技術人員在有限時間不懂業(yè)務但擁有寫代碼能力、產(chǎn)品經(jīng)理懂業(yè)務但不會寫代碼，在這種信息不匹配情況下，非技術型產(chǎn)品經(jīng)理如何和技術人員進行交流？那今天就講述大模型背景下，非技術型產(chǎn)品經(jīng)理如何向技術人員提需求。

ChatGPT一問世，現(xiàn)在做數(shù)字化項目沒有融入大模型都不太好意思。如果一個項目中集成了特定場景的垂直大模型，那絕對是“新寵”。但是我們也看到隨著大模型的推廣，產(chǎn)品交互趨向于智能問答，要想智能問答更絲滑、更準確，需要技術人員在“冰山之下”下狠功夫。

這時候也出現(xiàn)尷尬的境地，技術人員在有限時間不懂業(yè)務但擁有寫代碼能力、產(chǎn)品經(jīng)理懂業(yè)務但不會寫代碼，在這種信息不匹配情況下，非技術型產(chǎn)品經(jīng)理如何和技術人員進行交流？那今天就講述大模型背景下，非技術型產(chǎn)品經(jīng)理如何向技術人員提需求。

一、場景化演練

比如現(xiàn)在你要讓技術人員實現(xiàn)“用大模型推薦某技術領域的優(yōu)勢單位”。即用戶輸入需求，大模型推薦優(yōu)勢企業(yè)，這時候你和技術人員溝通可以分為以下步驟：

1. 第一步：和技術人員說清需求背景

（說清楚：這個需求誰提出來的、用在什么場景下、解決他們什么問題）

eg:

這個需求是XX省科技主管部門提出的，他們每年都會凝練重大專項，專項凝練出來后就要解決給誰承擔專項問題，他們想通過大模型給他們推薦技術領域優(yōu)勢單位，能實現(xiàn)輸入技術需求，系統(tǒng)推薦優(yōu)勢單位。比如用戶輸入“請幫我推薦RV減速器領域的優(yōu)勢單位”，系統(tǒng)就要推薦優(yōu)勢單位并給出推薦理由。

2. 第二步：定義實現(xiàn)業(yè)務關鍵路徑

（說清楚：該問題背后的業(yè)務需求點）

eg：

對于這個問題，包括了3大業(yè)務需求點：推薦的單位要和需求相關、要在相關的基礎上推薦最優(yōu)單位、要給出推薦理由，因此我們可以分解：如何定義和需求相關、如何定義最優(yōu)單位、如何給出推薦理由。

3. 第三步：針對每個關鍵點給出業(yè)務規(guī)則

（針對關鍵點分別說出業(yè)務規(guī)則，大模型實現(xiàn)的前提是“假設沒有大模型，人來做這件事是按照怎樣的規(guī)則”）

eg：

（1）如何定義和需求相關： 對輸入的需求進行解析—然后匹配對應的專利-其中“專利申請人”認為是和需求匹配的相關企業(yè)。（如何解析需求？如何匹配專利？這其實就是技術經(jīng)理結(jié)合大模型給出方案）

（2）如何定義最優(yōu)單位：根據(jù)高價值專利的評分規(guī)則測算企業(yè)的技術總分，然后根據(jù)總分分別取省內(nèi)省、省外、國際top5的單位。（高價值專利指標體系是什么？這個其實就是產(chǎn)品經(jīng)理要給出的方案）

（3）如何給出推薦理由：根據(jù)“企業(yè)發(fā)明專利+企業(yè)高價值專利指標值”凝練出推薦理由。（如何根據(jù)輸出的字段信息凝練一段話，這個其實就需要技術經(jīng)理借助大模型實現(xiàn)）

4. 展示產(chǎn)品原型示意圖

（用原型圖讓開發(fā)知道后面產(chǎn)品展示形式是什么）

eg：

這次我們主要以智能問答的形式做展示，用戶輸入一個問題，系統(tǒng)分別推薦省內(nèi)、省外、國際各5家優(yōu)勢單位，交互形式大致如下：

5. 做好任務分配

（基于對底層業(yè)務實現(xiàn)邏輯的理解，給出分工，讓大家知道各自的職責和邊界是什么）

eg：

基于以上需求做以下分工，請各位3天后給出對應方案。

二、寫在后面的話

大模型來襲，非技術型產(chǎn)品經(jīng)理的應該具備以下能力：

• 業(yè)務場景的把握：要非常清楚的向技術人員說清楚業(yè)務背景—什么人在什么時候提出了什么問題，客戶想要達到什么目的。
• 業(yè)務規(guī)則的制定：要了解需求背后的關鍵核心點、針對關鍵核心點進行業(yè)務規(guī)則的說明、一定要做到“如果沒有大模型，如果你來做，你會怎么做”，如果規(guī)則都說不清楚，機器又怎么會做呢。
• 項目協(xié)作能力：今天舉例了一個非常簡單的場景，在實際的業(yè)務中還會遇到更加復雜的問題，在理解底層邏輯的基礎上學會工作分工，明確各自職責，做到協(xié)同作戰(zhàn)。