مدیر محصول هوش مصنوعی
AI Product Manager
مدیران محصول AI در تقاطع کسبوکار، فناوری و تجربه کاربری قرار دارند. آنها محصولات مبتنی بر هوش مصنوعی را از ایده تا launch رهبری میکنند، روی trade-off های فنی-تجاری تصمیم میگیرند و تیمهای ML، engineering و design را همجهت میکنند. با انفجار محصولات AI در ۲۰۲۴–۲۰۲۶، این نقش به یکی از پردرآمدترین و استراتژیکترین مشاغل در صنعت تکنولوژی تبدیل شده — حتی Big Tech نیز برای جذب این نیرو رقابت شدید دارد.
مقدمه و تعریف شغل
AI Product Manager (AI PM) متخصصی است که محصولات مبتنی بر AI را از ایده تا launch هدایت میکند. تفاوت AI PM با PM عمومی در سه چیز است: اول، باید AI fundamentals را عمیقاً بفهمد تا با ML team به طور موثر همکاری کند. دوم، باید با عدم قطعیت inherent در AI products کار کند — مدلها probabilistic هستند، نه deterministic. سوم، باید AI economics را بفهمد: cost per token، latency vs quality trade-offs، model selection. در ۲۰۲۶، تقاضا برای AI PM در پیک تاریخی است — هر شرکت tech به دنبال این نیرو است و حتی Big Tech package های ۳۰۰k+ پیشنهاد میدهند.
نقش AI PM بهصورت مدرن در ۲۰۲۲ پس از launch ChatGPT متولد شد. قبل از آن، PM های ML existed بودند ولی کار آنها عمدتاً روی recommendation systems و ML پشت صحنه بود. ChatGPT نشان داد که AI میتواند یک product surface مستقیم باشد — و این به طور بنیادی نقش PM را تغییر داد. حالا یک AI PM نه فقط روی ML model decisions کار میکند، بلکه روی conversational UX، prompt design، LLM evaluation، hallucination management و pricing strategy. طبق گزارش Lenny Newsletter Survey 2025، ۸۲٪ از PM های موفق در ۲۰۲۵ گزارش کردهاند که AI integration بخشی از کار روزمره آنها است. در همین حال، AI PM ها ۲۵–۴۰٪ بیشتر از PM عمومی میگیرند، با package های Senior در Big Tech که اغلب از ۳۰۰k دلار عبور میکند. Marily Nika، یکی از معروفترین AI PM ها در صنعت، اعلام کرد که در ۲۰۲۵ rolls او در Google AI و meta برای AI PM دارای ۸–۱۰ برابر متقاضی بوده — مهمتر از مهارت فنی صرف، intuition محصول و توانایی tackling ambiguity است.
چه چیزی میسازید؟
مثالهای واقعی از خروجی کار یک مدیر محصول هوش مصنوعی
AI Features در محصول موجود
Notion میخواهد «AI Writing Assistant» اضافه کند. شما PRD مینویسید: target user، success metrics، prompt design، fallback behavior، pricing model، rollout plan. با ML team همکاری میکنید برای انتخاب مدل، evaluation criteria و monitoring strategy.
AI-Native Products
یک استارتاپ میخواهد یک «AI Sales Agent» بسازد که به جای human SDR کار کند. شما positioning، target segment، pricing model، agent capabilities، human-in-the-loop UX، و go-to-market strategy را تعریف میکنید.
RAG و Knowledge Products
یک شرکت enterprise میخواهد internal knowledge base با AI search داشته باشد. شما با ML team طراحی میکنید: data sources، chunking strategy، embedding model، retrieval method، citation UX، evaluation metrics.
AI Workflows و Automation
یک تیم HR میخواهد resume screening با AI automate کنید. شما workflow طراحی میکنید: input format، AI evaluation criteria، human review thresholds، bias monitoring، compliance reporting.
AI Evaluation و Quality Frameworks
محصول AI شما گاهی hallucinate میکند. شما یک evaluation framework طراحی میکنید: golden datasets، automated eval scripts، user feedback loops، A/B testing infrastructure، dashboards برای monitoring quality drift.
AI Pricing و Monetization Strategy
تیم میخواهد AI feature را monetize کند. شما pricing model را طراحی میکنید: pay-per-use؟ tiered subscription؟ token-based؟ شما cost model را با finance طراحی میکنید و pricing experiment ها را اجرا میکنید.
