夜雨聆风接触 AI 也两三年了。
在过去的工作中，我也在 AI 的帮助下完成了很多事情：写文档、做分析、拆需求、整理资料、生成方案，自己也写过一些 skill，甚至 vibe coding 了好几个应用。
但如果你让我比较系统地描述：AI 到底是什么？它能做什么？不能做什么？它为什么会改变产品经理这个岗位？我好像又说不上来。
更现实的是，我经常不知道 AI 还能帮我完成什么。有时候会怀疑，是不是自己缺乏想象力。
但越来越发现，想象力并不是凭空造出一个东西，而是在与世界碰撞的过程中，被新的知识、新的工具、新的体验激发出来的东西。新的认知和已有经验整合之后，才会产生新的灵感。
所以，当我对 AI 的认知有限时，我对 AI 的应用自然也是有限的。
最近，前司倒闭。作为一个有 4 年测试经验、6 年产品经理与运营经验的“中年”求职者，我想在市场上重新找一份产品经理工作，发现非常难。很多岗位，都已经变成了 AI 方向的产品经理。
这种状况，其实也基本符合预测。
在经济下行、市场人才需求稀薄的今天，有限的岗位，越来越倾向于开放给那些具备前沿认知和能力的人。对此，我并没有特别沮丧，反而觉得有点被推了一把。
正好借这个机会，好好系统学习一下 AI 产品认知，也顺便重新想想创业的可能性。
（很难想象，再过五年，自己已经 40 多岁了，还在外面奔波找工作，还每天担心被辞退、被离职。）
所以，从今天开始，我要系统性建立 AI 产品认知。无论是服务于下一份工作，还是服务于未来自己的产品，这都会是一个不错的开始。
但这件事的第一步，我不想先从模型、提示词、Agent、RAG 这些概念开始。
我想先提醒自己：做 AI 产品，先别急着谈 AI。
一、AI 很重要，但产品判断更重要
虽然我说要系统建立 AI 产品认知，但我越来越觉得，AI 产品经理首先要学会的，是产品判断。
因为 AI 很容易让人兴奋。
它能写文案、生成图片、分析资料、写代码、做客服、搭应用，甚至可以像一个助手一样参与到很多工作流程里。于是很多人一谈 AI 产品，就会很自然地开始想：这里能不能接一个大模型？这个功能能不能加一个 AI 助手？这个流程能不能自动生成？
但如果只停留在这里，AI 很容易变成一种“功能装饰”。
看起来很前沿，听起来很智能，实际却未必解决了真正的问题。
做产品，本质上不是把某种新技术塞进流程里，而是判断：用户到底有什么问题？这个问题是否足够重要？现有方案为什么解决得不好？新的方案能不能更高效、更低成本、更稳定，或者带来过去没有的体验？
AI 只是新的能力，不是天然的价值。
一个产品是否成立，最终仍然要回到几个问题：
- 用户是谁？
- 他在什么场景下遇到了什么问题？
- 这个问题为什么值得解决？
- AI 介入之后，价值提升在哪里？
- 是节省了时间，降低了门槛，提高了质量，扩大了产能，还是创造了新的可能性？
- 如果不用 AI，这个问题是否也能被更简单地解决？
这些问题，可能比“用哪个模型”“怎么写提示词”“要不要做 Agent”更靠前。
因为模型会更新，工具会变化，技术路线也会迭代。但产品经理真正要负责的，是价值判断。
二、AI 产品的不确定性，会放大产品判断的重要性
尤其是在 AI 时代，这种判断反而更重要。
过去做互联网产品，很多功能的输入、输出和规则相对确定。一个按钮点下去，会发生什么，基本是可预期的。产品经理更多是在设计流程、页面、规则和转化路径。
但 AI 产品不一样。
AI 的输出带有不确定性，用户对它的期待也更复杂。它可能答得很好，也可能答得很错；可能帮用户节省大量时间，也可能制造新的检查成本；可能让流程变简单，也可能让用户不知道该如何控制结果。
所以，AI 产品经理不能只问“AI 能不能做”，还要问“AI 做了以后，产品价值是否真的变大”。
比如，同样是“AI 生成周报”。
如果只是把用户输入的几句话扩写成一篇更长的周报，它可能只是一个写作小工具。
但如果它能自动理解项目进展、同步任务状态、识别风险、提炼关键成果，并根据不同汇报对象生成不同版本，那它才更接近一个有业务价值的产品能力。
再比如，同样是“AI 客服”。
如果只是把 FAQ 换成聊天机器人，用户问复杂一点就答非所问，那它甚至可能损害体验。
但如果它能理解用户问题、识别订单状态、调用业务系统、判断是否需要人工介入，并持续沉淀高频问题，那它才是在真正改善客服效率和用户体验。
AI 产品的价值，通常不在于“用了 AI”，而在于它让原来的任务被更好地完成了。
三、AI 产品经理要判断的是增量价值
所以，我想建立的 AI 产品认知，不是“看到什么都想 AI 化”，而是训练自己判断：
- 什么问题值得用 AI 解决？
- AI 在这个场景里到底创造了什么增量价值？
- 它是提升效率，改善体验，还是重构了原来的业务流程？
- 用户是否真的因为 AI 得到了更好的结果？
- 企业是否真的因为 AI 获得了更好的成本、收入、效率或壁垒？
这也是我觉得 AI 产品经理和普通 AI 工具使用者最大的区别。
普通使用者可以关注“AI 能帮我做什么”。
但 AI 产品经理必须进一步追问：“这个能力放到真实业务里，是否能形成可持续的产品价值？”
如果没有这个判断，AI 越强，反而越容易让人迷失。
因为我们会不断被新模型、新工具、新概念吸引，却忘了产品最基本的问题：到底为谁，解决什么问题，创造什么价值。
所以，在开始学习 AI 之前，我想先提醒自己：
AI 是能力，不是目的。
产品价值，才是判断一切 AI 应用是否成立的起点。
四、从产品价值开始，重新学习 AI
当然，这并不是说 AI 技术本身不重要。
恰恰相反，只有理解 AI 是什么、能做什么、不能做什么，才可能判断它适合放进哪些业务场景里，也才可能判断一个 AI 产品是真有价值，还是只是套了一层 AI 外壳。
但学习顺序很重要。
我不想把这件事学成“追热点”：今天学一个模型，明天试一个工具，后天研究一个新概念，看起来一直在更新，最后却没有形成稳定的判断力。
我更希望从产品经理的视角出发，把 AI 当成一种新的能力变量，放回真实的用户、场景、流程和商业价值里去理解。
接下来，我会继续拆几个基础问题：
AI 到底是什么？
AI、机器学习、大模型、生成式 AI 分别是什么关系？
为什么从 2022 年 ChatGPT 出现开始，这一轮 AI 会影响大量知识工作岗位？
AI 到底擅长什么，又不擅长什么？
以及，AI 产品经理需要建立哪些基础认知？
这篇先作为一个开始。
做 AI 产品，先别急着谈 AI。
先回到问题，回到用户，回到场景，回到产品价值。
