一位拥有六年电商产品经验的新同事，入职后三天内交付了48页Axure原型，但我仅用五分钟便放下了。他试图通过200多条if-else交互规则，来定义“让大模型理解用户意图”这一核心问题。在AI时代，绘制原型、撰写PRD的传统技能正逐渐失去价值，真正稀缺的能力是界定“何谓正确”、设计人机协作模式，并精确核算Token成本。
去年底，团队迎来了一位背景光鲜、来自大厂的六年电商产品经理。入职首周，我安排他设计一个智能客服方案。三天后，他提交了一份48页的Axure原型，每个页面状态、按钮交互及异常提示都绘制得一丝不苟。我看了五分钟便搁置了——并非因为质量不佳，而是因为太“完美”了。他将一个本质为“让大模型理解用户意图并给出合理回复”的问题，硬生生分解为200多条if-else规则。这让我深感感慨：他的能力并无问题，但整个工作范式已然改变，他仍在使用旧地图探索新路径。
你引以为傲的技能，正在贬值
我也曾经历过类似阶段。两年前，开发一个功能时，产品经理的工作流程通常包括三天的竞品调研、两天的用户访谈、两天的需求文档编写、三天的原型设计，以及一天的评审，总计至少两周。如今，将竞品截图、用户反馈和历史数据输入AI，半小时内即可获得一份接近成品的初稿。原型也不再手动绘制，而是让AI生成可交互的前端demo，评审时大家看到的是可操作的实体，而非静态线框图。
这并非为了炫耀效率。我想强调的是，当“产出”被压缩至原来的十分之一时间后，如果你不知道如何利用剩余的九成时间，那才是真正的危险。许多PM的焦虑并非源于“AI是否会取代我”，而是那些他们引以为傲的技能——绘制原型、撰写详尽的PRD、与开发核对字段——突然变得不再值钱。
我现在的日常工作，与三年前截然不同
如果不画原型、不写PRD，AI产品经理究竟在做什么？以下是我目前投入最多精力的几件事。
定义“何谓正确”
这听起来简单，执行起来却极具挑战。传统软件中，有Bug就修复，逻辑正确即可上线。而AI产品最令人困扰之处在于，无法单纯用“对错”来衡量。例如，我们有一个合同审核Agent，用于识别合同中的风险条款。漏找一条算Bug吗？找出来但描述不精确算吗？将无风险条款误标为风险算吗？这些问题没有标准答案，但产品经理必须提供标准——需与业务方和算法团队逐一界定、标注，并建立评测集。这项工作既繁琐又辛苦，却是AI PM最核心的日常。你并非在定义产品形态，而是在定义AI的及格线。
设计人与AI的协作方式
传统PM设计的是人与界面的交互，而AI PM设计的是人与一个“不太靠谱的聪明助手”之间的协作模式。你需要明确哪些环节由AI全自动执行，哪些必须人工介入，AI犯错时如何兜底，以及用户如何感知“这个结果AI不太确定”。去年，我们开发了一个文档生成工具，初始版本为全自动——用户点击即出结果。上线后投诉率极高，并非生成质量差，而是用户心理上不信任一个黑盒。后来增加了一步“AI生成草稿 → 高亮不确定部分 → 用户确认或修改 → 定稿”，留存率直接翻倍。这个改动与技术无关，纯粹是产品设计的功力。
核算成本账
许多转型PM完全忽视这一点。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，就多消耗Token。我现在立项的首要任务不是绘制原型，而是拿出计算器：一次调用消耗多少Token？日活用户多少？月成本是多少？能否简单问题使用小模型，复杂问题再调用大模型？上个季度，我们砍掉了一个Demo效果惊艳的功能，因为核算后发现年Token成本超过300万，而预期收入增量不到100万。会算这笔账，比会画原型更有价值。
转型路上最常见的失败
过去几年，我指导过不少转型同事，也面试过许多候选人，几种典型的失败模式尤为突出。有人花费三个月报班学习Python和机器学习，仅掌握了一知半解的TensorFlow，面试时被问及“你们RAG召回率怎么优化”时仍哑口无言。产品经理的目标不是转行做算法工程师，而是需要具备“技术流利度”——能理解工程师在说什么，能判断一个需求在技术上是否可行。这需要在实际项目中锻炼，而非靠刷网课。
有人简历上写着“熟练使用ChatGPT”。2026年了，这就像2015年写“会用微信”。面试官期望看到的是你用AI解决了什么业务问题、选择了什么方案、效果如何量化、踩过哪些坑。如果缺乏案例，最快的办法是自己动手——在Coze或Dify上花两个周末搭建一个行业知识问答Agent，从数据清洗、Prompt调优到评测，跑完整流程。这个过程本身就是最好的简历素材。
还有一种最可惜的情况：认为“懂AI”就足够了，将过去的行业经验视为包袱并丢弃。你在电商领域干了五年，对用户决策链路、退货率、客服话术了如指掌——这些才是你最大的资产。目前最缺乏的不是“懂AI的通才”，而是懂行业的AI专家。一位拥有三年金融风控经验的PM去做合规审核Agent，能碾压任何仅懂技术的新人。
明天可以做什么？
不必一步到位。审视你手头的项目，思考：如果加入一个AI能力，哪个环节会发生质变？不要只考虑“加个聊天机器人”这类表面改动，而是思考流程本身能否被重构。然后，搭建一个Agent，无论是整理会议纪要、做竞品监控，还是分析用户反馈。搭建过程中，你会自然理解什么是Prompt工程、什么是RAG、什么是工具调用。这比任何教程都管用。再找一个正在做AI项目的团队交流——不是听他们吹嘘Demo有多炫，而是询问上线后踩过哪些坑、评测如何做、成本如何控制。这些真实经验很难在网上找到。
AI产品经理并非新物种。你过去积累的用户洞察、商业判断、跨团队协调能力，一点都不过时。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。接受这一点，你就已经迈出了最难的一步。
以上是一位多年从事AI产品工作、踩过无数坑的人的真实体验。欢迎在评论区分享你的转型经历或正在纠结的问题——比起单方面听我说，互相交流可能更有用。
本文来自微信公众号“人人都是产品经理”（ID：woshipm），作者：咖啡不加糖，36氪经授权发布。