تخصصهای مختلف مدیر محصول هوش مصنوعی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
PM اپلیکیشنهای LLM
LLM Application PM
تخصص ساخت محصولات بر پایه LLM های foundation — chatbot، assistant، content generation. پر تقاضاترین تخصص ۲۰۲۶.
PM ایجنتهای AI
AI Agent PM
محصولات agentic — AI ها که خودکار task های پیچیده را انجام میدهند. ترند رو به رشد ۲۰۲۶.
PM زیرساخت AI
AI Infrastructure PM
محصولات infrastructure برای AI developers — مثل OpenAI، Anthropic، Vercel AI SDK. tech-heavy.
PM AI تخصصی صنعتی
Vertical AI PM
AI products specific به یک industry — Healthcare AI، Legal AI، Finance AI. domain expertise اساسی است.
PM امنیت و trust AI
AI Safety / Trust PM
محصولات و features برای safe و trustworthy AI — guardrails، moderation، evaluation tools. تخصص رو به رشد.
تفاوت با شغلهای مشابه
کجا این شغل تمام میشود و شغل دیگری شروع میشود؟
PM عمومی روی هر نوع محصول کار میکند. AI PM specialist است — فقط روی محصولات AI کار میکند و AI fundamentals را عمیقاً میفهمد. در ۲۰۲۶ این تفاوت بسیار مهم است: مهارتهای specific به AI (prompt evaluation، LLM economics، hallucination management) به طور substantial value PM AI را بالاتر میبرد.
ML Engineer مدل میسازد و deploy میکند. AI PM تصمیم میگیرد چه چیزی ساخته شود و چرا. ML Engineer روی technical excellence تمرکز دارد، AI PM روی business value و user experience. بسیاری از AI PM های موفق پسزمینه ML دارند، اما این necessary نیست — product sense مهمتر از مهارت ML است.
Data Scientist به سؤالهای مشخص پاسخ میدهد و models میسازد. AI PM strategy و product direction را تعریف میکند. در شرکتهایی با تیم data بالغ، DS اغلب با AI PM همکاری نزدیک دارد — DS تحلیل میکند، AI PM تصمیم میگیرد.
AI Strategist معمولاً outside-in کار میکند — به شرکتها مشاوره میدهد بدون ownership محصول. AI PM inside-out کار میکند — مالک یک product است و ownership کامل دارد. AI Strategist در consulting firms است، AI PM در tech companies.
تأثیر در صنایع مختلف
مدیر محصول هوش مصنوعی در همه صنایع مشغول به کار است — نه فقط شرکتهای فناوری
Tech و SaaS
ستون فقرات صنعت SaaS — هر AI feature در محصول SaaS نیاز به AI PM دارد
AI Native Products
OpenAI، Anthropic، Mistral و سایر AI labs — حضور این رول critical است
Healthcare
AI تشخیص، AI scribe (Abridge، Suki)، AI patient engagement — رشد سریع
Legal
AI contract review، AI legal research (Harvey، Hebbia) — billion-dollar startups
Education
AI tutoring (Khan Academy، Duolingo Max)، AI grading، personalized learning
Finance
AI fraud detection، AI customer support، AI trading assistants، AI risk modeling
Sales و Marketing
AI SDR (Clay، Pipedream)، AI content (Jasper)، AI CRM (Salesforce Einstein)
Creative
AI image (Midjourney، Adobe Firefly)، AI video (Runway)، AI music (Suno) — انفجار محصولات
تصورات غلط رایج
قبل از تصمیمگیری، این باورهای اشتباه را بشناسید
AI PM فقط نیاز به AI knowledge است
این یک trap رایج است. AI PM در درجه اول PM است — product sense، user empathy و execution باید قوی باشد. AI knowledge اضافه شده روی این پایه است. AI PM های جدید که بدون پایه PM وارد میشوند، اغلب موفق نیستند.
بدون پسزمینه فنی نمیتوان AI PM شد
پسزمینه فنی کمک میکند، اما essential نیست. Marily Nika، Aakash Gupta و بسیاری دیگر از AI PM های top بدون CS degree هستند. آنچه مهم است: technical curiosity و توانایی یادگیری سریع. میتوانید با ۳ ماه مطالعه و کار با LLM ها، literacy فنی کافی بسازید.
