AI 時代產品經理面試，最愛問的 5 個問題該怎麼答

這兩年我面過不少產品經理，也被別人面過。有個規律扎眼到我現在都還記得：一碰到 AI 相關的問題，十個裡有八個會立刻開始背概念——RAG 是什麼、微調和提示詞有什麼差別、Transformer 的注意力機制是怎麼回事……背得越順，我心裡越涼，基本上就確定不會要他了。

不是因為他背錯了。是因為這些問題考的從來不是你記住了什麼，是你會不會想。 你一張嘴就是定義，等於是在告訴面試官：我把這當知識點背了，但我沒真的在這上面做過決定。

AI 產品經理這個位子，跟傳統產品經理最不一樣的地方，就在這裡。傳統軟體你想清楚了它基本上就是那樣，AI 不是——一個模型在測試裡表現驚豔，上線可能就掛;它對 90% 的人好用，對剩下 10% 的人卻在胡說八道;你還經常說不清楚它為什麼會錯，也沒辦法打個補丁就修好。 所以面試官真正想知道的，不是你懂不懂這些名詞，是你面對一個「會出錯、又不好解釋、也不好修」的東西，怎麼做產品決定。

下面這 5 個問題，是我這兩年聽到、也問過最多的。我不給你標準答案——AI 這些題大多沒有標準答案，面試官評的是你的推理過程，不是你的結論。我只說說每個問題到底在秤你哪一塊、我自己會怎麼答，還有最容易翻車的那種答法。

一、「這個 AI 功能有時候會出錯，你怎麼判斷它到底能不能上線？」

這幾乎是 AI 產品經理面試的第一題，也是分水嶺。

它考的是：你能不能接受「AI 一定會錯」這個前提，然後還做出負責任的決定。 傳統軟體的思路是「有 bug 就修到沒 bug」，可是 AI 功能你永遠修不到零錯誤。如果你的答案裡透著「我要把準確率做到 100% 再上線」，基本上就出局了——這代表你還沒進到 AI 的世界。

我會怎麼答：我不追求它不出錯，我追求「它出錯的時候，代價我兜得住」。 我會先問一句——這個功能錯了，最糟會怎樣？

一個幫使用者起草信件的 AI，錯了就是使用者改一改，代價很低，那我 80% 的準確率就敢上，因為剩下 20% 使用者自己能兜。可是一個自動幫使用者扣款、或是給醫生提供診斷建議的 AI，錯一次就是事故，那我 99% 都不敢上，得加人工複核、加防呆、加「拿不準就不做」的退路。同樣的準確率，能不能上線，取決於錯誤的代價，不取決於那個數字本身。

最容易翻車的答法：只盯著準確率那個數字談，不談錯了會怎樣。把「AI 好不好」當成一道分數題，而不是一道「最糟情況我扛不扛得住」的產品題——這是 2023 年的思路，2026 年的面試官一聽就知道你沒真的上線過 AI 功能。

二、「這個需求，你要用提示詞、RAG、還是微調？為什麼？」

這題出現的頻率高得離譜，尤其大模型相關的位子，提示詞／RAG／微調三選一幾乎必問。

很多人以為它在考技術，其實它考的是你會不會做取捨。面試官根本不指望你能手寫微調程式碼，他想看的是：給你一個需求，你能不能按成本、見效速度、可控性把這幾條路排個序，然後說清楚為什麼選這條、放棄那條要承擔什麼。

我會怎麼答：我一定從最輕的方案往上加，能用提示詞解決就絕不上微調。 因為提示詞改起來最快、成本最低，今天不行明天就能調;RAG 適合「答案得基於我自己那批文件、還得能隨時更新」的場景;微調最重，訓練要錢、要資料、改一次週期又長，我只在「前兩者都試過、效果就是不夠，而且這個能力值得我砸這個成本」的時候才動它。

關鍵是最後那句——你要說得出每條路放棄了什麼。 選提示詞，放棄的是穩定性（同樣的問法今天對明天錯）;選微調，放棄的是彈性（想改個行為就得重訓）。能把「我選了 A，代價是失去 B，但在這個需求上這個代價值得」講清楚，這題就滿分了，哪怕你一行模型程式碼都不會寫。

最容易翻車的答法：一開口就說「那當然要微調啊，效果最好」。一個張口就要上最重方案的人，面試官會直接認定你不懂成本，也沒為一個真實專案的預算煩惱過。

三、「講一次你決定『不用』AI 的經歷。」

這題特別陰，但特別能篩人。這兩年滿世界都在喊 AI，一個產品經理如果一次都沒有主動說過「這裡不該用 AI」，那他大概率是在追風口，不是在做產品。

它考的是：你是把 AI 當目的，還是當工具。 面試官想確認的是，你不會因為「老闆想要 AI」或是「這樣募資比較好講故事」，就往一個根本不需要它的地方硬塞一個 AI 功能。

我會怎麼答：我會講一個具體的——比方說某個功能，當時大家都想給它加個「智慧推薦」，我把它擋下來了。因為那個場景使用者就那幾個固定選項，一個寫死的規則又快又準又不出錯，硬套個模型上去，慢、貴、還偶爾推歪，純粹是為了 AI 而 AI。最後我們用最笨的 if-else 解決了，我覺得那是我那年做得最對的決定之一。

