一句话总结
Deliveroo的AI PM不是在做AI，而是在用AI解决外卖履约链条里那些人类判断力不够用的环节——这不是技术炫技岗位，是业务效率岗位。面试的核心不是看你懂多少大模型，而是看你能不能在30分钟内把一个模糊的配送效率问题拆成一个PM能推动解决的AI问题。如果你还在用“AI赋能业务”这种话术准备面试，第一轮就会出局。
Deliveroo在2024年将AI团队从技术部门拆分出来，成立了独立的AI Product vertical，直接向CPO汇报。这意味着AI PM不再需要通过工程经理“翻译”需求，而是直接参与模型选型、prompt设计、评估指标定义。但这也意味着你必须承担更大的责任——你不再是提需求的人，你是定义问题边界的人。在deliveroo，AI PM的第一年最重要的事不是交付多少功能，而是建立对核心业务指标的影响力——配送准时率、骑手利用率、餐厅接单率，这三个数字会决定你在公司的话语权。
真正能拿到offer的人，往往不是简历上AI标签最重的那个人，而是能在面试里清晰区分“AI能做什么”和“AI应该做什么”的人。这两个问题的答案，在Deliveroo的业务语境下，往往不一样。AI能做的事情很多，AI应该做的事情，取决于配送场景下用户行为的可预测性、数据质量和模型推理成本之间的平衡。
适合谁看
这篇文章不是写给所有人的。如果你符合以下任意一个条件，继续读下去才有意义。
第一类，正在申请Deliveroo AI PM岗位的候选人。你可能已经有1-3年的产品经验，对AI有基本认知，但不确定Deliveroo具体在做什么、面试看重什么、该怎么准备。你需要知道的不只是“考什么”，而是“他们在找什么样的人”，以及“为什么他们淘汰了和你背景相似的候选人”。
第二类，在其他公司做AI产品，想横向跳到Deliveroo的PM。你需要理解的不是AI技术本身——那是你已经有的——而是Deliveroo的AI PM在做什么具体的事。他们不做什么，做什么，以及你现有的经验里哪些能迁移、哪些是噪音。
第三类，对Deliveroo AI岗位有好奇心但还没决定要不要申请的从业者。你想知道这份工作到底值不值得投入时间准备。这篇文章会告诉你这个岗位的真实情况：做什么、拿多少、怎么进、怎么被拒。
不符合以上条件的读者可以关闭页面了。这不是一篇“AI PM入门指南”，也不是“如何成为AI PM”的方法论文章。这是一篇告诉你“Deliveroo要什么样的人”以及“你大概率不是那个人”的判断性文章。
Deliveroo AI PM的工作日常是什么样的
在Deliveroo做AI PM，不是每天在思考怎么用GPT-5颠覆外卖行业。你面对的是一群每天在马路上跑、天气影响情绪、餐厅出餐时间不可控的骑手，和一群希望30分钟内吃到饭的用户。这两个群体之间的匹配问题，才是AI PM真正在解决的事。
举一个具体场景。伦敦某区域的周五晚高峰，配送需求是平时的3倍，但骑手数量不会增加3倍。传统的调度系统会按固定规则分配订单——谁离得近谁接单。但AI可以做的，是预测某个骑手在这个时间点、这个天气条件下、接这个餐厅的单，准时送达的概率是多少。如果预测概率低于某个阈值，系统可以提前调整预期，或者给用户发通知，或者把订单路由给其他骑手。这个预测模型，才是AI PM在推动的东西。
这不是一个技术问题，而是一个业务问题。你需要和数据分析团队确认“准时”的定义——是骑手出发时间，还是用户拿到手的时间？需要和运营团队确认“低于阈值”时的处理流程——是自动调整还是人工介入？需要和工程团队确认模型推理的延迟要求——调度系统能等多久？这些协调工作，占据了AI PM 60%以上的时间。
Deliveroo的AI PM有一个独特的挑战：模型上线后的评估周期很长。你不能像推荐系统那样每天看CTR，你可能需要等一周甚至一个月才能知道某个预测模型的实际效果。这意味着你需要建立一套中间指标体系——不是最终的用户满意度，而是模型输出的置信度分布、模型和规则的边界案例、人工复核的比例——这些指标会在最终效果出来之前给你信号。这种“用代理指标决策”的能力，是Deliveroo AI PM区别于其他公司AI PM的核心能力。
AI PM面试流程有几轮？每轮考什么