ChatGPT جای PM ها را میگیرد
ChatGPT و Claude productivity یک PM را بهبود میدهند (نوشتن سریعتر، analysis سریعتر) ولی جای PM را نمیگیرند. تصمیمهای strategic، intuition محصول، relationship با team و executives همچنان نیاز به انسان دارد. PM هایی که AI tools را adopt میکنند ۲–۳ برابر بهرهورتر میشوند.
هر شرکت در حال استخدام AI PM است
این مبالغه است. Big Tech و AI startups بسیار استخدام میکنند، اما mid-size companies اغلب «PM با AI knowledge» میخواهند نه dedicated AI PM. مهم: positioning خود را بهعنوان «PM که AI fluent است» انعطافپذیرتر است از «صرفاً AI PM».
AI PM یک trend موقت است
این مثل گفتن «Mobile PM در ۲۰۱۰ یک trend موقت بود» است. AI بهصورت بنیادی نحوه ساخت محصول را تغییر داده. AI PM نقش جدید است که در ۵+ سال آینده باقی میماند و evolve میکند، حتی اگر تحت عناوین جدید (مثل «AI-Native PM»).
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور / Associate (۰–۲ سال)
بیشتر روز را در shadow کردن Senior PM ها و کار روی feature های مشخص میگذرانید. focus بر یادگیری AI fundamentals و product process است.
- ◆صبح: stand-up + بررسی metric های feature ای که اخیراً launch شده
- ◆بلاک اول: نوشتن یک PRD کوتاه برای یک small feature improvement
- ◆بعد از ناهار: user interview با ۲–۳ کاربر برای feedback یک AI feature جدید
- ◆synthesis یافتههای interview ها در Notion
- ◆shadow کردن Senior PM در یک roadmap planning session
- ◆پایان روز: یادگیری یک AI concept جدید (مثلاً RAG، embeddings)
میانی / PM (۲–۵ سال)
ownership کامل یک product area دارید. ترکیبی از discovery، delivery، و communication. ارتباط مستقیم با ML engineers.
- ◆صبح: بررسی نتایج A/B test هفته گذشته و تصمیم درباره rollout
- ◆جلسه با ML team: alignment روی technical approach برای feature بعدی
- ◆بلاک کاری: نوشتن PRD برای یک AI feature جدید — شامل success metrics و evaluation strategy
- ◆بعد از ناهار: user research session — موضوع: «چگونه کاربران از AI assistant استفاده میکنند؟»
- ◆review session با designer روی wireframes
- ◆stakeholder update: presentation به engineering manager
ارشد / Senior PM (۵+ سال)
تمرکز روی strategy، cross-team coordination و executive communication. کمتر روی feature-level، بیشتر روی direction.
- ◆صبح: جلسه با CPO درباره AI strategy فصل بعدی
- ◆review روی PRD های ۳ PM دیگر در تیم — feedback و mentoring
- ◆deep work session: نوشتن یک strategy document برای AI roadmap ۲۰۲۷
- ◆بعد از ناهار: meeting با Sales VP درباره فرصتهای enterprise AI
- ◆review کامل metrics dashboard — کشف یک trend نگرانکننده در retention
- ◆interview یک Senior PM candidate + debrief با تیم استخدام
مسئولیتها و وظایف
مسئولیتهای اصلی
وظایف روزانه و مهارتهای مورد نیاز در این شغل
- ◈انجام تحقیق کاربری و تحلیل داده برای اعتبارسنجی ایدهها
- ◈همکاری با تیم ML برای ترجمه نیازهای کسبوکار به specifications فنی
- ◈ارائه به ذینفعان، executive ها و جذب بودجه
- ◈همکاری با Product Marketing برای positioning و launch
- ◈تعریف vision و roadmap محصولات مبتنی بر هوش مصنوعی
- ◈اولویتبندی backlog و مدیریت discovery و delivery
- ◈تعریف معیارهای موفقیت و KPI های مخصوص AI products
- ◈مدیریت چرخه عمر محصول از ایده تا launch و iteration
مهارتهای مورد نیاز
مهارتهای فنی، نرم و حوزهای که یک مدیر محصول هوش مصنوعی موفق به آنها نیاز دارد
مهارتهای فنی و تحلیلی
discovery، delivery، prioritization، roadmap — پایه هر PM
فهم نظری ML، LLM، embeddings، RAG، evaluation — بدون نیاز به نوشتن کد
تسلط بر Mixpanel/Amplitude — funnel، cohort، retention analysis
نوشتن کوئری برای data analysis مستقل بدون اتکا به DA
design تست، power analysis، interpretation، avoiding p-hacking
