AI 產品經理怎麼轉職？我撈完 60 筆職缺：薪水七成三面議，兩種 AI PM 別投錯

💡 核心結論速覽 (TL;DR)

• 兩種職位共用一個關鍵字：我撈到的 60 筆職缺裡，46 筆是做 AI 軟體與應用的產品經理，14 筆其實是 AI 伺服器、邊緣運算的硬體 PM——投錯邊等於白投。
• 薪水看不到才是常態：60 筆只有 16 筆（27%）寫出數字，看得到的月薪落在 3.5 萬到 12 萬；網路流傳的「年薪 447 萬起」是美國 Glassdoor 資料，不是台灣行情。
• 不是只有科技業在找：銀行、電信、旅行社、出版社、不動產都開了缺，台北以外的高雄、桃園、新竹、台中也有。
• 先做這一件事：與其先衝證照，不如挑一個你手上真實跑過的流程用 AI 重做一次，把「哪一段交給 AI、哪一段你擋下來」寫成三頁決策紀錄——那才是面試官會停下來看的東西。

「AI 產品經理」這個職稱最近紅得很快。但我把 104 上的相關職缺整批撈下來、一筆一筆讀完之後，第一個反應不是興奮，是「等一下，這裡面有兩種完全不同的工作」。

先講結論：AI 產品經理在台灣目前不是一個職位，是兩群人共用一個搜尋關鍵字。一群在做 AI 軟體與應用的產品，一群在做 AI 伺服器與邊緣運算的硬體規格。想轉進來，第一步不是補技術，是先確認你要去的是哪一邊——因為這兩邊要的履歷幾乎沒有交集。

我自己是從工程師、數據分析師一路走到遊戲產業的產品負責人，帶團隊超過十年，這幾年每天用 AI 的時間超過十小時。所以當身邊開始有 PM 朋友問我「我是不是也該去卡一個 AI PM 的位子」，我沒辦法只憑印象回答。我做的第一件事是把職缺原始資料撈下來自己算——結果算出來的東西，跟網路上流傳的版本差滿多的。

那麼，這批職缺到底長什麼樣？薪水真的像新聞寫的那麼漂亮嗎？如果你不是技術背景，還有沒有機會？我一項一項拆給你看。

AI 產品經理到底在做什麼？先分清楚被混在一起的兩種 AI PM

AI 產品經理在台灣主要分成兩種：應用型（做 AI 軟體、SaaS、Agent 平台的產品）與硬體型（做 AI 伺服器、邊緣運算裝置、工業電腦的產品規格）。我把 104 上關鍵字命中的職缺去重後篩出 60 筆標題同時寫著「AI」和「產品經理／PM」的缺，分下來是 46 比 14。

這個比例本身不奇怪，奇怪的是它們共用同一個關鍵字。你在求職網站打「AI PM」，宏碁的「AI Server Product Manager」和一家 AI SaaS 新創的「AI 產品經理」會並排出現在同一頁。

老實說我一開始整理這批資料時也沒分開，全丟進同一張表。分類分到一半才發現不對——怎麼會有職缺在講水冷、越障、集塵？回頭看才知道那是 AI 伺服器與機器人的硬體 PM。台灣是 AI 伺服器供應鏈的重鎮，這一批缺在別的國家不會這麼密集地跟軟體 AI PM 擠在一起，是很在地的現象。

我的判斷很直接：如果你現在是軟體或數位產品背景，硬體型那 14 筆基本上不用看。那不是「AI 版的你」，那是完全另一條職涯，履歷丟過去只會沉底。

反過來說，這也是好消息——當你把 14 筆撇掉，剩下 46 筆才是你真正的競爭場，而這 46 筆的內容比想像中多元。下一步你可以做的事很小：打開求職網站搜「AI PM」，先花十分鐘把結果分成這兩堆，你會立刻知道自己該投哪一半。

至於這個職位跟你現在做的 PM 差在哪，我在帶團隊十年後，我怎麼重新劃 PM 和 AI 的那條線裡拆得比較細；如果你更好奇「產品團隊未來會長成什麼形狀」，AI 讓職稱失效之後，產品團隊剩下的 5 種角色那篇有完整的角色地圖。

AI 產品經理薪水多少？我撈到的數字和網路上差很大

AI 產品經理的薪水，台灣端最誠實的答案是「大部分看不到」。我撈到的 60 筆裡，只有 16 筆（27%）寫出薪資數字，其餘七成三全部是「面議」。這件事本身，比任何一個平均數都更能說明現在的市場狀態。