Deliveroo的AI PM面试一共四轮，持续时间大约三周。不是你想象中的“一天搞定”，也不是“拖拖拉拉一个月出结果”。
第一轮是Recruiter Screen，通常30分钟。这轮的目的不是筛选你的能力，是筛选你的动机和基本信息是否匹配。Recruiter会问你为什么对Deliveroo感兴趣、目前的薪资预期、在AI领域的经验深度。真正要淘汰人的点只有一个：你的期望值和公司能给的差距太大。Deliveroo的AI PM薪资在伦敦市场有竞争力，但不像某些纯AI startup那样溢价。如果你的预期是总包50万英镑以上，这轮就会结束。Recruiter会直接问你“what are your salary expectations”，不要回避，直接给一个范围。
第二轮是Hiring Manager Interview，通常60分钟。这轮开始进入实质评估。Hiring Manager会深挖你的经历，不是让你复述简历，而是看你怎么描述你做过的决定。一个典型的问题是：“告诉我一个你用AI解决业务问题的例子，当时为什么选择用AI而不是规则？你怎么评估AI方案的效果？”注意这个问题的陷阱：Hiring Manager不是在考你AI技术，是在考你的判断力——你什么时候用AI、什么时候不用AI，以及你怎么定义“成功”。
这里有一个具体的insider场景。在这一轮，Deliveroo的Hiring Manager经常追问一个细节：“你在这个项目里，你个人的贡献是什么？”这不是在质疑你，是在确认你是“推动者”还是“参与者”。Deliveroo的AI PM需要是推动者——你需要能独立定义问题、推动跨团队协作、承担决策责任。如果你在这个问题的回答里说不清楚自己具体做了什么，这轮大概率不会过。
第三轮是Technical Assessment + Case Study，通常90分钟。这是Deliveroo AI PM面试里最硬的一轮。你会拿到一个真实的业务场景——比如Deliveroo某个区域配送时效下降的问题——然后被要求在60分钟内提出一个AI解决方案。不是写代码，是写产品方案：用什么数据、选什么模型、怎么评估效果、上线后怎么监控。这轮考察的不是你会不会用LangChain，而是你会不会正确地“不用AI”。是的，你没看错。Deliveroo希望看到的，是你能在某些场景下判断“规则比AI更合适”并给出理由。如果你拿到任何问题都往大模型方向靠，这轮会扣分。
一个具体的淘汰场景：候选人提出了一个基于LLM的智能客服方案来解决骑手投诉问题。Hiring Manager追问：“这个方案的推理成本是多少？骑手投诉的平均处理时长是多少？如果用规则引擎解决80%的问题，是不是更划算？”如果候选人答不上来，说明他是在用“AI思维”做产品，而不是用“业务思维”做产品。这个区别，是这轮的核心分水岭。
第四轮是Panel Interview，通常60分钟。这一轮有3个面试官：两个来自产品团队，一个来自技术团队。你会经历三个部分：产品sense、行为面试、技术深度。每个部分20分钟，轮转进行。产品sense部分会考你一个现场出题——比如“如果我们要提升餐厅侧的订单接受率，你怎么设计一个AI驱动的解决方案？”行为面试部分用的是STAR框架，但面试官会追问决策背后的权衡——“你选择了A，放弃了B，B的代价是什么？”技术深度部分不是考你算法实现，而是考你能不能和工程师在同一层对话——你需要能理解模型选择的tradeoff、评估指标的定义、bad case的处理方式。
最终决策在HC（Hiring Committee）会议上做出。HC不是全员投票，而是Hiring Manager主导、其他面试官提供意见的结构化决策。HC会看三个维度：能力匹配度、成长潜力、文化契合度。任何一个维度明显短板，都会影响最终结果。
AI PM薪资待遇2026年最新数据
谈钱不丢人，丢人的是谈完钱发现自己的预期和现实差距太大，浪费了双方的时间。Deliveroo AI PM的薪资结构分三部分：base salary、RSU（Restricted Stock Units）、bonus。
