第 8 问|做完一个AI项目,我才知道AI产品经理该学什么我叫张小米，做产品经理六年，用户调研、需求拆解、跨部门撕需求——都会。
但去年年初，老板把一个AI项目扔给我的时候，我出了会议室，在走廊站了三分钟。这是我从零开始做第一个AI项目的真实记录。知识点都在故事里，看完你会知道，转AI产品经理到底该学什么。老板从AI论坛回来，眼睛里有光——那种"我要干大事"的光。他打开PPT，说要做AI客服。但不只是客服——还要自动分析用户行为、生成运营报告、个性化推荐、帮销售写话术、识别高价值客户、预测用户流失……我一条一条记，记到第七条，抬头问他："这七件事，你觉得多久能做完？"我把本子推过去让他看。他看完，理直气壮："AI不就应该这么用吗？"我没反驳，只说："给我一周调研，搞清楚用户真正需要什么，再定方向。"📌 翻译一下：这一步看起来和AI没关系，其实是地基。老板说想要什么，不等于用户真的卡在哪里。你连用户每天在问什么都不知道，AI做出来也只能在黑暗里开枪。我坐到客服旁边听了三天电话，又把一个月的历史咨询记录导出来，挨条分类。3200条里，2683条落在五件事：查订单、问退货、问活动规则、投诉发错货、问优惠券。剩下的：有问"你们老板是谁"的，有问"我买完能变美吗"的，还有一个连发十一条消息在骂人的。我做成一页PPT走进老板办公室："用户每天真实在问的是这五件事，AI做好这个，解决83%的工作量。"老板盯着那个83%沉默了一会儿，说："行，先做客服。"📌 这里长出来的能力，叫场景分析。说人话，就是先把用户的问题分堆，找出最高频、最值得解决的那几类。小白一开始很容易跳过这一步，觉得直接上AI就行。但范围定错了，后面跑得越快，偏得越远。第一条：直接用AI回答。 用户问什么，AI答什么，接上就能跑，最省事。第二条：给AI装一个"资料库"（专业叫法：RAG）。 把公司所有的退货政策、活动规则、产品信息存进去，AI每次回答前先查一遍，查到了再开口。第三条：让AI不只会说话，还会"动手"（专业叫法：Agent）。 AI可以直接操作系统——查订单、判断退货资格、发起退款流程，一套走完，不需要人介入。我心里清楚，技术选哪条路，最终是老王拍板，不是我。但我能做的，是把业务侧的约束条件说清楚，让他做出更合适的判断。他解释：AI就像一个博学但不靠谱的员工——你问它退货政策，它会给你一个听起来很专业的答案，但那个答案可能是根据"常识"编出来的，跟你公司的实际规定毫无关系。关键是，它说错的时候，一本正经，毫无愧疚。我立刻想到了用户调研里那2683条咨询——退货政策、活动规则——全是需要精确答案的问题，答错一次就是一条投诉。"最强，但也最危险，"老王说，"AI能动手，就意味着它动错了也是真实损失。判断失误的话，它可能真的帮一个不符合条件的用户把款退了。"我说："我们现在最怕的是答错，其次是容错率——出了错能不能兜住。第二条最稳，AI只负责回答，不碰实际操作，出了问题还有人工接得住。等跑稳了，再考虑让AI多长几只手。"📌 技术选型不是让产品经理替技术拍板。产品要做的是把业务里的限制讲清楚：这件事能不能出错、出错代价有多大、用户到底是想查信息还是想办业务。你不一定要会写代码，但你要能把业务翻译成技术能判断的问题。知识库搭好了，轮到我写"提示词"——就是告诉AI它是谁、该怎么说话的那段话。AI回复：您好！我是您的专属智能客服小美，非常高兴为您服务！关于您的快递查询需求，这涉及到物流系统与用户体验之间的深度整合，我认为首先需要理解快递行业的整体运作逻辑……接下来三天是我职业生涯最崩溃的三天。加了字数限制，它开始在奇怪的地方断句。用户骂它，它回"感谢您的宝贵意见"。用户问"你们老板叫什么"，它开始分析企业治理结构。改了测，测了改，改到第五版，老王凑过来说："这已经比我们之前项目里的强了。"提示词不是一句开场白，是用自然语言给AI立规矩。 它要有身份、边界、语气、碰到异常情况的处理规则，还有最重要的兜底动作。最终版将近900字，最后一条加粗："当你不确定时，告诉用户'这个问题我帮您转接人工'，不要猜，不要编。"📌 提示词工程，说人话就是给AI写岗位说明书。会用AI和会管住AI，是两件完全不同的事。