北京
入职第一周，让他出一个智能客服方案。三天后，他交了一份48页的Axure原型——每个页面状态、每个按钮交互、每条异常提示，画得工工整整。我看了五分钟就放下了。
不是因为做得不好，恰恰相反，太"好"了。他把一个本质上是"让大模型理解用户意图并给出合理回复"的问题，硬生生拆成了200多条if-else的交互规则。能力没问题，是整个工作范式变了，他还在用旧地图找新路。
两年前出一个功能，产品经理的工作链条是：竞品调研三天，用户访谈两天，需求文档两天，原型设计三天，评审一天，加起来两周起步。现在把竞品截图、用户反馈、历史数据丢给AI，半小时就能拿到一份八九不离十的初稿。原型也不画了，直接让AI生成可交互的前端demo，评审时大家看到的是能点的东西，不是静态线框图。
当"出活"被压缩到原来十分之一的时间，剩下那九成时间如果不知道干什么，就真的危险了。很多PM的焦虑不是"AI会不会取代我"，而是那些引以为豪的手艺——画原型、写详尽的PRD、跟开发对字段——突然不值钱了。
定义"什么算对"
传统软件有Bug就修，逻辑对就上线。AI产品最折磨人的地方是没法用"对错"来衡量。有个合同审核的Agent，让它找出合同里的风险条款：漏找了一条算不算Bug？找出来但描述不太精确算不算？把一条没风险的标成有风险算不算？这些问题没有标准答案，但产品经理必须给出标准答案——拉着业务方和算法一条条定义、一条条标注、一条条建评测集。这活又脏又累，但这就是AI PM最硬核的日常。你不是在定义产品长什么样，你是在定义AI的及格线。
设计人和AI怎么配合
传统PM设计的是人和界面的交互，AI PM设计的是人和一个"不太靠谱的聪明助手"之间的协作方式。哪些环节让AI全自动跑，哪些必须人看一眼，AI犯错了怎么兜底，用户怎么知道"这个结果AI不太确定"。
去年做了个文档生成工具，第一版做成全自动——用户一点就出结果。上线后投诉率巨高。不是生成质量差，是用户心理上不信任一个黑盒。后来加了一步"AI生成草稿→高亮不确定的部分→用户确认或修改→定稿"，留存直接翻倍。这个改动跟技术一点关系都没有，纯粹是产品设计的功力。
算成本账
传统软件上线后边际成本趋近于零，但AI产品每多一个用户就多烧Token。现在立项第一件事不是画原型，是拿计算器：一次调用多少Token？日活多少？月成本多少？能不能简单问题用小模型、复杂的再调大模型？上个季度砍了一个Demo效果惊艳的功能，算完账发现年Token成本300多万，预期收入增量不到100万。会算这笔账，比会画原型值钱多了。
转型路上见过几种典型翻车。有人花三个月报班学Python和机器学习，学了个一知半解的TensorFlow，面试被问到"你们RAG召回率怎么优化的"还是哑火——你是产品经理，不是要转算法工程师，需要的是"技术流利度"，靠做项目练出来，不是靠刷网课。有人简历上写"熟练使用ChatGPT"，2026年了，这就好比2015年写"会用微信"。面试官想看的是你用AI解决了什么业务问题、选了什么方案、效果怎么量化、踩了什么坑。
还有一种最可惜：觉得"懂AI"就够了，把过去的行业经验当包袱丢掉。在电商干了五年，对用户决策链路、退货率、客服话术烂熟于心——这些才是最大的资产。现在最缺的不是"懂AI的通才"，是懂行业的AI专家。一个做过三年金融风控的PM去做合规审核Agent，碾压任何只懂技术的新人。
不用一步到位。拿手头正在做的项目想一遍：如果加一个AI能力，哪个环节会发生质变？不要想"加个聊天机器人"这种表面的，想想流程本身能不能被重构。然后去搭一个Agent，整理会议纪要的、做竞品监控的、分析用户反馈的都行。搭的过程会自然理解什么叫Prompt工程、什么叫RAG、什么叫工具调用。再找一个在做AI项目的团队聊聊，不是听他们吹Demo多炫，而是问上线后踩了什么坑、评测怎么做的、成本怎么控的。
AI产品经理不是一个新物种。过去攒的用户洞察、商业判断、跨团队协调能力，一样都没过时。真正过时的，只是用确定性的方式去管理一个充满不确定性的系统。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