Base salary在伦敦市场，Junior AI PM（0-2年经验）通常在£75,000到£95,000之间。中级AI PM（3-5年经验）通常在£95,000到£130,000之间。Senior AI PM（5年以上经验）通常在£130,000到£160,000之间。这些数字是2026年1月的市场数据，基于公开信息和行业内部参考。实际offer会基于你的经验深度、面试表现和现有薪资来定。
RSU是Deliveroo作为上市公司提供的股权激励部分。Junior级别通常授予价值£10,000到£20,000的RSU，分四年归属。中级通常是£20,000到£40,000，Senior可能是£40,000到£80,000。注意，Deliveroo的RSU是直接授予公司股票，不是期权，这意味着你不需要行权，直接获得股票价值。但RSU有四年锁定期，中途离开会有一部分的forfeit。具体比例需要在offer谈判时和HR确认。
Bonus是年度绩效奖金，通常是base salary的10%到20%，取决于公司整体业绩和个人表现。Deliveroo的bonus culture比较保守，不像某些金融公司那样有高额bonus预期。Bonus的评估标准是OKR完成情况和团队贡献度，不是单纯的业务指标。
综合算下来，Junior AI PM的总包大约在£90,000到£120,000，中级在£130,000到£180,000，Senior在£180,000到£250,000。这个数字在伦敦科技圈属于中等偏上水平，不算顶尖（比不过几家大厂伦敦分部），但Deliveroo的工作生活平衡和业务影响力是加分项。
有一个重要的谈判点：如果你的现有薪资低于市场水平，Deliveroo通常会基于你的能力定薪，而不是基于“压低你的现有薪资”。但如果你在面试中表现出的能力和经验明显高于当前级别，Hiring Manager有权在HC阶段申请higher band。关键是第三轮的Technical Assessment表现——那轮的表现会直接影响你的级别定薪。
面试中技术能力的边界在哪里
Deliveroo AI PM不需要会写代码，不需要懂分布式系统的实现细节，不需要知道transformer的attention mechanism是怎么工作的。但你需要懂三件事：模型能做什么、模型不能做什么、模型什么时候会出错。
这不是“懂AI”，这是“懂AI的边界”。这两个概念的区别，决定了你在面试里的表现。
具体来说，Deliveroo希望AI PM理解以下几个技术维度：
第一，数据质量对AI效果的影响。你不需要懂数据工程，但需要知道“garbage in, garbage out”的实际含义。Deliveroo的配送数据有很多噪音——骑手GPS漂移、餐厅出餐时间估算不准、用户地址填写错误——这些噪音会直接影响AI模型的训练和推理。你需要在面试里表现出对数据质量的敏感度，能识别出哪些数据问题会“杀死”一个AI项目。
第二，模型评估指标的选取。你不需要懂F1 score的计算公式，但需要知道为什么“准确率”不是万能的。Deliveroo的配送预测模型，如果只优化准确率，可能会在预测“准时”时表现良好，但在预测“迟到”时表现糟糕——因为样本不均衡。这不是技术问题，是业务理解问题。你需要知道不同的评估指标会导向不同的模型行为，而这个行为最终会影响用户体验。
第三，模型可解释性的重要性。Deliveroo的调度决策需要可解释——当系统决定把某个订单分配给某个骑手时，运营团队需要知道为什么。如果AI模型是个黑盒，运营团队会拒绝使用。你需要理解可解释性和模型效果之间的权衡，知道在什么场景下可以接受黑盒模型，在什么场景下必须用可解释模型。
一个常见的错误是候选人在技术轮试图展示“深度”。Hiring Manager问“你怎么评估一个AI模型的效果”，有人会回答“我们用了A/B test，对照组和实验组各10万用户”，然后开始讲统计显著性计算。这不是错，但Hiring Manager真正想问的不是这个。他想问的是：“你有没有经历过AI模型上线后效果不如预期的经历？你怎么诊断问题的？”如果你能讲一个具体的例子——比如模型在雨天效果下降、模型对某个区域的用户过度预测、模型对新品类餐厅的预测偏差——这比任何技术术语都有说服力。
