2024-06-26|閱讀時間 ‧ 約 28 分鐘

打造 AI 自傳 — 產品經理如何規劃 AI 產品|EP51

AI 履歷、AI 自傳、AI 找工作是近期很熱門的應用,但 AI 自傳要如何實現?身為產品經理要如何設計這個功能?如何套用到履歷編輯器內?這篇想分享我過往的產品發想經歷。

raw-image


誰適合看這篇文章?✔ 對產品經理、產品企劃、產品策略、產品規劃有興趣的朋友

一、AI 自傳的目標定義

⠀⠀

目前市面上的「文字生成」多半還是串接 GPT-4,因此這篇也會分享若要透過 UI 介面來使用 AI 自傳,流程會怎麼進行。

⠀⠀

在一開始一定會需要先定義最終的產品目標,例如求職者遇到

  • 缺乏靈感:不知道如何開始撰寫自傳
  • 表達不清:無法用清晰的字詞表達自我優勢

因此 AI 自傳的產品目標是「協助求職者更快的完成一份清楚的自傳」,因此期望透過一鍵生成,協助求職者將履歷內容輸出成自傳。

⠀⠀

但生成自傳後,也不一定一次到位,AI 最大的問題是擴寫,意思是有可能會寫出求職者履歷裡面沒有的經歷或內容,因此上線前需要大量校正。

校正後,也不是生成一次就能獲得求職者滿意,因此也需要能支援多次生成或是文字風格選項。

自傳生成後,也需要扣合求職者想應徵的公司和職缺內容,因此自傳也要包含到為什麼想應徵、為什麼背景符合等字詞。

⠀⠀

因此再整理一下 MVP 目標:

  1. 求職者要能夠一鍵生成,生成完畢後若不滿意可以重新生成
  2. 生成的自傳,要綜合求職者履歷的工作經歷、和他想應徵的職缺內容

⠀⠀

二、AI 自傳的 Token 費用邏輯

⠀⠀

(一)Token 的基本概念

企業若要串接 GPT-4 模型,都會被 Open AI 收費,但費用怎麼計算呢?根據 Open AI 的公開文件,Token 是模型處理和生成文本的基本單位,通常一個 Token 可以理解為一個單詞。

對於英文字,平均每個英文單詞約佔 1.3 到 1.5 個 Token,而每個中文字的話大約是 1.5 個 Token。

⠀⠀

(二)Token 的費用計算

生成自傳的過程包含輸入和輸出,兩個路徑都會消耗 Token 並被收費:

  1. 輸入 Token:當求職者在介面點擊「AI 自傳生成」按鈕時,會將履歷的工作經歷(假設 500 個中文字)傳送給 ChatGPT,每個單詞平均為 1.5 個Token 的話,500 字的工作經歷就等於 750 個 Token。
  2. 輸出 Token:ChatGPT 回傳 500 字的自傳,每個單詞平均為 1.5 個Token,500 字的自傳就等於 750 個 Token。
  3. 總使用量:因此求職者生成一份自傳,就會使用 750 + 750 = 1500 個Token。

目前 Open AI 的官方文件,1000 個 Token 的費用為 0.06 美元(約 1.8 台幣),因此一次生成自傳的費用約為 0.09 美元(約 2.7 台幣)。

⠀⠀

(三)Token 的成本控制

因此有了 Token 會被收費的概念,一開始也需要和工程師討論要如何限制使用者的使用次數,避免超出預算,成本策略我當時有討論幾個方向:

  • 控制每份履歷的字數:因為每個求職者的工作經歷字數都不同,有人履歷可能會寫到破千字,這時就要取該履歷最新工作經歷的前 500 字,超過的字都不會傳給 ChatGPT。
  • 控制產出的自傳字數:設定 ChatGPT 回傳的自傳不能超過 500 字,避免回傳一個破千字的自傳導致成本過高。
  • 控制使用者的使用次數:因為還不確定功能上線後的使用量,因此先設定每個會員一個月只能用 5 次。

⠀⠀

三、AI 自傳的功能規劃

有了產品目標和成本概念,接著就可以將產品落地了!

產品 V1

最一開始通常比較陽春,預期只需要求職者的學歷、現職工作、期望工作,就可以產出一份自傳。

但產生出的自傳會有擴寫問題,導致前期花滿多時間請工程師進行語義校正和內容校正,確保輸出的內容不會偏離原本資料太遠。

⠀⠀

產品 V2

接著開始發想在輸入端(履歷資料來源),是不是能讓求職者選擇他要餵哪些資訊給 ChatGPT,因此想到可以將學歷、應徵條件、工作經驗都變成選填。

但此流程也增加使用者操作的複雜性,也增加模型訓練的難度,因此後來此方案就捨棄了。


⠀⠀

產品 V3

在輸出自傳時,也思考到自傳不一定只有一種風格,可以產出多種風格讓求職者挑選。

例如以面試官立場、或用人主管立場來看自傳,但後來也考慮到不同立場的自傳對於一般求職者來說不會差異到非常大,評估效益後,決定能以一種風格即可,若求職者不滿意自傳則再次產生即可。

⠀⠀

產品 V4

最終進行 MVP 的收斂,為了確保使用者流程簡潔順暢,調整成求職者不需自行選擇履歷資料,而是由系統直接抓最新學歷和工作經歷。

匯出時也不會產生多種風格,只會有一種風格,但可讓求職者每個月可以生成 30 次,每次約 NT 2.7 元,因此每個人最大的使用成本是 NT 81 元 / 月。

但平均使用量若抓 1000 人 / 月,且次數約 5 次 / 人 / 月,則每個月的成本約為是「每次 2.7 元 x 每人每月 5 次 x 每月 1000 人 = 13,500 元」。

⠀⠀

產品 V5

有了之前的大量自傳資料後,可以請工程師整理成大量模板,針對不同履歷標籤進行分類,因此最後給使用者操作時,就可以有兩種選項:模板自傳、客製自傳。

模板自傳是根據 AI 生成的內容整理出的現成模板,根據使用者的履歷標籤直接組合而成,無費用。

客製自傳則是根據求職者當下的履歷內容,直接餵給 ChatGPT 進行現場生成,有費用。

⠀⠀

產品 V6

上述一步步的產品方向越來越清晰後,就可以做完最終的使用者流程圖,以下僅為示意圖(非最終產品畫面)。

⠀⠀

四、總結

做 AI 的產品功能是我碰過相對有趣,且滿有成就感的一件事,特別是和工程師討論各個 AI 應用面,才發現自己對於這塊真的很不足,包含 Token 成本、如何優化模型,就算功能做完上線,仍覺得自己只有懂了皮毛,希望未來還有機會再參與 AI 產品的開發。

如有興趣可以再觀看:

非常謝謝你的閱讀!上述單純以我的職場生活來整理,未能涵蓋所有案例。 

如果文章有一點啟發或幫助,可以留言或來信讓我知道 👏

.撰寫於:2024/06/27 ()
.撰文者:張家惟 Evan Chang,evancwchang@gmail.com
分享至
成為作者繼續創作的動力吧!
從 Google News 追蹤更多 vocus 的最新精選內容從 Google News 追蹤更多 vocus 的最新精選內容

作者的相關文章

張家惟 Evan Chang的沙龍 的其他內容

你可能也想看

發表回應

成為會員 後即可發表留言
© 2024 vocus All rights reserved.