Senior AI Product Manager, Cortex 資深 AI 產品經理

An AI-native product builder who turns uncertain ideas into testable products and commercial evidence.
運用 AI 親手將不確定的產品構想，轉化為可測試的產品體驗與商業證據。

【關於 Cortex】
消費者的購買決策入口，正從搜尋引擎移向 AI 問答。品牌發現自己不在 ChatGPT、Perplexity 的答案裡，卻不知道原因、也沒有可控的改善管道；媒體商則眼看讀者與廣告收入被 AI 攔截。

Cortex 是一套「品牌置入 AI 問答」系統：透過嵌入媒體網站的 AI Q&A Widget，當讀者在內容情境中向 AI 提問時，讓合適的品牌以有用、可信的方式出現在答案裡——媒體保留第一方互動並獲得分潤，品牌獲得進入 AI 答案的分發管道。

多數 GEO 工具停在「測量層」（診斷品牌在 AI 答案中的能見度）；Cortex 要做的是「分發層」：品牌該出現在哪些問答情境、如何可信地出現、出現後是否產生價值。

產品已在市場上與真實品牌、媒體商運行驗證中，架構與商業模式仍在快速演進——你不是接手既定系統，而是和團隊一起驗證：什麼樣的產品體驗與商業模式，能形成可重複、可規模化的市場。

【你的使命】
負責 Cortex 從問題探索、產品定義、原型驗證，到交付、採用與商業化的端到端產品管理。把模糊的市場訊號轉化為可驗證的假設、可操作的 prototype、清楚的優先順序，以及工程可以執行的 roadmap。

這是一個高度 hands-on 的角色：面對新的產品假設，你能運用 AI coding tools、LLM API、automation 與 no-code／low-code 工具，親手做出可操作的 prototype、交到真實使用者手中取得證據——不必等工程排程，也不需要做到 production-grade。你負責的是「想法到可測試體驗」的第一哩路。

【你會做什麼】

• 建立 Cortex 的產品論述：定義品牌端與媒體端的 ICP、痛點、差異化價值與商業模式，讓工程、業務、客戶在同一個故事裡對齊
• 推動 continuous discovery：訪談客戶、形成假設、設計最小驗證，找出品牌願意付費、媒體願意部署、讀者願意使用的交集
• AI-native prototyping：用 Cursor／Claude Code 等工具串接 LLM API 與資料，快速做出可操作的 prototype 並取得真實回饋
• 拆解模糊目標：把「提高 POC 轉換率」這類目標拆成可執行、可驗證的問題與 milestone，在資訊不完整時持續推進
• 負責優先順序：在品牌需求、業務機會、競品壓力、技術債之間排序，說清楚 trade-off，並在新證據出現時公開修正
• 定義 AI 產品規格：理解 RAG、agent、model routing 的取捨，定義成功條件、失敗模式、fallback 與 evaluation，與工程直接對話不隔層
• 建立衡量閉環：從讀者互動、媒體採用、品牌成效到營收訊號，讓「產品值不值得投入」可以被誠實回答

【我們在找的人】

• 5 年以上產品管理或相近經驗，曾獨立負責一條產品線，涵蓋 discovery 到成效驗證
• 至少一段 AI／LLM 產品的實際工作經驗，能讀技術架構文件、與工程直接討論取捨
• 能用 AI coding tools、LLM API 或 no-code 工具獨立做出可操作的 prototype，並曾將它用於客戶訪談、usability test 或 POC
• 曾把模糊目標拆成可驗證假設，根據證據推進、調整或停止
• 具備基本的產品數據分析與 self-service 取數據能力

加分條件：

• 能用 JS／TS／Python 開發除錯
• 實作過 RAG、tool-calling agent 或 evaluation pipeline
• 用過 Cursor、Claude Code、n8n 等工具
• 有 AdTech／MarTech／media／AI platform 或 B2B SaaS 經驗
• 曾參與 POC 到付費續約的商業化過程。

【你可能不適合，如果你...】

• 主要在需求方與工程之間傳話，依賴他人形成產品判斷
• 只能用簡報或 wireframe 表達產品，認為 prototype 都該由工程做
• 很會做 AI demo，卻說不清楚它驗證了哪個產品假設
• 沒有完整需求就停擺，把模糊當成別人的失職

【為什麼是現在】

• 一個正在成形的市場：GEO／AI answer visibility 是行銷產業正在發生的結構轉移，你會站在分發層——比測量層更接近價值交換的位置
• 極大的產品槓桿：小而資深的團隊，你的判斷直接決定產品方向，沒有層層審批
• AI-native 工作方式：我們用 AI 工具作為日常工作的一部分，你的驗證速度就是團隊的學習速度