另一个常见的技术边界问题是如何处理模型失败。Deliveroo的AI PM需要能设计fallback机制——当模型置信度低于某个阈值时，系统应该怎么做。你不需要写fallback的代码实现，但需要能描述fallback的逻辑：“当模型预测某个骑手的准时概率低于60%时，系统自动触发人工复核，运营团队可以在调度后台看到这个case并手动调整。”这种设计能力，是AI PM区别于普通PM的核心能力。
如何准备产品sense轮
产品sense是Deliveroo AI PM面试里通过率最低的一轮。不是因为题目难，是因为大多数候选人不知道“正确”的回答长什么样。
先说一个反直觉的观察：产品sense轮不是在考你有多少产品想法，是在考你有多少产品判断力。一个候选人能在5分钟内给出10个AI功能创意，不值钱。另一个候选人能在5分钟内判断“这10个创意里，哪3个值得做、为什么”，才值钱。
Deliveroo的产品sense题通常有两种类型。第一种是诊断类：“为什么Deliveroo的某个区域配送时效下降了？”第二种是设计类：“如果你来设计Deliveroo的智能调度系统，你会怎么做？”
先说诊断类。这类题的核心不是找到“正确答案”，是展示你的“思考框架”。一个差的回答是：“可能是因为骑手不够、天气不好、餐厅出餐慢。”这是罗列，不是分析。一个好的回答是：“我会先看数据，确认时效下降是系统性问题还是偶发性问题。如果是系统性的，我会从三个维度拆解：供给侧（骑手数量、骑手效率）、需求侧（订单量、订单分布）、匹配侧（调度算法、路线规划）。然后我会用数据去验证每个假设，确定优先级最高的根因。”注意这个回答的特点：不是给结论，是给框架；不是猜测，是基于数据的验证思路。
再说设计类。这类题的核心不是设计“完美的系统”，是展示你的“优先级判断”。一个差的回答是：“我会用大语言模型分析用户评价，提取关键信息，实时调整调度策略。”这不是一个设计，这是一个功能点。一个好的回答是：“设计智能调度系统的第一步不是选技术，是定义目标。我假设目标是提升准时率。那么我需要考虑三个问题：第一，模型输入是什么（骑手位置、历史行为、餐厅出餐时间、天气等）？第二，模型输出是什么（分配决策、ETA预测、风险预警）？第三，模型如何与现有系统集成（是替换还是增强）？在回答这三个问题之前，我不会贸然说‘用AI解决’。”这种回答展示的不是一个技术方案，是一个产品决策过程。
有一个具体的练习方法。找一道Deliveroo的产品sense题，给自己15分钟准备，然后录音回答。回听的时候问自己三个问题：我的回答有没有展示框架？我的回答有没有展示优先级判断？我的回答有没有展示“什么时候不用AI”的判断？如果三个问题都是“是”，你的回答质量应该在面试的平均水平之上。
行为面试的评分标准是什么
Deliveroo的行为面试用的是STAR框架，但评分标准和你想象的不一样。不是看你讲的“故事”多精彩，是看你展现的“决策质量”多高。
STAR框架的意思是Situation（情境）、Task（任务）、Action（行动）、Result（结果）。大多数候选人知道怎么讲一个STAR故事，但不知道面试官在听什么。
面试官在听的是三个东西：第一，你在困境中怎么决策；第二，你的决策反映了什么价值观；第三，你的行动有没有杠杆效应。
举一个具体的例子。面试官问：“告诉我一次你和工程师产生分歧的经历，你是怎么处理的？”一个差的回答是：“我和他讨论了很久，最终他同意了我的方案。”这不是一个故事，这是一个结论。一个好的回答是：“我们在一个功能优先级上产生了分歧——他认为应该先做性能优化，我认为应该先做用户调研。我当时的判断是：如果方向错了，性能优化没有意义。所以我提出了一个实验方案：用一周时间做用户调研，根据调研结果决定优先级。他同意了。一周后调研数据显示我的方向是对的，我们按照我的方案推进了。这个经历教会我的是：在技术团队面前，用数据说服比用职位说服更有效。”
注意这个回答的特点：它展示了决策过程（为什么选择做调研）、它展示了具体的行动（提出实验方案）、它展示了结果（调研数据验证了判断）、它展示了学习（用数据说服比用职位说服更有效）。这不是在背STAR，是在用STAR的结构讲一个有判断力的故事。