先把三個常見數字攤開來，你會發現它們根本不在講同一件事。

那我自己撈到的呢？在有揭露數字的那批裡，月薪下緣從 35,000（產品分析師性質）一路到 70,000（軟體產品經理），上緣最高看到 120,000。中間最常出現的區間是 5 萬到 6.5 萬起跳。

但我要很明確地說：這 12 筆算不出「台灣 AI PM 平均薪資」。願意公開數字的多半是中小型與新創公司，大廠和金融業幾乎清一色面議——樣本本身就是歪的。任何從這裡除出來的平均值都會誤導人，所以我不除。

那這批數據能拿來幹嘛？我會這樣用：把它當成「談判前的地板」，不是天花板。當一家公司開 4 萬 5 找 AI 產品經理，你至少知道市場上同性質的缺有人開到 7 萬起；當對方說「這個位子薪資結構特殊」，你手上有具體的區間可以問下去。

我朋友之前面試一個 AI 相關的產品職，對方全程只講「看整體 package」，她當下沒追問，等到談 offer 才發現底薪比原職低。

💡 面議怎麼問出區間

那次之後她的做法變成：第一次通話就直接問「這個職缺的薪資帶大概落在哪個區間？」——把「面議」兩個字先逼出一個範圍，再決定要不要繼續走流程。尷尬三秒，換掉後面三個月的糾結，划算。

如果你更想知道「會用 AI 到底能不能換到加薪」，我另外整理過會用 AI 薪水真的比較高嗎？台灣調查數據和我實際會用的加薪話術，那篇專門處理談判那一段。

沒有技術背景能轉 AI 產品經理嗎？我會先看你有沒有這三件事

可以轉，但關鍵不在你會不會寫程式。以我坐在面試官那一側看履歷的經驗，非技術背景能不能轉進 AI 產品經理，我會先確認三件事：你有沒有踩過 AI 出錯、你能不能講清楚為什麼那次會錯、你有沒有因此改掉流程。

這三件事拼起來，就是一個 AI PM 最核心、也最難假裝的能力：知道 AI 什麼時候不能信。

❶ 踩過錯：你真的把 AI 放進一個有後果的流程裡，而不是只拿它寫過信。

❷ 講得出原因：那次出錯是資料髒、是提示寫得太寬、還是你根本問錯問題？能拆到這一層，代表你理解的是機制不是魔法。

❸ 改掉流程：你之後加了什麼檢查？哪一段從此不再交給 AI？這條決定了你是「用過 AI 的人」還是「能管 AI 產品的人」。

我自己最有感的一次，是把 AI 塞進客服流程的時候。前期看起來全都很順，直到發現它在遇到規則模糊的案子時，會非常有自信地給出一個聽起來完全合理、但實際上不存在的處理方式。

那時候學到的不是「AI 會出錯」——這誰都知道——而是它出錯的時候態度跟答對時一模一樣，所以你不能靠讀起來順不順來把關。從那之後我做的每一個流程，都會強制留一段人可以攔截的環節。

這個職位適合誰、不適合誰

適合：手上已經有一條真實產品或營運流程可以拿來改造的人；願意把「說不」寫進規格的人；能忍受模型效果會浮動、不追求百分之百確定性的人。

不適合：想靠一張證書換職稱的人；期待 AI PM 比一般 PM 輕鬆的人（實際上多了一整個「模型會怎麼壞」的維度要顧）；完全不碰數據、看到表格就想外包出去的人。

成本：補課的錢多半在幾千到兩萬之間，真正貴的是時間——把一個流程改造完整並寫成紀錄，抓兩到三個月比較實際。

如果你現在的處境是「被 AI 追著跑、不確定要不要轉」，先別急著投履歷。我在35 到 45 歲被 AI 焦慮追著跑時，我會先做的 4 個現實評估寫過怎麼先把焦慮跟決策分開；想看更泛用的轉職路徑（不限 PM），不用裸辭也能轉的 4 類 AI 職位怎麼挑那篇涵蓋得比較廣。

AI 產品經理需要什麼技能？把「懂 AI」拆成四層來補

AI 產品經理要的技能，不是「會用 ChatGPT」也不是「會訓練模型」，而是中間那一大段。我習慣把它拆成四層，因為每一層要補的方式完全不同，混在一起補會很沒效率。

