Chuyển đến nội dung chính

AI BA的作品集建置:如何以AI專案經驗打造亮眼的作品集

Duy Tran12 分鐘
AI BA的作品集建置:如何以AI專案經驗打造亮眼的作品集

薄弱的AI BA作品集:「我使用過ChatGPT和Jira。」強大的AI BA作品集:「透過3輪評估後重新設計升級門檻,我將人工審查率從45%降至18%——資料和文件在此。」

差異在於具體性和業務影響。


1. AI BA作品集需要什麼?

1.1 分層文件(層級系統)

第一層——必要(入門級):

  • 完整的AI功能案例研究1件(3到5頁)
  • 包含AI功能驗收條件的使用者故事範例
  • 範例提示設計文件
  • 範例評估標準/測試集說明

第二層——強大的作品集(中級):

  • HITL設計文件(流程圖+門檻根據)
  • 記錄了5個以上AI風險的風險登記冊
  • 前後對比:傳統流程 vs 整合AI的流程
  • 附有指標說明的儀表板截圖

第三層——資深級:

  • AI事件的事後分析(已處理敏感資訊)
  • 對資料治理政策的貢獻
  • AI路線圖文件(BA貢獻部分)
  • 可衡量的成果:附方法論的X%改進

2. AI專案案例研究模板

# 案例研究:[功能/專案名稱]

## 背景
**組織:** [行業——NDA情況下不需要公司名稱]
**時間線:** [MM/YYYY — MM/YYYY]
**團隊規模:** [N名],BA角色:[簡短描述]

## 問題
[1到2句說明需要解決的業務問題]
[為什麼AI在這裡是合適的解決方案?]

## BA面臨的挑戰
1. [挑戰1] → [如何解決]
2. [挑戰2] → [如何解決]
3. [挑戰3] → [如何解決]

## BA的方法
**需求:** [如何提取——工作坊、使用者訪談、資料分析?]
**設計決策:** [門檻、備用方案、HITL——誰如何決定?]
**建立的文件:** [清單:BRD、流程圖、測試案例、...]
**利害關係人管理:** [誰是支持者、誰是阻礙者、如何處理?]

## 成果(可衡量)
| 指標 | 之前 | 之後 | 方法 |
|--------|--------|-------|--------|
| [業務指標] | [X] | [Y] | [如何衡量] |
| 測試集上的AI精確度 | N/A | [Z]% | [測試方法論] |
| 人工審查率 | 100% | [N]% | [持續期間] |

## 教訓
- [教訓1]
- [教訓2]

## 文件連結(如可共享)
- [BRD/流程圖的處理版本]

3. AI BA的LinkedIn說故事

個人檔案標題(不只是職稱)

❌「[公司]的業務分析師」
✅「AI Business Analyst | 專注於LLM功能需求和HITL設計」
✅「資深BA | AI產品需求 | 前[行業]」

關於部分——故事結構

[鉤子——你解決的問題]
「當AI功能沒有明確需求就上線時,
 團隊最終為正確的問題建立了錯誤的東西……」

[你的價值主張]
「我幫助產品團隊將模糊的AI想法
 轉化為可建立和可測試的需求。」

[證據]
「發布了3個AI功能:[領域名稱],在[持續時間]內
 從基準到生產品質的精確度。」

[行動呼籲]
「歡迎聯繫:AI PM、資深BA、產品策略職位。」

發文策略

  • 每週: 分享來自專案的去識別化洞察——200到300字
  • 每兩週: 從BA角度評論AI產品新聞
  • 每月: 長篇案例研究或教訓
  • 避免: 工具清單貼文(沒有背景的「我使用了ChatGPT」)

4. CV:AI BA章節結構

工作經驗
─────────────────────────────────────
業務分析師 — [公司],[行業]
[開始] — [結束]

AI功能工作:
• 主導[AI功能]的需求,服務[N]名用戶;
  將手動審查率從45%降至18%
• 設計HITL升級框架,採用3層門檻系統;
  在第5個衝刺獲得利害關係人批准(比一般第8個衝刺更快)
• 建立包含500個已標記案例的評估測試集;
  模型在2輪迭代後通過上線標準(平均需要4輪)

工具:Jira、Confluence、Figma、Looker Studio、Postman(API驗證)
AI/ML背景:LLM API整合(OpenAI)、RAG管道、
           分類模型評估

5. 今日開始建立作品集的實作活動

如果你還沒有AI專案的實際經驗:

活動時間作品集價值
重新設計現有功能(假想加入AI)週末1天案例研究草稿
以BA/PM角色參加AI黑客松1到2天實際經驗
為開源AI工具貢獻需求持續進行GitHub連結
撰寫你每天使用的AI產品解析2到3小時LinkedIn貼文 → 案例研究

結論

AI BA的作品集不是關於你會用哪些工具——而是關於解決問題的故事和可衡量的成果。每個案例研究都是一個證明的機會:你理解AI到足以要求正確的東西,你理解業務到足以衡量正確的東西。

從一個小型專案開始,徹底記錄,然後分享。一致性勝過完美。