Deliveroo在行为面试里有一个高频考察的价值观：Ownership。不是“Ownership of your own work”，是“Ownership of outcomes”。他们想知道的是，当一个跨团队项目出了问题，你的第一反应是什么。如果你第一反应是“我已经做了我的部分，不是我的问题”，这轮大概率不会过。如果你第一反应是“问题出在哪里，我能做什么来补救”，这才是Deliveroo要找的人。
还有一个高频考察的维度：成长型思维。Deliveroo的AI PM会遇到很多失败——模型效果不达预期、项目被砍、跨团队协作出问题。他们想看到的是，你从失败里学到了什么，而不是失败本身有多惨。一个好的故事结构是：“当时我做了一个错误的判断，原因是X。结果是Y。后来我意识到，正确的判断应该是Z。这个教训帮我后来在类似场景下做了更好的决策。”
准备清单
以下是可以直接执行的具体准备项目，不是模糊的建议。
第一，深度研究Deliveroo的核心业务指标。你需要知道配送准时率、骑手利用率、餐厅接单率、用户复购率这些数字的大致范围和相互关系。去Deliveroo的年报、Tech Blog、公开融资材料里找这些信息。如果你在面试里对这些数字一无所知，面试官会认为你对这份工作没有诚意。
第二，准备三个“AI驱动业务结果”的具体案例。不是泛泛的“我用AI提升了效率”，是有数字、有过程、有你个人贡献的具体案例。每个案例需要能回答三个问题：为什么选择用AI而不是规则？AI方案的具体实现是什么？怎么评估效果的？Deliveroo的Hiring Manager必问的问题就是这三个。
第三，练习产品sense题，计时录音。找10道行业常见的产品sense题，每道给自己15分钟准备，录音回答，然后回听评估。评估标准不是“回答得好不好”，是“有没有展示框架、优先级判断、什么时候不用AI的判断”。
第四，理解Deliveroo的技术栈和AI应用场景。去他们的Engineering Blog看他们公开的技术文章。注意他们用的是什么模型（不是最新最热的，是适合业务场景的）、怎么评估模型效果、怎么处理模型失败。这些信息会帮你在技术轮展示“懂AI的边界”而不是“懂AI的深度”。
第五，准备行为面试的STAR故事库。Deliveroo会问的问题类型是相对固定的：决策类（你做过最重要的决定是什么）、冲突类（你和同事产生分歧的经历）、失败类（你失败过的项目及教训）、成长类（你学到的最重要的经验）。每个类型准备2-3个故事，确保故事能展示你的决策质量和价值观。
第六，准备好问面试官的问题。面试最后通常有Q&A环节，不要说“我没有问题了”。准备3-5个有质量的问题，比如“AI PM在Deliveroo面临的最大挑战是什么”、“团队目前的首要OKR是什么”、“入职后前三个月的成功标准是什么”。这些问题展示的是你对这份工作的思考深度。
第七，系统性拆解面试结构。PM面试手册里有完整的Deliveroo AI PM面试实战复盘可以参考，里面有具体的面试题库、评分标准和候选人常见错误分析——这是内部资料里少有的系统性总结，可以帮你校准准备方向。
常见错误
以下三个错误是在Deliveroo AI PM面试里最常见的，每一个都有具体的BAD版本和GOOD版本对比。
第一个错误：把AI当作万能解药。这是技术轮最常见的死亡方式。
BAD版本：候选人在拿到任何产品问题时，第一反应是“用AI解决”。问“怎么提升餐厅侧的订单接受率”，回答“我们可以用大语言模型分析用户评价，提取关键信息，预测用户流失风险”。这不是一个产品方案，这是一个功能点。面试官追问：“这个方案的推理成本是多少？餐厅侧能看到什么价值？”候选人答不上来。
GOOD版本：候选人先做问题拆解。“餐厅订单接受率下降可能有两个原因：供给侧（餐厅处理不过来）和需求侧（订单质量差）。我需要先看数据确认是哪个问题。如果是供给侧问题，用AI的意义不大，因为餐厅的瓶颈是物理的。如果是需求侧问题，我需要进一步分析是什么导致了订单质量差——可能是地址不准、距离太远、客单价太低。不同的根因对应不同的解决方案，不一定都需要AI。”这种回答展示的不是AI知识，是产品判断力。
第二个错误：在行为面试里讲“团队故事”而不是“个人贡献”。
