AI Product Manager: ทักษะที่ต่างจาก PM ทั่วไป

AI PM ต้องจัดการผลิตภัณฑ์ที่ตอบไม่เหมือนเดิมทุกครั้ง บทความนี้สรุป 5 ทักษะที่ต่างจาก PM ทั่วไป พร้อมวิธีเริ่มฝึกจากงานปัจจุบัน

PM คนหนึ่งเขียน spec ฟีเจอร์ "AI ตอบคำถามลูกค้า" อย่างละเอียด มี user story ครบ มี acceptance criteria ชัด แต่พอขึ้นระบบจริง ลูกค้าถามคำถามเดียวกันสองครั้งกลับได้คำตอบต่างกัน ทีมไม่รู้ว่าจะเรียกสิ่งนี้ว่า bug หรือไม่ นี่คือจุดที่งาน PM ทั่วไปกับงาน AI Product Manager เริ่มแยกทางกัน

AI Product Manager คืออะไร

AI Product Manager คือ PM ที่ดูแลผลิตภัณฑ์หรือฟีเจอร์ซึ่ง ผลลัพธ์มาจากโมเดล เช่น LLM ระบบแนะนำสินค้า หรือ AI Agent งานหลักยังเหมือน PM ทุกคน คือเข้าใจผู้ใช้ เลือกปัญหาที่คุ้มแก้ และพาทีมส่งของ แต่สิ่งที่ต่างคือผลิตภัณฑ์แบบนี้ ไม่ deterministic คำตอบเปลี่ยนได้ ถูกบ้างผิดบ้าง และคุณภาพขึ้นกับข้อมูลมากพอ ๆ กับโค้ด

5 ทักษะที่ต่างจาก PM ทั่วไป

1. นิยาม "ดีพอ" เป็นตัวเลขได้

PM ทั่วไปเขียน acceptance criteria แบบผ่านหรือไม่ผ่าน AI PM ต้องกำหนดว่าคำตอบต้องถูกต้องในระดับไหน ในคำถามประเภทใด และยอมให้ผิดได้แค่ไหนก่อนปล่อย สิ่งนี้เรียกว่า evaluation criteria และควรเขียนร่วมกับทีม engineer ตั้งแต่วันแรก

2. ออกแบบรับมือกับความผิดพลาด

• เมื่อโมเดลไม่มั่นใจ ระบบควรทำอะไร ส่งต่อให้คน หรือบอกผู้ใช้ตรง ๆ
• ผู้ใช้แก้คำตอบหรือรายงานปัญหาได้ง่ายแค่ไหน
• เรื่องไหนห้ามให้ AI ตัดสินเองเด็ดขาด เช่น การอนุมัติเงิน

3. คิดเรื่องข้อมูลเป็นส่วนหนึ่งของผลิตภัณฑ์

AI PM ต้องถามว่าข้อมูลมาจากไหน สะอาดพอหรือไม่ ใครเป็นเจ้าของ และใช้ได้ตาม PDPA หรือไม่ หลายโปรเจกต์ AI ล่าช้าไม่ใช่เพราะโมเดล แต่เพราะข้อมูลไม่พร้อม การถามคำถามเหล่านี้ตั้งแต่ช่วง discovery ช่วยให้ทีมประเมิน timeline ได้ตรงขึ้นมาก

4. เข้าใจต้นทุนและ trade-off ของโมเดล

โมเดลใหญ่มักตอบดีกว่าแต่แพงและช้ากว่า AI PM ต้องเลือกจุดสมดุลระหว่างคุณภาพ ความเร็ว และต้นทุนต่อการใช้งาน แล้วอธิบายให้ผู้บริหารเข้าใจได้

5. ความรับผิดชอบและความเสี่ยง

อคติในคำตอบ ข้อมูลรั่ว หรือคำตอบที่ฟังดูมั่นใจแต่ผิด ล้วนเป็นความเสี่ยงต่อแบรนด์ AI PM ต้องทำงานใกล้ชิดกับฝ่ายกฎหมายและ compliance มากกว่า PM ทั่วไป

ทำไมทักษะเหล่านี้มีค่า

รายงาน PwC 2026 Global AI Jobs Barometer พบว่างานที่ถูก AI กระทบกำลังให้น้ำหนักกับทักษะของมนุษย์ เช่น วิจารณญาณ ความคิดสร้างสรรค์ และภาวะผู้นำ มากขึ้น และ PwC ประเทศไทยระบุในข่าวประชาสัมพันธ์ของรายงานว่า ความเชี่ยวชาญด้านเทคนิคอย่างเดียวไม่เพียงพออีกต่อไป งาน AI PM อยู่ตรงกลางพอดี คือต้องเข้าใจเทคนิคพอจะคุยกับ engineer และใช้วิจารณญาณตัดสินว่าอะไรควรสร้าง

ตัวอย่าง: ฟีเจอร์สรุปรีวิวสินค้าบนร้านออนไลน์

สมมติคุณเป็น PM ของแพลตฟอร์มขายของออนไลน์ในไทย และอยากให้ AI สรุปรีวิวหลายร้อยรายการเป็นข้อดีข้อเสียสั้น ๆ

• PM ทั่วไป จะเขียนว่า "แสดงสรุปรีวิวใต้ชื่อสินค้า"
• AI PM จะเพิ่มว่า สรุปต้องไม่แต่งข้อมูลที่ไม่มีในรีวิว ต้องรองรับรีวิวภาษาไทยปนอังกฤษและภาษาพูด ต้องมีชุดทดสอบจากสินค้าจริงหลายหมวด และต้องมีปุ่มให้ผู้ใช้แจ้งว่าสรุปผิด

ข้อควรระวัง

• อย่าเริ่มจาก "เราต้องมี AI" ให้เริ่มจากปัญหาที่ผู้ใช้เจอจริง
• Demo ที่ดูดีในห้องประชุม ไม่ได้แปลว่าจะทำงานได้กับข้อมูลจริง
• อย่าสัญญาความแม่นยำ 100% กับผู้บริหารหรือลูกค้า

PM ทั่วไปถามว่า "ฟีเจอร์นี้ทำงานไหม" AI PM ต้องถามว่า "ถ้ามันผิด จะเกิดอะไรขึ้น"

เริ่มฝึกยังไงจากงานที่ทำอยู่

1. เลือกงานซ้ำ ๆ หนึ่งอย่างในทีม แล้วลองเขียน use case ว่า AI จะช่วยตรงไหน
2. สร้างชุดตัวอย่าง input และคำตอบที่ถูกต้อง 20 ถึง 50 ชุด ใช้เป็น evaluation set แรก
3. ลองต้นแบบด้วยเครื่องมือ no-code หรือ LLM ทั่วไป แล้ววัดผลกับชุดทดสอบ
4. เขียน one-pager ที่มีทั้งเป้าหมาย ความเสี่ยง และแผนรับมือเมื่อ AI ตอบผิด
5. เรียนเพิ่มเรื่องการออกแบบ use case ได้จากคอร์ส พัฒนา AI Use Case ให้เหมาะกับธุรกิจอย่างเป็นระบบ

ถ้าคุณเป็น PM ที่อยากขยับเข้าสายนี้ ให้ปรับ resume ให้เห็นผลงานด้าน AI ชัดขึ้นด้วย Resume Lab แล้วซ้อมตอบคำถามแบบ product sense กับ Interview Lab ก่อนสัมภาษณ์จริง