有一個具體的「我拒絕過 AI」的故事，比你把 RAG 講得天花亂墜都還值錢。因為它證明了一件面試官最想要、又最難考的事：你有判斷力，AI 指揮不動你，是你在用它。

最容易翻車的答法：答「我想不起來有這種情況，我覺得 AI 基本上都能提升體驗」。這一句就把你歸到「AI 信徒」那一類了——而沒有一個成熟的團隊，會想要一個分不清什麼時候不該用 AI 的產品經理。

四、「成本和延遲，你怎麼權衡？」

早幾年這被當成工程問題——token 花多少、回應慢不慢，那是後端該操心的。但 2026 年的標準變了：成本和延遲，就擺在 AI 產品經理自己的儀表板上，跟品質、體驗放在一起，要在做路線圖的時候被明確地拿出來權衡。

它考的是：你知不知道 AI 功能是要真金白銀按次燒錢的，而且慢一秒可能就流失一批使用者。 傳統軟體寫完了，多一個使用者用幾乎不花額外的錢;AI 不是，每一次呼叫都在花錢，用得越多燒得越多。一個不看這筆帳的產品經理，會做出一個體驗很好但公司養不起的功能。

我會怎麼答：我會把它當成一個明確的三方權衡——品質、成本、速度，通常不可能三個都要滿。我會問這個功能到底靠什麼贏：如果靠「答得準」，那我允許它慢一點、貴一點，用更強的模型;如果靠「隨手就能用」，那我可能選個便宜快的小模型，犧牲一點品質換回應速度和成本。重點是我得知道自己在拿什麼換什麼，而不是預設永遠上最強最貴的那個。

最容易翻車的答法：「這個交給技術去優化就好。」把成本和延遲推給工程——這正是面試官在等的那個錯誤答案，一答出來，「這人不懂 AI 產品的帳」這個標籤就貼上去了。

五、「你為什麼想做 AI 產品經理？」

看起來像客套的開場題，其實是個誠實度測試。

它考的是：你是真的在這上面動過手，還是被風口和薪水吸引過來、準備背一套說詞。 因為緊接著的每一個技術追問，都會檢驗你這個「為什麼」是不是真的。

我會怎麼答：我不會講「因為 AI 是未來、是大勢所趨」這種正確的廢話——這種話面試官一天能聽二十遍，等於沒說。我會講一件具體的小事：我第一次用 AI 把一個憋了很久、自己又不會寫程式做出來的東西，一個下午真的做出來、還能點的時候，那種「原來我一句話就能讓它成真」的震撼。真實的、具體的、還帶點笨拙的第一次，永遠比一句宏大又正確的判斷更有說服力。

最容易翻車的答法：背產業趨勢、背大詞。你越是把話講得又大又正確，面試官越確定你沒真做過——因為真做過的人，一張口都是具體的事，不是漂亮的判斷。

別忘了，真正的考試在追問裡

上面每個問題，你答完第一輪都還不算完。AI 產品經理面試真正見真章的地方，是面試官接下來那句輕飄飄的「然後呢？」

你說「這個功能我 80% 準確率就敢上」，他會追：「那你具體怎麼兜那 20%？」「如果上線後發現實際只有 70%，你怎麼辦？」你說「我選了提示詞不選微調」，他會追：「那如果提示詞怎麼調效果都卡在 60%，你什麼時候會改變主意上微調？這條線你劃在哪？」

他不是要為難你，他是在確認：你那個漂亮的結論，到底是想出來的，還是背出來的。 背出來的，追問兩層就露餡——因為背來的答案沒有下一層，你只有一個孤零零的結論，答不出「如果情況變了我怎麼調整」。想出來的，你怎麼追都有得聊，因為你是真的在腦子裡把這條路走到過底。

所以準備的時候，別只準備答案，多問自己一句「然後呢」：這個決定如果錯了我怎麼補救、條件變了我什麼時候改變主意、我憑什麼劃這條線。你自己先把追問走一遍，真到面試上，那句「然後呢」就不再是個坎，而是你亮真本事的機會。

說到底，考的是同一件東西

你把這 5 個問題連起來看，會發現面試官反覆在秤的，其實是同一樣東西：你手裡有沒有具體的故事——一個真實的決定、一次真實的取捨，最好還帶個數字。

準確率多少你敢上、為什麼選提示詞不選微調、哪次你把一個 AI 功能擋下來了、你拿品質換過成本還是拿成本換過速度、你第一次被 AI 震到是因為什麼——這五題，答得好的人全在講自己真做過的事，答得差的人全在背定義和趨勢。空洞的故事丟 offer，具體的故事拿 offer，這句話在 AI 產品經理這個位子上，比哪個位子都更狠。

所以如果你在準備這類面試，我的建議不是去背題庫。是回去把你真做過的 AI 相關的事，一件一件翻出來，每一件都想清楚：當時的決定是什麼、放棄了什麼、結果怎樣、有沒有數字。湊夠五六個這樣的故事，上面這些問題不管怎麼變著法問，你都有真東西可講。

我到現在也還在琢磨一件事，順手拋給你：當 AI 把「做出一個東西」的門檻降到這麼低，面試裡那些「你做過什麼」會越來越好答——因為人人都能做點東西出來了。那到時候，真正把人分出高下的問題，會變成什麼？我猜會往「你沒做什麼、為什麼不做」那個方向走。但這只是我的猜測，我也還沒看到答案。