BAD版本：候选人讲了一个跨团队项目的成功案例，但全程用“我们”而不是“我”。面试官问“你的具体贡献是什么”，回答“我参与了方案讨论，也参与了执行”。这种回答的问题不是“谦虚”，是“无法判断你的能力”。
GOOD版本：候选人讲同一个故事，但明确区分了“我做了什么”和“团队做了什么”。“我负责定义问题边界和评估指标，工程师负责模型实现，数据分析师负责数据清洗。我在这个项目里的核心贡献是提出了一个实验设计：在模型上线前，先用历史数据做离线评估，验证模型效果。这个设计帮我们节省了两周的线上试错成本。”这种回答展示了个人贡献，也展示了专业判断力。
第三个错误：在薪资谈判时没有准备。
BAD版本：面试官问“你的薪资预期是多少”，候选人回答“根据市场水平”。这不是一个答案，这是一个逃避。面试官会继续追问：“市场水平是多少？你现在的薪资是多少？你期望的涨幅是多少？”没有准备的候选人会越答越虚。
GOOD版本：候选人在面试前就做了薪资调研，知道自己在市场里的位置，给出了一个明确的范围：“我目前的base是£90,000 total compensation £110,000，我的期望是£130,000到£140,000 total compensation，基于我对Deliveroo AI PM岗位的理解和我的经验匹配度。”这种回答展示了专业性，也给自己留了谈判空间。注意，Deliveroo的bonus和RSU也需要算进total compensation，不要只谈base。
FAQ
Q1：Deliveroo AI PM面试最难的一轮是什么？怎么准备？
最难的一轮是第三轮Technical Assessment + Case Study，不是因为技术问题难，是因为大多数候选人不知道这轮在考什么。这轮不是在考你的AI知识深度，是在考你的“判断力”——判断什么时候用AI、什么时候不用AI，以及怎么设计一个在业务约束下可行的AI方案。一个具体的准备方法是：找一道真实的业务问题（比如“配送时效下降”），先不要想AI，先想“如果没有AI，我怎么解决这个问题？”如果规则引擎能解决80%的问题，AI解决的剩余20%值不值得投入？这个思考过程，才是这轮的核心。另一个准备方法是去Deliveroo的Tech Blog看他们公开的AI应用案例，理解他们实际在做什么、为什么这样做，而不是猜测他们应该做什么。
Q2：没有AI背景能不能申请Deliveroo AI PM？
能，但前提是你有足够强的产品判断力和学习能力。Deliveroo的AI PM岗位描述里通常会写“Experience with AI/ML products is a plus but not required”，这句话是认真的。真正重要的不是你懂多少AI技术，是你能不能在业务场景下判断AI的价值和风险。但要注意，“学习能力”需要在面试里展示出来——如果你声称对AI感兴趣但说不出任何AI产品的工作原理，面试官会质疑你的学习动机。一个好的策略是：在面试前，至少完整跟过一个AI产品从需求定义到上线的全流程，理解其中的挑战和权衡。这个经验不需要是“AI专家”级别的，只需要是“参与过”级别的。
Q3：Deliveroo AI PM的职业发展路径是什么样的？
Deliveroo的AI PM有两条主要的发展路径：一条是IC（Individual Contributor）路线，从Junior AI PM到Senior AI PM再到Staff AI PM，核心是更深的产品影响力和技术判断力。另一条是管理路线，从AI PM到Lead AI PM到Director of AI Product，核心是团队建设和战略制定。两条路线的薪酬天花板不同：IC路线在Staff级别之前，薪资可能低于管理路线；Staff级别之后，IC路线的薪资可以和Director对标甚至超过。实际选择取决于你的兴趣和长板——不是所有人都适合做管理，Deliveroo的IC路线是真实存在的上升通道，不是“安慰奖”。入职后第一年，你需要和Hiring Manager明确你的发展方向，他们会有针对性的发展计划。
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。