写清楚了，它是客服；写不清楚，它就是一个很有礼貌的随机输出机器。第三天，老板打来电话，声音很平。声音越平，事情往往越不平。"有个用户投诉，说AI告诉他退货期限是7天，他按7天操作，退货被拒了。"我知道了——上个月公司把退货政策改成了15天，但新文件没同步进知识库。AI查到旧版本，一本正经告诉用户：7天。我建了一张表，内部叫"出错记录表"，专业叫法是Bad Case管理。表里只记六件事：用户说了什么，AI回了什么，正确答案是什么，为什么出错，怎么修，修完验没验。每周四和老王对一次，当周发现当周修。📌 Bad Case不是高级词，就是AI的翻车记录。AI上线不是终点，是起点。真实用户会问出测试阶段完全没想到的问题。没有系统管理出错记录的AI产品，其实是在裸奔。"用户投诉的时候，AI能不能自动发一张优惠券？显得有诚意。"我想了十秒，想清楚了：AI要自动发券，得先判断这个投诉值不值得发、发多大面额、这个用户是真委屈还是在薅羊毛。这些判断，现在的AI做不好，做了反而会出错。"老板，这个不建议做。"但可以让AI识别情绪激动的用户，自动标记出来推给人工优先处理，由人来决定要不要发券、发多少。"……这个说得通。"他说，"那AI在这里能做的，就是帮人工排优先级？""对。它是一个永远不睡觉的分诊台，决策还是人来做。"他点了点头，若有所思地说："所以AI其实没我想的那么万能。"我说："它在它能做的事情上，比人强很多。但它能做什么，需要我们告诉它。"第一次直接否掉老板的需求，他没生气，还想清楚了一件事。那一刻我明白：老板不是不讲理，他只是不知道AI的边界在哪里。告诉他边界在哪里，是我的工作。📌 需求拆解不是把老板的想法记下来，是判断AI该不该接。不是所有听起来合理的需求，都适合交给AI。判断一个需求能不能让AI做，先看两点：这件事有没有明确标准？出错了代价有多大？想清楚这两个问题，你就知道该让AI上，还是该让人上。AI识别用户意图的准确率：71%→89%。回答的准确率：64%→92%。需要转人工的比例下降了41%。用户满意度：3.1分→4.3分（满分5分）。我没有直接回答，反问他："老板，你见过实习生把老员工替代掉的吗？""AI其实像一个超强实习生。"我说，"它读过的书比任何人都多，反应快、不会累、永远不请假。但它有一个致命的特点——它只懂世界上的通用知识，不懂咱们公司的规矩。""它不知道咱们的退货政策改过几次，不知道大客户要走特殊流程，不知道投诉里哪些其实是竞对在捣乱。这些东西，没有人带着它学，它永远不会。""对。我们这三个月做的所有事——喂知识库、写规矩、修出错记录——本质上都是在培训这个实习生。培训得越细，它能做的事越多。""但有一件事不会变。"我顿了顿，"实习生再强，独立判断复杂问题还是需要老员工盯着。用户情绪背后的价值判断、复杂投诉里的法律风险、大客户的特殊处理——那些还是人的活。"不是"AI什么时候替代人"。是"你打算怎么培训它"。📌 效果测评，说人话就是别靠感觉夸项目。感觉好了不算好，数字能站住才算数。意图识别准确率、回答准确率、人工转接率、用户满意度，这四个数字，是你向老板、向公司证明AI项目价值的底气。她学了3个月AI，找了1个月工作，学了吴恩达的课，做了两个Vibe Coding项目，面试机会几乎没有，Offer一个没拿到。她说了一句很多人的心声："感觉谁说的都对，但我不知道该学什么。"感觉谁说的都对，是因为大家给你的都是孤立的知识点，没人告诉你它们怎么串起来。吴恩达的课更偏机器学习底层原理，它有价值，但不是AI产品经理最先补的能力。Vibe Coding做Demo很爽，也有用，但企业真正要的是能把真实项目从头推到尾的人。是一个AI项目从0到1，被一点点推着往前走的过程。每一步都是前一步逼出来的，每一步都在为下一步铺路。那个超强实习生，是我在这个项目里一点一点培训出来的。证书和Demo当然有用，但它们还不够。你真正要带去面试的，是一个你亲手打过的仗的故事。面试官问"你做过什么AI项目"，你能讲出一个有起伏、有打脸、有数据的完整故事——那才是你真正的竞争力。
在公众号后台回复“w”，获取链接我的方式。
我是靖扬，一个陪你把 AI 转型这条路一步步走清楚的人。
夜雨聆风
