义智能体行为、工具调用逻辑及模型能力需求，与算法和开发团队协同推进产品落地
- 建立AI产品效果评估体系，设计评测数据集并制定核心指标，通过数据飞轮持续优化模型效果
- 扎实的AI技术理解力，熟悉大模型原理、RAG、Agent、微调等核心概念，能评估技术方案的适用性与成本
- 优秀的产品基本功，能独立完成需求分析、流程设计和PRD撰写，具备AI原生交互模式的设计能力
- 数据敏感度与逻辑思维，能建立可量化的评估指标体系，并在效率、成本与风险之间做出合理的产品取舍
申请策略
- 提前了解TCL的核心业务板块，思考AI技术如何赋能这些具体场景，面试时提出建设性方案
- 突出大模型相关项目经验，详细描述在RAG、Agent系统搭建或Prompt工程中的具体实践和取得的业务成果
- 展示完整的产品从0到1经历，强调需求分析、PRD撰写及跨团队推动落地的能力
- 体现对AI产品特性的深刻理解，如如何设计人机协同模式、建立效果评估指标体系及处理Bad Case
- 深入学习大模型底层原理及最新技术进展（如Function Calling、多模态大模型），提升技术方案选型评估能力
- 掌握AI产品效果评估方法，学习如何设计评测数据集、计算准确率/召回率，并构建数据飞轮闭环
面试指南
- STAR法则：针对项目经验问题，按照情境、任务、行动、结果结构化回答，突出个人贡献和量化成果
- 场景-技术-成本-收益框架：针对技术选型问题，先明确业务场景痛点，再对比不同技术方案的优劣，最后结合成本和预期收益给出结论
- 请分享一个你从0到1规划的AI产品项目，你是如何定义智能体行为和设计工具调用逻辑的？
- 在大模型应用中，你是如何建立效果评估体系的？遇到Bad Case时你的归因和迭代流程是怎样的？
- 当业务方对AI产品的期望过高，而当前技术无法达到时，你如何设计人机协同模式和兜底策略？
- 在评估技术方案时，你如何权衡规则、小模型、大模型和RAG的适用场景及成本差异？
- 准备1-2个自己主导的AI产品深度案例，梳理其中的技术难点、产品决策逻辑及最终业务价值
- 体验并分析市面上主流的AI助手或Agent产品，总结其交互设计、能力边界及人机协同模式的优缺点
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
职位位于深圳，要求掌握大模型等前沿技术，薪资预计处于市场中上水平，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：1.8千–3万/月）
成长发展
90较高
岗位深度涉及大模型、Agent等前沿技术，要求跟踪技术演进并规划路线图，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、Transformer、RAG、Agent、Function Calling、微调、Prompt工程
成长机会跟踪 AI 技术演进
业务类型cost_center
工作生活
50较低
JD未提及任何关于工作模式、弹性工时或加班情况的信息，无法判断工作生活平衡状态。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
岗位致力于将AI技术落地于企业核心业务场景，推动企业智能化转型，具有一定的行业创新价值，但主要服务于企业内部效能。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs