做 AI 产品这几年，我踩过不少坑，也慢慢摸清了这个岗位的门道。其实哪有什么 “标准路径”，无非是带着好奇心动手试，贴着用户找问题，在不确定里慢慢蹚出方向。
1 先搞懂：AI 产品经理不是 “一个” 岗位，可以分为三类
刚入行时，我总以为 AI 产品 就是 “做 AI 产品的人”，直到跟着不同项目跑，才发现这个岗位其实分三种，核心诉求天差地别。
第一种是AI 平台产品经理。
简单说，就是给 AI 工程师、数据科学家做工具。每天打交道的不是普通用户，是一群盯着模型数据的工程师。他们最头疼的问题是 “模型为什么突然不准了？”—— 可能是新数据分布变了，也可能是 API 调用出了问题，但他们得翻一堆日志才能找到原因。这类产品经理不用自己搭模型，但得懂工程师的痛点，知道他们需要什么样的功能来提高效率。
第二种是AI Native 产品经理。
第三种是AI + 产品经理。
也就是用 AI 赋能现有产品。我之前在一家电商大厂做的就是这个 —— 给商品推荐模块加 AI。
我们不用自己搭推荐模型，而是用现成的 API，优化推荐逻辑：比如根据用户的浏览时长、加购行为，调整推荐的优先级，同时过滤掉用户已经看过的商品。
那段时间，我每天盯着转化率数据，一点点调参数，最后把推荐模块的点击率提升了 15%。这类产品经理的核心不是 “做 AI”，而是 “用 AI 解决现有问题”，不用懂太深的技术，但得知道现有产品的痛点在哪，AI 能怎么帮上忙。
其实不管哪类，核心都一样：AI 只是工具，解决问题才是根本。我见过有人把产品做得花里胡哨，各种 AI 功能堆上去，结果用户根本用不上；也见过有人就用一个简单的 API，解决了用户的大痛点，产品反而很受欢迎。
2 想入行？先做个产品出来
经常有人问我 “零基础怎么转 AI 产品”，我的答案永远是 “先做个东西出来，哪怕是个原型”。
我当年就是走了弯路。一开始跟风学深度学习，看吴恩达的课，记各种公式，越学越懵，感觉离产品经理越来越远。
后来一个前辈跟我说：“你不用搞懂模型怎么训练，你先想一个小问题，用现有的工具把解决方案做出来。”
我才醒悟过来，开始琢磨身边的问题 —— 当时公司客服每天要回复大量重复的问题，比如 “退货流程怎么走”“优惠券怎么用”，我就想做一个 AI 工具，自动提取用户问题里的关键词，匹配对应的答案。
那时候我什么代码都不会，就用 Cursor 写简单的逻辑，用 v0 搭了个落地页，对接了 OpenAI 的 API，花了三天时间，做出了一个能跑的原型。
虽然功能很简单，甚至有时候会匹配错答案，但我拿着这个原型去面试时，面试官没问我 “什么是卷积神经网络”，反而问我 “你做这个工具时，怎么考虑用户的使用场景？”“如果匹配错了，你会怎么优化？”—— 这恰恰是产品经理该思考的问题。
现在入行比我那时候容易多了。不用学复杂的代码，用 Replit 能快速生成应用，用 Midjourney 能做界面草图，用 NotebookLM 能分析用户反馈。
我前阵子帮一个朋友做咨询，他用 Replit，花了两个小时就做了一个自动整理邮件的小工具。所以如果你想转行，别再纠结 “要不要学深度学习”，先找一个小问题，动手做个原型出来。
招聘时，面试官更愿意看到你 “做过什么”，而不是 “学过什么”。
当然，基础的知识还是要懂的。比如你得知道什么是 LLM，什么是Agent，模型的局限性在哪 —— 比如不能处理太专业的领域数据，可能会产生幻觉。可以看看 Andrej Karpathy 的 LLM 入门视频，读几篇行业文章，就能搞懂。
关键是把这些知识和你做的产品结合起来，比如你知道模型有幻觉，就会在产品里加一个 “来源标注” 的功能，让用户知道答案的依据是什么。
3 想成为优秀的 AI 产品经理？别跟风，要 “贴地飞行”
这两年 AI 行业里的热点一个接一个，从 ChatGPT 到 AI Agent，再到现在的多模态，很多人跟着热点跑，做出来的产品都大同小异。
但我发现，真正厉害的 AI 产品，从来不会跟风，而是 “贴地飞行”—— 贴着用户的需求，找到那些别人没注意到的小痛点。