❶ 能力邊界層：知道目前的模型做得到什麼、做不到什麼、在什麼情況下會退化。這一層靠大量實際使用累積，看文章補不起來。

❷ 成本與延遲層：一個功能改成用大模型跑，成本會變幾倍、回應會慢幾秒、使用者忍不忍得住。這是 PM 最該扛、工程師最不想扛的一層。

❸ 資料層：資料從哪來、能不能用、有沒有個資疑慮、標註誰做。很多 AI 產品死在這一層而不是模型。

❹ 驗收層：你怎麼定義「這個功能算做好了」。傳統驗收是功能有沒有出來，AI 功能的驗收是準確率、涵蓋率與失敗時的表現。

數位時代整理的 AI PM 四大技能裡，把低代碼原型設計、代理框架規劃、同理與信任建立、風險管理與合規列為重點——對照我上面這四層，它講的其實是同一件事的不同切面：你要能自己做出東西驗證想法，也要能在出事前先想到會怎麼出事。

那實際上要去哪裡補？我的建議是分兩塊，而且不要同時開。

第一塊是「AI 專案怎麼管」。這塊我會直接找給產品經理設計的課，而不是資料科學課。

Coursera 上杜克大學的 AI Product Management 專項課程是少數把「機器學習基礎、AI 專案管理、AI 的人因問題」拆成三門課的組合，官方課程頁明寫不需要程式背景，總時數約 51 小時、規劃四個月讀完。對「知道模型會壞、但講不出怎麼壞」的人，這條路徑補得最快。

第二塊是「你自己看得懂數據」。驗收離不開資料，PM 至少要能自己撈一次數、自己畫一次分布，而不是每次都等分析師。

這塊不用學到會建模。把 SQL 練到能自己回答「這個功能上線後，哪一群人用得最兇」就夠了——DataCamp 的 SQL 資料分析路徑是把這一段練到堪用的最短路線，練完你至少不會在會議上被一句「資料顯示」堵住。

👉 查看杜克大學 AI Product Management 專項課程的完整大綱｜查看 DataCamp 的 SQL 資料分析路徑

工具那一層我就不重複了——我實測 14 款產品經理 AI 工具後，PRD 從 4 小時砍到 30 分鐘的那幾款裡有完整比較，用戶訪談怎麼讓 AI 幫你還原「在現場」的洞察則是研究那一塊的實作。

AI PM 作品集要放什麼？我看過會被記住的，都有這三個東西

AI PM 作品集最容易做錯的方向，是把它做成一份很漂亮的原型展示。我看過的履歷裡，真正讓我停下來多看兩分鐘的，從來不是畫面最精緻的那份，而是看得出「他做了選擇」的那份。

具體來說，會被記住的作品集都有這三個東西。

❶ 一個真實的、有摩擦的問題。不是「我做了一個 AI 記帳 App」，而是「我們客服每天有一半時間在回同三類問題，我試著讓 AI 接掉第一層」。有摩擦，代表你面對的是現實而不是題目。

❷ 一份決策紀錄，不是成果簡報。三頁就夠：我試了哪幾種做法、為什麼淘汰其中兩種、最後這個做法的已知缺點是什麼。寫出缺點的人反而加分——因為那證明你真的跑到底了，不是做完 demo 就收工。

❸ 一段「我攔下來」的紀錄。哪一個環節你堅持不交給 AI、理由是什麼。這條是最少人寫、但最能分辨高下的一條。

我自己會拿來當作品集講的，是用 AI Agent 從零架起一整套自用的專案管理系統跟 AI 客服那段經歷。真正值得講的不是「我做出來了」，而是中間放棄的那些：哪些自動化做了反而增加維護成本、哪一段我最後決定退回人工。把放棄的部分講清楚，比把做出來的部分講得漂亮更有說服力。

還有一個很常見的坑：原型做得很順、交到工程手上卻卡一個月。這件事幾乎每個做 AI 原型的人都會遇到，我把五個常見斷層拆在AI 原型很漂亮、工程師卻做一個月，我拆出來的 5 個斷層；如果你想找一個現成題目來練手，用 AI 走完一個產品從需求到原型的完整流程那篇的流程可以直接拿去當作品集的骨架。

📖 想把「用 AI，但不被 AI 稀釋」變成一套能力？

作品集真正在展示的，其實不是你會用哪些工具，而是你怎麼在模糊地帶做決定——哪一段放手、哪一段擋下來、憑什麼這樣分。

這套判斷我花了很長時間、帶團隊踩過不少坑才整理出來，後來完整寫成了電子書《AI 產品設計大師》，從需求判斷、三大 AI 的思維差異到協作流程都在裡面。如果這一段有戳到你，這本會給你更完整的地圖：在 Readmoo 看《AI 產品設計大師》。

