1、基于公司战略目标，构建AI产品路线图，建立ROI测算及价值验证体系。深度拆解企业战略目标（如降本30%、效率提升40%、决策准确率提升25%），制定3年AI产品规划，明确技术投入优先级与资源分配策略。建立多维度ROI评估模型，通过A/B测试、试点项目验证AI方案商业价值，输出《AI项目可行性分析报告》。2、深度解构人资管理、财务分析、生产排程、供应链优化等业务场景，设计AI驱动的经营决策解决方案。主导业务调研：通过问卷、访谈、流程mapping识别核心痛点，输出《业务场景AI适配评估表》。设计场景化解决方案：针对人资管理，引入NLP简历解析+预测性离职模型；针对生产排程，结合强化学习优化资源分配；针对供应链，构建需求预测+库存动态调整模型，形成行业级解决方案白皮书。3、主导需求定义→算法选型→系统集成→价值闭环的全流程管理。需求定义：联合业务部门、算法团队明确功能边界（如财务分析AI需支持多维度数据穿透、生产排程AI需兼容 legacy系统），输出含技术指标的PRD。算法选型：基于数据规模（小样本/大规模）、业务实时性要求（离线分析/实时决策），选择适配算法，协调算法团队完成模型训练与调优。系统集成：推动AI模块与ERP、MES、OA等企业现有系统对接，设计API接口规范，确保数据流转合规性。价值闭环：建立用户反馈机制（业务部门定期评分、操作日志分析），驱动产品迭代。4、制定可量化的业务指标体系，搭建AI应用价值评估模型，持续迭代产品能力。 指标体系设计：按业务场景制定KPI，如供应链AI的库存周转率提升率、财务AI的报表生成耗时缩减率，实现“技术效果→业务价值”的量化映射。动态评估模型：结合实时数据与业务反馈，每月输出《AI应用健康度报告》，优先级排序迭代需求（如先修复高频报错场景，再优化非核心功能）。5、主导跨部门技术方案评审，平衡算法精度与工程落地成本。设计AI Agent协同机制，优化人机协作业务流程，构建业务数据反馈闭环，驱动模型持续优化。技术评审：组织算法、开发、业务、财务等部门评审方案，输出《技术-成本平衡决策记录》。Agent机制设计：针对客服、巡检等场景，定义AI Agent任务边界，设计多Agent协作流程，提升人机协作效率30%以上。数据闭环：建立数据清洗-标注-回流机制，确保模型训练数据持续更新，避免模型效果衰减。

1、计算机/数学/计算机相关专业硕士，5+年B端AI产品经验，具备千万级AI项目落地经验，熟悉工业4.0/智能财务等数字化项目。学历背景：本科为计算机/数学/数据科学专业，硕士阶段聚焦AI/机器学习/管理科学，具备扎实的算法理论基础。 项目经验：主导过至少2个千万级预算AI项目全流程。领域认知：熟悉工业4.0核心场景（设备预测性维护、数字孪生）或智能财务关键模块（费用自动化审核、业财数据对账），能快速定位AI与业务结合的价值锚点。2、5年以上垂直行业经验（制造/石油行业/金融优先）。行业沉淀：精通1个垂直领域业务流程（如制造业的计划-采购-生产-交付闭环、石油行业的勘探-炼化-销售链条、金融行业的信贷-风控-合规体系），能识别行业特有的AI落地挑战（如制造业数据孤岛问题、金融行业强合规要求）。案例积累：有该行业头部企业AI项目经验（如为某汽车制造企业设计供应链协同AI、为某银行设计智能客服机器人），熟悉行业数据特征与技术适配方案。3、精通机器学习技术选型，如时序预测、运筹优化、异常检测。掌握大模型应用架构（RAG/Agent设计/领域微调），熟练使用SQL/Python进行数据分析，精通PowerBI等可视化工具。技术能力： 传统机器学习：能根据业务场景选择回归/分类/聚类算法，熟悉特征工程（如工业数据降噪、金融数据特征衍生）与模型评估。大模型应用：理解RAG（检索增强生成）架构设计（如向量数据库选型、prompt工程优化），掌握Agent任务拆解（如将财务报表分析拆分为数据提取Agent+逻辑推理Agent），熟悉领域微调流程（如用企业私有数据fine-tune通用大模型）。数据工具：能通过Python（Pandas/Numpy）处理百万级数据，编写复杂SQL取数脚本，使用PowerBI/Tableau制作动态报表（含下钻分析、预警仪表盘），输出可决策的数据分析报告。4、具备较强的抗压能力，具备汇报与总结能力。抗压能力：能应对多项目并行推进（如同时管理3个AI产品迭代）、需求频繁变更等挑战，制定优先级管理策略。汇报能力：擅长将技术语言转化为商业语言，；能输出结构化文档（如《AI产品季度经营报告》《跨部门协作备忘录》），推动决策共识。加分项：持有PMP/商业分析（CBAP）/AI产品经理认证，具备英语作为工作语言的能力。