design و optimization prompt برای LLM-based features
تعریف evaluation criteria، golden dataset، LLM-as-judge
interview techniques، JTBD، usability testing، diary studies
modeling، forecasting، scenario analysis
ساخت wireframe ها برای communication با team
مهارتهای نرم
توانایی تشخیص feature خوب از بد — non-teachable مهارت که با تجربه میآید
alignment با engineering، design، sales، marketing، executive
نوشتن واضح PRD، presentation به executive، storytelling با data
PM ها team direct ندارند — توانایی convince کردن critical است
قابلیت challenge کردن assumptions و فرضیات — سؤال «چرا» مداوم
AI products بسیار uncertain هستند — توانایی کار در ابهام مهارت کلیدی
دانش حوزهای
آگاهی از trends، players (OpenAI، Anthropic، Google)، new releases
cost per token، latency vs quality، model selection، pricing models
bias، hallucination، privacy، regulatory landscape (EU AI Act)
فهم business model شرکت، unit economics، growth metrics
اگر در vertical AI کار میکنید (Health، Legal)، domain knowledge ضروری است
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر محصول هوش مصنوعی
این مسیر گام به گام شما را از صفر تا حرفهای هدایت میکند.
اصول مدیریت محصول
بدون فهم عمیق Product Management اصلی، AI PM فقط tech enthusiast است. این فاز پایهای است که همه چیز روی آن ساخته میشود.
اصول هوش مصنوعی برای PM
PM AI لازم نیست ML بنویسد، اما باید بداند چه ممکن است، چه گران است، و چه risk هایی دارد
تحقیق کاربری، داده و آزمایش
PM موفق هیچ تصمیمی بدون داده نمیگیرد. مهارت research و analytics غیرقابل مذاکره است
استراتژی محصول AI
تشخیص فرصت AI، طراحی experience، تصمیم build vs buy، و قیمتگذاری در دنیای AI متفاوت است
رهبری، Stakeholder Management و Launch
Senior AI PM حداقل ۵۰٪ زمانش را روی communication و alignment میگذارد، نه نوشتن spec
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دستهبندیشده بر اساس اولویت
Product Management
Analytics و Experimentation
AI و LLM Tools
User Research و Documentation
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارتهایی نیاز دارید و چه درآمدی انتظار داشته باشید
Associate / Junior PM
۰ تا ۲ سال
~$95K
میانگین سالانه (آمریکا)
کار روی feature های مشخص، نوشتن PRD های ساده، شرکت در sprint planning، یادگیری customer از داده
Product Manager
۲ تا ۵ سال
~$138K
میانگین سالانه (آمریکا)
ownership کامل یک product area، تعریف roadmap، اجرای discovery، A/B testing، launch features
Senior PM / Lead PM
۵ تا ۸ سال
~$200K
میانگین سالانه (آمریکا)
رهبری چند PM، تعریف vision یک product line، influence در executive level، mentoring
Director / VP of Product
۸+ سال
~$290K
میانگین سالانه (آمریکا)
تعریف product strategy کل شرکت، استخدام و سازماندهی PM team، report مستقیم به CEO
چالشها و جنبههای منفی
واقعیتهایی که کمتر در آگهیهای شغلی میبینید — قبل از ورود بدانید
Hallucination و Quality Management
عمومیمحصولات AI به طور inherent probabilistic هستند. مدل گاهی اطلاعات نادرست میدهد، context را misunderstood میکند یا خروجی predictable ندارد. مدیریت این uncertainty در یک محصول production و توضیح آن به stakeholders چالش بزرگی است.
Cost Management در Scale
عمومیهر API call به OpenAI یا Anthropic هزینه دارد. وقتی محصول scale میکند، هزینه میتواند فوقالعاده شود. AI PM باید pricing model، model selection، caching strategy و cost monitoring را طراحی کند — این مهارتی است که PM های سنتی ندارند.
AI Magic vs Reality Gap
عمومیuser expectations از AI اغلب فراتر از capability واقعی است (بهخاطر hype). شما باید features بسازید که expectation را manage کنند، edge cases را graceful handle کنند، و در عین حال «AI magic» را نگه دارند. این UX challenge جدی است.
سرعت تغییر فناوری
عمومیGPT-4 آمد، GPT-5 آمد، Claude 3.5 آمد، Claude 4 آمد. هر ۳ ماه یک model جدید با قابلیتهای جدید. روی چه چیزی باید build کنید؟ ابزاری که امروز best است، ۶ ماه دیگر منسوخ میشود. تصمیمهای strategic در این محیط بسیار سخت است.
Evaluation Framework Design
عمومیچطور میفهمید AI feature شما خوب کار میکند؟ classical metrics (CTR، retention) کافی نیستند. شما باید evaluation framework طراحی کنید — golden datasets، automated evals، human review، LLM-as-judge. این یک skill در حال ظهور است.
Trust و Privacy Concerns
شرکت بزرگکاربران میترسند که دادههای آنها برای training استفاده شود. enterprise customers compliance میخواهند. EU AI Act مقرراتی اضافه میکند. balance بین functionality و trust چالشی جدی است.
حقوق و بازار کار جهانی
حقوق جهانی مدیر محصول هوش مصنوعی
میانگین حقوق سالانه بر اساس تجربه در کشورهای مختلف
| کشور | میانه | ارز |
|---|---|---|
🇦🇪امارات | AED 290,000 | AED |
🇺🇸آمریکا | $200,000 | USD |
🇸🇬سنگاپور | SGD 180,000 | SGD |
🇦🇺استرالیا | A$170,000 | AUD |
🇨🇦کانادا | CA$155,000 | CAD |
🇬🇧انگلستان | £118,000 | GBP |
🇩🇪آلمان | €112,000 | EUR |
* ارقام سالانه و تقریبی هستند و بر اساس میانگین بازار در سال ۲۰۲۵ محاسبه شدهاند.
چگونه از صفر شروع کنیم
برنامه گامبهگام برای ورود به مهندسی هوش مصنوعی
ماه ۱: Product Management Fundamentals
خواندن «Inspired» (Marty Cagan) + شروع Lenny Newsletter. اگر PM نیستید، Reforge PM Foundations.
ماه ۲: AI Fundamentals
Elements of AI (free) + DeepLearning.AI Generative AI for Everyone. کار عملی با ChatGPT و Claude.
ماه ۳: Prompt Engineering و LLM Hands-on
ChatGPT Prompt Engineering for Developers + کار عملی با OpenAI Playground و Anthropic Console.
ماه ۴: AI Product Strategy
مطالعه case study های AI products موفق. ساخت یک portfolio piece — یک PRD کامل برای یک AI feature.
ماه ۵: Analytics و A/B Testing
SQL basics + Mixpanel/Amplitude + اصول A/B testing. ساخت یک dashboard analytics.
ماه ۶: پورتفولیو و جستجوی شغل
ساخت portfolio با ۲–۳ artifact: PRD، competitive analysis، AI product launch case study. apply هدفمند.
پروژههای پیشنهادی برای رزومه
PRD کامل برای یک AI Feature
مبتدییک محصول واقعی (مثل Notion، Linear، Figma) را انتخاب کنید و یک AI feature جدید برای آن طراحی کنید. PRD کامل بنویسید: problem، target user، success metrics، prototype، launch plan، risks. در GitHub یا Notion منتشر کنید.
Competitive Analysis Deep Dive
متوسطیک niche AI (مثل AI writing tools، AI video editing، AI code assistants) را انتخاب کنید و گزارش مفصل ۲۰ صفحهای از ۵–۷ شرکت اصلی بنویسید: features، pricing، GTM، strengths/weaknesses، market gap.
AI Product از صفر تا Launch
متوسطیک AI product کوچک واقعی launch کنید — میتواند یک Chrome extension، یک Streamlit app یا یک Notion template با OpenAI integration باشد. کل process را مستندسازی کنید: discovery، prototype، launch، metrics.
User Research کامل برای یک AI Workflow
پیشرفته۱۵–۲۰ کاربر را interview کنید درباره یک workflow خاص (مثلاً «چطور با AI tools برای writing کار میکنند»). synthesis insight ها، نقشه pain points و opportunity map ارائه دهید.
AI Product Strategy Document
پیشرفتهیک شرکت imaginary (مثلاً «Notion for Engineers») را انتخاب کنید و یک product strategy document کامل بنویسید: market analysis، target segment، roadmap ۱۸ ماهه، monetization، go-to-market، metrics. quality of executive document.
مثالهای واقعی و Case Studies
داستانهای واقعی از مهندسانی که در این حوزه تأثیرگذار بودهاند
PhD در Computer Science از Georgia Tech. Senior PM در Google AI و Meta AI. در ۲۰۲۳ شروع به mentoring و teaching AI PM کرد. در حال حاضر بنیانگذار AI PM Course (با هزاران دانشجو).
یکی از معروفترین AI PM ها در صنعت. role در Google AI با impact بزرگ روی محصولات flagship. AI PM Course او یکی از top resources در صنعت است. به طور مداوم در newsletters و conferences رول AI PM را تعریف میکند. mentor صدها AI PM در سراسر دنیا.
Nika نشان داد که PhD در AI میتواند به PM career تبدیل شود — بهجای صرفاً research. درس مهم: ترکیب technical depth با product sense میتواند یک niche بسیار valuable ایجاد کند. همچنین: teaching و content creation میتواند به اندازه job رسمی، influence ایجاد کند.
MBA از Wharton. PM در Google، Apollo و چند startup. در ۲۰۲۲ شروع به نوشتن «Product Growth Newsletter» کرد. حالا full-time creator + AI PM advisor.
newsletter «Product Growth» با ۲۵۰k+ subscribers — یکی از top PM newsletters. آموزش و mentoring هزاران PM درباره AI و growth. founded Product Growth Inc. مشاور startup های AI.
Gupta نشان داد که شما میتوانید PM career را با content creation ترکیب کنید. مسیر «PM + creator» در ۲۰۲۶ یکی از پرسود ترین مسیرها است. درس مهم: documenting your PM journey میتواند به یک صدای influence تبدیل شود — حتی بیشتر از job titles فرمال.
Ex-PM در Airbnb (۲۰۱۲–۲۰۱۸) که نقشهای growth و platform داشت. در ۲۰۱۹ شروع به نوشتن Lenny's Newsletter کرد و آن را به #1 PM newsletter تبدیل کرد.
Lenny's Newsletter با ۸۰۰k+ subscribers — bestest selling newsletter on Substack. Lenny's Podcast یکی از top business podcasts. AI Insights Episodes تأثیرگذارترین content درباره AI PM. AI PM courses با thousands of students.
Rachitsky نشان داد که شما میتوانید PM career را به یک media empire تبدیل کنید. درس مهم: شما لازم نیست همیشه روی محصول کار کنید — کمک به دیگران در PM میتواند impact بسیار بزرگتری داشته باشد. همچنین: high-quality content + consistency = audience massive.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Product Manager - ChatGPT Enterprise
تحلیل نیازمندیها
5+ years of product management experience, ideally in B2B SaaS or AI/ML products
OpenAI انعطاف نسبتاً خوب در سالهای تجربه دارد. کیفیت impact از سال شمسی مهمتر است. اگر ۴ سال تجربه با launch های بزرگ AI دارید، apply کنید.
ضروریDeep understanding of LLMs, AI capabilities, and the AI product landscape
OpenAI انتظار technical depth بالایی دارد. شما باید بتوانید درباره capabilities و limitations مدلها discuss کنید، prompt engineering را بفهمید، و AI economics را بدانید.
ضروریExperience launching enterprise products (SOC 2, SSO, Admin Controls, etc.)
ChatGPT Enterprise یک enterprise product است. تجربه با enterprise sales motion، compliance، security و admin features ضروری است. این از B2C PM های صرف distinguish میکند.
ضروریStrong analytical skills with proficiency in SQL and product analytics tools
OpenAI data-driven است. توانایی نوشتن SQL مستقل و کار با Mixpanel/Amplitude expected است. در مصاحبه باید بتوانید یک scenario را با data analyze کنید.
ضروریExcellent written and verbal communication skills
OpenAI culture writing-heavy است. خواهید نوشت PRD های detailed، presentation های executive، و customer communication. کیفیت نوشتن critical است.
ضروریExperience working with cross-functional teams including engineering, design, and research
OpenAI تیمهای متنوع دارد — engineering، AI research، design. توانایی همکاری با هر سه و همگام کردن آنها در یک direction، مهارت کلیدی.
ضروریPassion for OpenAI's mission to ensure AGI benefits all of humanity
OpenAI mission-driven است. اگر صرفاً «AI hype» شما را جذب میکند، interview پاس نخواهید کرد. mission alignment مهم است — interviewers این را میبینند.
