去年3月的一个下午，我坐在公司楼下的奶茶店，对着电脑屏幕发呆。

屏幕上开着我写了三天的PRD，功能是”智能推荐”。老板说要做AI功能，我就在需求文档里加了”使用AI算法进行个性化推荐”这几个字。

然后开发负责人问我，你这个AI推荐，是用我们自己的模型，还是接第三方API？如果是第三方，你调研过哪些服务商？他们的调用费用怎么算？响应时间能满足我们的场景吗？

我当时就懵了。

那感觉就像，你跟装修队说”我要一个很潮的客厅”，但你说不出想要什么风格、什么材质、什么颜色。

那一刻我意识到，不懂AI的产品经理，以后的日子会很难过。

说真的，我以前对AI的印象，就是ChatGPT出来那会儿，觉得”哇好厉害”，然后该干嘛干嘛。

我是2018年入行的产品经理，做的都是传统互联网产品。用户增长、活动运营、后台系统，这些我熟。但AI？我连Python都没学过，跟我谈什么机器学习、自然语言处理、神经网络？

不是不想学，是不知道从哪入手。

我估计很多传统PM现在的状态跟我当时一样——知道AI很重要，知道以后不懂AI可能会吃亏，但就是不知道第一步该迈哪里。

是去学编程？还是去学算法？还是去考个什么证书？

我当时把这些路径都想了一遍，然后发现一个很尴尬的事实——每一条路，我都走不通。

我先说为什么走不通。

学编程？

我试过。买了本Python入门，看了两章，什么变量、循环、函数，越看越困。然后我想，就算我Python学会了，我能跟算法工程师比吗？人家干了五六年，我花一年追上人家，然后呢？用我的半吊子技术去做产品？

这条路的逻辑就不对。

学算法？

更不现实。机器学习那套数学，线性代数、概率统计、梯度下降，我大学毕业后就没碰过。重新捡起来，没个两三年下不来。而且说实话，作为一个产品经理，我真的需要懂反向传播的数学推导吗？