去年大家都在做 AI Agent，我们团队也想做一个 “一站式营销Agent”，能帮用户写、剪视频、投素材。但我去聊了几个用户后发现，他们根本不需要这么复杂的功能，反而觉得 “太麻烦了，他们只需要根据全网的热点视频和跑量素材给出一些创意情报就可以了。
后来我们就放弃了 “一站式营销Agent” 的想法，聚焦在 “营销创意规划” 上：自动采集同品、竞品的跑量素材，结合产品自身知识库，给出选题建议、生成视频脚本，上线后用户留存率特别高，因为它解决了用户的实际痛点 —— 创意易枯竭、灵感难获取。
另外，好的 AI 产品还要学会 “一边走路一边嚼口香糖”—— 既要推进核心项目，还要留出时间做 “不直接产生 KPI 的事”。
比如我每周都会组织团队拆一个前沿产品，比如Lovart、Websim，分析它们的交互逻辑、功能设计。虽然这些拆解不直接影响我们的 KPI，但能让团队保持对行业的敏感。
上次我们拆 Lovart时，它画布式的交互方式给了我们很多启发，这个思路后来用到了我们产品的电商素材裂变工具上，效果很好。
还有，要接受 “试错”。
AI 产品的不确定性很高，你觉得好的功能，用户可能不买账；你觉得没问题的设计，可能会出各种 bug。
我之前做过一个 AI 客服机器人，上线后发现它对方言的识别率特别低，很多用户反馈 “听不懂”。
那时候我们没放弃，而是收集了大量方言数据，一点点优化模型，最后方言识别率提升了 60%。现在回头看，那些试错的经历，反而让我们更了解用户的需求。
4 做AI产品这几年：能量、游走，还有享受过程
这几年下来，我觉得做AI产品最重要的有三点：
第一是 “能量”。
AI 产品的迭代节奏很快，经常会遇到卡壳的时候，比如模型出问题、用户反馈不好，这时候团队的士气很重要。我记得有次项目上线前，模型突然出现延迟，用户加载时间从 1 秒变成了 5 秒，团队都很焦虑。
那时候我每天早上先和工程师一起梳理问题，开会时分享哪怕是 “解决了一个小 bug” 的进展，慢慢带动大家的情绪。后来我们发现是 API 调用的问题，优化后加载时间恢复了正常。
其实能量不是 “声音大”，而是让大家觉得 “你和他们一起在解决问题”，这种信任感比什么都重要。
第二是 “游走”。
AI 领域的变化太快，很多时候你不知道下一步该往哪走，这时候不能等着 “技术成熟了再做”，而是要主动去 “游走”—— 找用户聊，试新工具，做小范围测试。
比如去年我们不知道要不要投入多模态技术，我就约了几个做多模态的朋友聊天，同时做了一个小原型，在小部分用户里测试 “图片 + 文字” 的笔记功能。
结果用户反馈很好，我们才决定加大投入。这种 “游走” 不是瞎折腾，而是在不确定中找到信号。
第三是 “享受过程”。
做 AI 产品压力很大，有时候产品上线后数据不好，会怀疑自己是不是做错了；有时候调了很久的功能，用户还是不买账，会很沮丧。
但我记得我们老板跟我说：“你要享受解决问题的过程，而不是只盯着结果。” 后来我发现，每次解决一个问题，比如优化了模型的准确率、提升了用户的留存率，那种成就感比什么都重要。
现在我没事就会试新的 AI 工具，不是为了 “学技术”，而是觉得 “有意思”，这种好奇心反而让我更有动力。
5 最后：给想入行的朋友一句话
如果现在有人问我 “怎么成为 AI 产品经理”，我会跟他说：“先找一个你想解决的小问题，用手头的工具做个东西出来。不用怕粗糙，不用怕犯错，因为这个行业不缺懂理论的人，缺的是愿意动手、愿意贴近用户的人。”
我转行到 AI 产品，没有什么捷径，靠的就是好奇心和动手能力。这几年下来，我越来越觉得，AI 只是一个工具，真正重要的是你能不能用这个工具解决用户的问题，能不能和团队一起做出让用户喜欢的产品。
就像乔布斯说的：“你的时间有限，所以不要浪费时间活在别人的生活里。” 做 AI 产品也一样，不用跟风别人做什么，不用在意别人怎么看，找到你真正想解决的问题，享受这个过程，慢慢就会找到自己的节奏。