مهمتحلیل مسئولیتها
Drive the product strategy and roadmap for ChatGPT Enterprise
scope بزرگ — ChatGPT Enterprise یکی از flagship products OpenAI است. شما با direct impact روی millions of business users کار خواهید کرد. مسئولیت بسیار سنگین.
Partner with engineering and research teams to ship cutting-edge AI features
OpenAI روی edge of AI کار میکند. شما با researchers مستقیم همکاری میکنید — توانایی فهم research papers و translation آن به product features critical است.
Engage with enterprise customers to understand their needs and pain points
ChatGPT Enterprise customers از Fortune 500 هستند. تجربه customer interview در سطح enterprise (CIO، CTO) مهم است. این متفاوت از consumer PM است.
Define and measure success metrics for new features and launches
OpenAI انتظار rigorous experimentation و measurement دارد. شما باید evaluation frameworks برای AI features طراحی کنید — challenge unique چون classical metrics کافی نیستند.
نتیجهگیری کلی
OpenAI Product Manager یکی از most prestigious roles در AI صنعت است — کار با cutting-edge AI، تیم world-class، فرهنگ technical excellent. اما رقابت extremely intense است (۲۰۰+ متقاضی per role). توصیه: قبل از apply، OpenAI Blog و research papers را مطالعه کنید، Sam Altman essays و talks را ببینید، روی portfolio piece درباره enterprise AI کار کنید. اگر این رول الان دور است، Anthropic، Cohere، یا AI startups مثل Glean یا Harvey alternative خوبی هستند با bar پایینتری.
آینده و روندها
پیشبینی ۵–۱۰ ساله و مهارتهایی که باید یاد بگیرید
بازار global AI products از ۲۴۱ میلیارد دلار در ۲۰۲۴ به ۸۲۷ میلیارد دلار تا ۲۰۳۰ میرسد — رشد ۲۲٪ سالانه (Statista AI Market Report)
منبع: Statista AI Market Report 2025 + Lenny Newsletter PM Salary Survey 2025
مهارتهای نوظهور که باید یاد بگیرید
پیشبینیهای آینده
AI Agent PM به یک تخصص مجزا تبدیل میشود. شرکتهایی مثل Anthropic، OpenAI، Adept برای این رول رقابت میکنند. salary به ۲۵۰k+ میرسد
Multimodal AI به standard تبدیل میشود. PM هایی که در یک modality عمیق هستند (مثل voice یا video) به niche valuable ای دست مییابند
AI PM Salary در Big Tech از $300k+ عبور میکند. demand بسیار بیش از supply است. new colleges مثل Reforge AI PM فراگیر میشوند
نقش PM در شرکتهای AI-Native کاملاً متفاوت میشود — کمتر spec writing، بیشتر strategy، experimentation و human-AI collaboration design
صنعت AI Product Management در ۲۰۲۶ دو ترند بزرگ را تجربه میکند. اولی: AI Agents — تحول از AI assistants (که به user جواب میدهند) به AI agents (که خودکار task های پیچیده انجام میدهند). PM های specializing در agents بسیار high-paid هستند. دومی: Multimodal AI — محصولات با ترکیب text، voice، image، video. این یک space جدید است که معمولاً PM expertise specific نیاز دارد. ریسک واقعی برای AI PM ها: کسانی که فقط chatbot ها میسازند و agents را adopt نمیکنند پشت میمانند. همچنین، AI productivity tools (مثل ChatGPT) کارهای routine PM (نوشتن PRD ساده، analyzing simple data) را تسریع میکنند — به این یعنی expectation برای PM ها بالاتر میرود. PM هایی که strategy و execution بالای AI productivity دارند، آینده درخشانی دارند. کسانی که فقط feature factory هستند، در trouble میافتند.
ویدیوهای آموزشی
یک روز در زندگی یک AI Product Manager
ویدیوهای واقعی از متخصصان این حوزه که روزانه چه کارهایی انجام میدهند
A Day in The Life of An AI Product Manager | How You Could Transition To AI Product Management
Dr. Nancy Li - Director of Product
What Does a Product Manager Do All Day? | Day in the Life of a PM
Exponent
What I *actually* do as a Product Manager (in 2023)
Chloe Shih
Day in the Life of an AI Product Manager (w/ Side Project Examples)
AI Product Management Career Accelerator
Day in the Life of a Product Manager | Stanford Online Product Management
Stanford Online
Product Manager Day In The Life | What is Product Management
Anthony Saltarelli