我觉得不需要。

考证书？

我查了一下，什么AI训练师证书、人工智能认证，五花八门。但我问了几个业内朋友，他们说，这些证书，面试官根本不看。

那我图啥呢？

绕了一大圈，我最后找到的转型路径，跟上面这些都不一样。

不是学技术，是学”怎么跟AI协作”。

这句话听起来有点虚，我给你说几个具体的事儿，你就明白了。

第一个事儿：我做第一个AI功能的时候。

当时我们要给产品加一个”智能客服”功能。我一开始的想法特别传统——找个AI客服服务商，接个API，完事。

但我后来发现，接API只是第一步。真正难的是，你怎么让这个AI客服”懂你的业务”。

比如，用户问”你们的产品多少钱”，AI得能回答。但我们的定价规则很复杂，有按年付费、有按使用量付费、有企业定制报价。这些东西，你得”教”给AI。

怎么教？Prompt Engineering（提示词工程）。

我当时花了整整一周，写了十几版提示词，反复测试，才让AI的回答达到能用的程度。

这个过程中，我没写一行代码。但我学到了一样东西——AI不是魔法，你得”教”它，它才能帮你干活。

这个”教”的能力，就是AI产品经理的核心能力之一。

第二个事儿：我踩过的一个大坑。

有一次，我设计了一个”AI自动生成报告”的功能。逻辑很简单——用户上传数据，AI分析数据，生成一份分析报告。

我觉得这个想法很牛，就跟老板汇报，老板说做吧。

然后开发做了一半，跑来跟我说，你这个需求有问题。AI生成报告，每次结果都不一样。用户第一次看到的结果和第二次看到的结果不一样，他会觉得是bug。

我当时就傻了。

这个问题，我不是不知道，我只是没意识到这是个问题。因为我是用传统产品的思路在想——功能做出来，用户用就行了嘛。

但AI产品不是这样。AI的输出是不确定的，这是它的特性，也是它的难点。你做AI产品，必须考虑怎么让用户理解并接受这种”不确定性”。

后来我们加了一个功能——每次生成报告，都给用户看”AI的思考过程”，让用户知道这个结果不是乱生成的，是有逻辑的。

这个坑让我学到——做AI产品，你不能只用产品的逻辑，你得理解AI的逻辑。

说到这里，你可能会问，那到底怎么转型？

我把自己的经历总结了三条路，不一定对，但你参考一下。

第一条路：从”用”开始。

别一上来就想”我要做AI产品”。先把自己的工作用AI提效。

我当时的做法是，强制自己任何工作先用AI做一遍。

写PRD？先让Claude帮我写一版，我看哪里不好，改。 做竞品分析？先让Perplexity帮我搜一遍，我再补充。 画原型？先用V0或者Galileo AI生成一版，我再调整。

这个过程不是在偷懒，是在建立对AI能力的感知。

你只有真的用了，才知道AI现在能做什么、不能做什么、哪里会出错、哪里会给你惊喜。

这种感知，比你读100篇AI产品经理攻略都有用。

第二条路：做一个AI功能，从0到1。

光用还不够，你得真的做一个AI功能，完整地走一遍流程。

我当时的机会是，公司要做”AI智能推荐”。我从需求调研开始，到选技术方案（接第三方API vs 自研模型），到写提示词、做测试、上线、迭代，全程跟下来。

这个过程中，我学到了好多以前不知道的东西——

比如，AI功能的成本结构跟传统功能完全不一样。传统功能，开发完之后，多一个用户，成本增加很少。但AI功能，每个用户都在调用API，都在花钱。你得算明白，这个功能的成本能不能cover住。

比如，AI功能的迭代方式也不一样。传统功能，发现bug改代码就行。但AI功能，很多问题不是bug，是”效果不好”。这时候你要做的不是改代码，是改提示词、改输入数据、改模型参数。

这些东西，你不亲自做一遍，永远只知道概念，不知道坑在哪里。

第三条路：补基础，但要有取舍。

我前面说了，不需要学编程、不需要学算法。但有些基础，你得补。

补什么？

第一，大模型的基本原理。 不用懂数学推导，但你得知道大模型是什么、能做什么、有什么局限。比如，你得知道大模型的”幻觉”问题是什么，知道为什么AI会”一本正经地胡说八道”。

第二，常见的AI产品形态。 AI客服、AI推荐、AI写作、AI画图，这些常见场景，你得知道它们是怎么做的，用的什么技术路线。

第三，Prompt Engineering的基础。 怎么写提示词，AI才能听懂你的意思。这是现在AI产品经理的基本功，就像以前产品经理要会画原型一样。

这些东西，不需要考证。上网找资料，自己试，试错了就改，改着改着就懂了。

写到这里，我想说一个更深层的东西。

传统产品经理转型AI产品经理，最难的不是学知识，是换脑子。

传统产品的逻辑是——确定性的逻辑。用户点这个按钮，就出现这个结果。产品经理的工作，就是把这套逻辑想清楚，然后让开发去实现。

但AI产品的逻辑是——概率性的逻辑。用户问AI一个问题，AI根据概率给出答案。这个答案可能对，可能错，可能今天对明天错。

你做传统产品，是在写规则。你做AI产品，是在训练一个”黑盒”。

这个思维转换，是最难的。

我花了大概半年，才真正适应这种”不确定”的感觉。现在你让我做一个AI功能，我第一反应不是”这个功能怎么实现”，而是”如果用户得到了一个错误的结果，我们怎么办”。

最后说一下我现在的状态。

转型大概一年半了。现在我能跟算法工程师对话了，能看懂技术方案了，能判断一个AI功能做得好不好了。

但我觉得自己还是个”半成品”。AI这个领域，变化太快了。每个月都有新模型、新工具、新玩法。你以为自己懂了，然后突然就有一个新东西出来，把你之前的认知全部推翻。

所以转型不是”转完了就完事”，是”一直在转”。

但我觉得这样挺好的。

至少现在，开发负责人再问我”你这个AI推荐用哪种技术方案”的时候，我能说得出一二三了。

不会再像那天在奶茶店一样，对着屏幕发呆了。