AI 產品經理職缺都在哪裡？不是只有科技業在找

AI 產品經理的職缺已經溢出科技業了。我撈到的這批裡，除了預期中的軟體與電子業，還有銀行、電信、旅行社、出版社、不動產、教育服務，連資策會和 104 自己都在招。

這個現象跟大方向是對得上的。104 發布的《AI 人才趨勢報告》裡，這幾個數字值得記下來。

📊 AI 職缺成長，最猛的是「管產品的人」不是「寫模型的人」

專案／產品管理類 AI 職務：2022 年 951 人 → 2026 年 3,453 人，增幅 263.1%——所有職類第一，超過業務銷售的 247.8% 與行銷類的 165.4%。

同一份報告：近五年 AI 人才需求成長 97.6%，遠高於整體招募市場同期的 22.9%。

換句話說：AI 相關的成長，最大一塊不在寫模型的人，而在把模型接到業務上的人。這正是產品經理的位置。

地區上也不像想像中集中。我撈到的這批裡台北市 33 筆、新北市 21 筆是主力，但高雄、桃園、新竹、台中都有缺——高雄楠梓那家 AI SaaS 公司甚至同時開了三個 AI 相關的產品職。如果你不在雙北、又以為這條路不用想，這個假設可以拿掉了。

另一個我覺得被低估的入口是實習缺。這批裡有「AI 產品經理實習生」「AI Product Associate Intern」這類職缺。對還在學、或想轉軌但不敢裸辭的人，這是成本最低的試水溫方式——你至少能確認自己喜不喜歡這件事，再決定要不要投入兩三個月做作品集。

但這些缺有個共同問題：你用「AI 產品經理」去搜，有一大半根本不會出現。我撈的時候發現同一種工作至少有三組不同寫法，只搜一組就會漏掉。

❶ 職稱直接寫死的：AI 產品經理、AI Product Manager、AI 產品企劃。這組最好找，但也是競爭最激烈的一組。

❷ 把 AI 藏在括號或副標的：產品經理（AI/LLM）、產品經理（DATA/AI）、Product Manager - AI Solution。這組很多是傳統產業或大廠的內部轉型缺，競爭反而小。

❸ 用場景取代 AI 兩個字的：AI Agent 產品經理、AIoT 產品經理、Solution PM。這組最容易被漏掉，因為求職者不會想到要搜這些詞。

下一步你可以做的事：把求職網站的地區篩選整個打開，這三組關鍵字各搜一次，看看你所在的縣市到底有沒有。答案通常跟你以為的不一樣。

順帶一提，很多人會把「AI 會不會取代 PM」跟「該不該轉 AI PM」混成同一題。這兩題完全不同，我在AI 會取代我的工作嗎？我盤過的 5 大高風險職業與選擇建議把取代那一題單獨處理過。

想轉 AI 產品經理，我會怎麼安排這 90 天？

如果現在有人問我「我想轉 AI 產品經理，接下來三個月該幹嘛」，我會這樣排——重點是先產出、再補課、最後才投履歷，順序反過來會浪費很多時間。

❶ 第 1 到 2 週：先分堆。把求職網站上的 AI PM 職缺分成應用型和硬體型，只留跟你背景相關的那一半，挑 10 個你真的想去的存起來。這 10 個就是你接下來的目標畫像。

❷ 第 3 到 6 週：挑一個流程動手改。從你現在工作裡挑一段真實、重複、會出錯的流程，用 AI 重做一次。做不完整沒關係，但一定要跑到「發現它會在哪裡壞」那一步。

❸ 第 7 到 9 週：邊補課邊寫紀錄。這時候去上 AI 產品管理的課，吸收率會比一開始就上高很多，因為你已經有具體的問題要對照。同時把第二階段的過程寫成三頁決策紀錄。

❹ 第 10 到 12 週：改履歷、投那 10 個。履歷的重點不是列你用過哪些工具，是把那段改造講成一個有選擇、有取捨、有攔截點的故事。

面試那一關我就不在這裡展開了——「你平常怎麼用 AI」幾乎必考，而且答錯的方式比答對的方式多得多，我把面試官視角的評分邏輯完整寫在PM 面試「你怎麼用 AI」這題，我聽過 3 種答法只有 1 種會過那篇。

