Собеседование на AI Product Manager

Готовься к собесу аналитика как в Duolingo
10 минут в день — SQL, Python, A/B, метрики. 1700+ вопросов в Telegram
Открыть Карьерник в Telegram

Что спрашивают на собесе AI Product Manager

AI Product Manager — отдельная роль, появившаяся после прорыва LLM в 2023-2024. Собес проверяет: понимание ML/AI на уровне продакта (типы моделей, метрики, ограничения), стратегию AI-продукта (когда AI, когда rule-based), LLM specifics (prompt engineering, RAG, fine-tuning, agents), классические PM-навыки (кейсы, метрики, приоритизация).

AI PM отличается от классического PM: должен понимать ML-trade-offs, риски (hallucinations, bias), cost структуру (per-token). От DS / ML Engineer: не пишет код, но проектирует продукт.

Этапы собеседования

1. Скрининг с рекрутером (30-45 минут). Опыт, AI-фокус, motivation.

2. AI / ML grounding (45-60 минут). «Объясни bias-variance», «какие метрики у recommendation», «LLM hallucinations — что делать».

3. Product кейс с AI-фичей (60-90 минут). «Спроектируй AI-помощник для X».

4. Metrics / experimentation (45 минут). Метрики ML vs business. A/B для AI.

5. Поведенческое (45 минут). STAR с фокусом на cross-team.

Главные темы по разделам

AI / ML базовый минимум для PM

  • ML для PM на собесе
  • Типы задач: classification, regression, ranking, recommendation, generation
  • Метрики: precision/recall, AUC, NDCG (для ranking), BLEU/ROUGE (для NLP)
  • Trade-offs: accuracy vs latency vs cost

LLM specifics

  • Prompt engineering
  • Few-shot vs zero-shot
  • RAG (retrieval-augmented generation)
  • Fine-tuning vs in-context
  • Agents и tool-use
  • Hallucinations: detection + mitigation
  • Cost per token, latency
  • Safety / guardrails

Стратегия AI-продукта

  • AI augments vs replaces
  • Human-in-the-loop
  • AI как differentiator vs commoditized feature
  • Build vs buy (OpenAI API vs in-house)

Метрики

A/B и experimentation

Что AI PM умеет делать

  • Решать, когда AI оправдан, а когда rule-based
  • Проектировать AI-UX (loading states, confidence indicators, fallback)
  • Прогнозировать cost AI-фичи на масштабе
  • Управлять hallucinations через UX и tech
  • Договариваться с DS / MLE о trade-offs

Как готовиться: план

За 4-6 недель:

  1. Неделя 1 — ML базовые концепты для PM. ML для PM.
  2. Неделя 2 — LLM глубже. Prompt eng, RAG, fine-tuning. Курсы DeepLearning.AI.
  3. Неделя 3 — Стратегия AI-продукта. Кейсы.
  4. Неделя 4 — Метрики + A/B для AI.
  5. Неделя 5 — Mocks + behavioral.
  6. Неделя 6 — Polish.

Частые ошибки

  • «Все AI решения через LLM». Иногда LightGBM + features beats LLM.
  • Hallucinations игнор. В продукте без mitigation = риск.
  • Без cost модели. LLM-фича может стоить $$$ на масштабе.
  • Без UX для confidence. User не понимает, насколько доверять AI.
  • Build vs buy без анализа. OpenAI API vs in-house — стратегическое решение.

FAQ

AI PM нужен опыт DS?

Нет. Нужен опыт работы с ML-командами и понимание trade-offs.

Сколько зарабатывает AI PM 2026?

Middle: 350-500k. Senior: 500-800k. AI-направление премиальное.

Какие компании нанимают AI PM в РФ?

Яндекс, Сбер (СберAI), VK (VK AI), Тинькофф, СберMarket, OZON, AI стартапы.

LLM или классическая ML на собесе?

В 2026 — LLM-фокус, но классика тоже спрашивается.

Где практиковать?

Развернуть свой mini-product на OpenAI / GigaChat API. Понять prompt eng, cost, latency на практике.

Тренироваться в Telegram