還有一件事想提醒：轉職期最容易發生的不是能力不夠，是忙到失去判斷力。我自己踩過這個坑——工具越用越多、事情越做越滿，最後反而想不清楚要往哪走。如果你也有這種感覺，AI 明明幫我做完事了，為什麼我反而更忙那篇寫的就是這件事。真的要先把時間留出來，才有辦法做選擇。

最後提醒一句：這 90 天的順序可以壓縮，但不要跳過第二階段。沒有那段真實踩過的流程，後面的課程和履歷都只是在包裝空氣。

FAQ 常見問題

AI 產品經理和一般產品經理，我該投哪一個比較好？

如果你手上還沒有任何 AI 相關的產出，我會建議先投一般 PM 的缺，同時把作品集做起來。原因很現實：這類職缺數量還是遠少於一般 PM，而且多數要求你已經能講出 AI 專案的實務判斷。先進去、再用內部專案把經驗補起來，通常比硬投快。反過來，如果你已經完整跑過一個 AI 流程改造，那就直接投，因為那正是他們最缺的證據。

AI 產品經理要會寫程式嗎？沒寫過會不會直接出局？

不會寫程式不至於出局，但完全不碰資料會。我看過的職缺裡，明確要求會寫程式的是少數，反而常見的是要你看得懂資料、能自己驗證假設。實務上的門檻大概是：能用 SQL 自己撈一次數、能看懂一張分布圖、能判斷樣本有沒有偏差。這個程度花幾週密集練是做得到的，比補機器學習理論划算得多。

台灣 AI 產品經理的薪水到底該怎麼估？

老實說估不準，因為公開資料太少——我撈到的 60 筆裡有七成三寫「面議」。比較務實的做法是把三個參考點放在一起看。

104 工作世界的一般產品管理師月薪帶（1 年以下 57,139、5–10 年 66,084）當底；加上你在職缺上實際看得到的區間，我這批看到的是 3.5 萬到 12 萬；最後把美國 Glassdoor 那組 447 萬到 680 萬新台幣的年薪當成「參考另一個市場」，而不是台灣目標。談的時候，第一通電話就把區間問出來最省事。

非本科、也沒在科技業，還有機會轉 AI 產品經理嗎？

有，而且比想像中多。我撈到的職缺裡，銀行、電信、旅行社、出版社、不動產都在招 AI 相關的產品職——這些公司要的往往不是最懂模型的人，是最懂他們業務、又敢把 AI 放進流程裡的人。

你的產業知識在這裡是資產不是包袱。切入方式我會建議從「你最熟的那條流程」下手，而不是去跟資工背景的人比技術深度——那條路你不會贏，也不需要贏。

寫在最後

整理完這批職缺，我最強烈的感覺是：AI 產品經理現在最缺的不是懂 AI 的人，是願意為 AI 的錯誤負責的人。

會用工具的人已經很多了。但敢在規格書裡寫下「這一段模型不可信，必須人工覆核」、並且扛住老闆問「有 AI 為什麼還要人」的人，還是很少。那句話才是這個職位真正的門票。

如果你只記得這篇的一句話，我希望是這句：先做出一段真實的、你自己攔截過的 AI 流程，剩下的證照、課程、履歷格式都只是包裝。

想看更多我對 AI、產品與跨兩岸生活的觀察，可以到關於夜羽凌逛逛，或訂閱我的部落格，會不定期收到信。

💡 追劇族延伸閱讀：整理職涯這種事很耗腦，總得有東西讓腦袋降溫。如果你也是靠陸劇回血的那種人，WeTV、愛奇藝、Disney+ 到底該訂哪一個才不會白花錢這篇可以幫你在下單前少走一段冤枉路。

參考資料

• 104 職場力｜104 學習發布《AI 人才趨勢報告》：企業招募十萬名 AI 人才（專案／產品管理類 AI 職務成長 263.1% 之出處）
• 104 職場力｜PM 工作內容做什麼？產品企劃／產品經理薪資待遇、履歷面試總整理（產品管理師各年資月薪之出處）
• 數位時代｜台積電搶爭 PM 新職缺！「AI 產品經理」是什麼？年薪多少？必備技能有哪些？
• Yourator｜【職業開箱】台積電及聯發科都在找的 AI PM 是什麼？AI 產品經理的職涯完整解析
• Coursera｜Duke University: AI Product Management Specialization 課程大綱