获课：xingkeit.top/17551/

一、认知起点：为什么你总觉得AI项目“虚”

很多新入行的AI产品经理都有一种共同的感觉：开会时技术同学讲得热火朝天，Transformer、微调、RAG、Agent……词汇一个接一个往外蹦，你拼命点头假装听懂了，回到工位却发现自己根本不知道该怎么推进项目。更糟糕的是，当你鼓足勇气提出一个产品方案时，技术说“这个实现不了”，业务说“这能解决什么问题”，老板说“投入产出比是多少”——你被三个方向同时夹击，像一只撞进玻璃瓶的苍蝇。

这种迷茫的根源，恰恰在于我们搞反了学习的起点。绝大多数AI产品经理的学习路径是：先听一堆算法概念，再试图把这些技术“套”到业务上。这是一种典型的“拿着锤子找钉子”的思维——也就是所谓的“算法脑”。而真正有效的学习路径，恰恰相反：从场景出发，向上追溯需求，再横向对比技术方案的匹配度。这就是“场景脑”。

二、核心框架：场景脑的三层追问

所谓“场景脑”，本质上是一套追问框架。每当你面对一个AI能力或一个业务需求时，强迫自己连续回答三个层次的问题：

第一层，谁在用？ 不要笼统地说“用户”，要具体到“哪一个角色、在什么职级、什么时间段、什么设备上使用”。比如同样是“生成周报”，一线执行岗和部门负责人需要的周报，在颗粒度、数据口径、语气风格上截然不同。你只有把“谁”具象化了，后面的设计才不会跑偏。

第二层，解决什么旧痛点？ 这里的“旧”字是关键词。AI不是凭空创造需求，而是对现有工作流中某个环节的替代或增强。你要问：在没有AI之前，这个人是怎么完成这件事的？哪个环节最耗时、最重复、最容易出错？如果你说不出来旧流程的痛点，那你设计的AI功能大概率是“为了AI而AI”。

第三层，成功的标准是什么？ 不要只说“提升效率”，要说“从原来的30分钟缩短到3分钟，且准确率不低于95%”。把标准量化出来，不仅是为了向老板汇报，更是为了倒逼自己思考：当前的大模型或AI技术，到底能不能稳定达到这个标准？

这三层问完，你其实已经完成了一次“场景脑”的思考闭环。你会发现，整个过程没有涉及任何一行代码，也没有讨论用GPT-4还是国产模型——但你已经清晰地知道：该不该做、为谁做、做成什么样。

三、实战推演：用一个案例把框架走一遍

我们拿一个真实场景来演练。假设你在一家互联网公司的内部效率工具组，业务方提了一个需求：“用AI把每天的站会发言自动生成会议纪要。”

如果你用“算法脑”，第一反应是：这简单，语音转文字+大模型摘要，一周上线。然后你就开始纠结：是用开源Whisper还是用云厂商API？上下文窗口够不够？要不要做RAG？

但如果你用“场景脑”，先做三层追问——

谁在用？ 追问后发现，真正每天开站会的是研发团队的10个人，产品经理偶尔旁听。研发人员其实不需要完整的纪要和漂亮的排版，他们只需要“每个人昨天做了什么、今天做什么、遇到了什么阻塞”这三条信息，而且最好是纯文本，能快速复制粘贴到项目管理工具里。

解决什么旧痛点？ 原先的做法是：站会结束后，由一位同学手动整理三条信息发到群里，大约耗时5到8分钟。痛点不在于“写不出来”，而在于“轮值整理的人偶尔忘记发，导致信息断层”。

成功的标准是什么？ 不是“生成一篇完美的纪要”，而是“站会结束后1分钟内，自动在群里推送三条纯文本要点，准确捕捉每个人的发言核心，遗漏率低于10%”。

这三层问完，你的产品方案发生了180度转弯：不需要高精度语音转文字（因为站会环境嘈杂，但不需要逐字稿），不需要大模型做长篇摘要（因为只需要提取三类信息），甚至不需要漂亮的UI界面（因为在群里推送纯文本就够了）。

最终你选的技术方案可能只是一套“语音活动检测+轻量级关键词匹配+简单的规则模板填充”，成本极低、响应极快、稳定可靠。业务方满意，技术同学轻松，老板看到成本数据也开心。

四、学习建议：如何刻意练习“场景脑”

从“算法脑”切换到“场景脑”，不是读一篇文章就能完成的，需要刻意练习。给你三条可操作的建议：

第一，每周做一次“场景拆解笔记”。 找一个你日常使用的AI产品（比如Notion AI、Copilot、文心一言），反推它的目标用户、旧痛点和成功标准。你会发现，做得好的产品，这三条极其清晰；做得差的产品，你根本推不出来。

第二，在需求评审会上刻意闭嘴30分钟。 先听业务和技术吵完，你再用三层追问来收尾。你会发现，大多数争论其实都是因为“场景没对齐”——有人想的是管理者视角，有人想的是执行者视角，各自在心里假设了不同的场景，却用同一个词在沟通。

第三，给你的技术同学讲场景，而不是讲方案。 下次找技术沟通时，试着不说“我要用大模型做摘要”，而是说“我们的用户在站会后需要快速同步三条信息，目前手动整理有遗漏风险，你帮我评估一下，用什么方式能最快、最稳地做到？”你会发现技术同学给出的方案，往往比你自己拍脑袋想的要合理得多。

五、写在最后

AI产品经理的核心竞争力，从来不是比算法工程师更懂模型结构，也不是比业务方更懂行业知识。你的独特价值在于：把模糊的、发散的业务场景，翻译成清晰的、收敛的产品需求，再交给技术去选择最合适的手段。

“算法脑”让你焦虑，因为你永远追不上技术更新的速度；“场景脑”让你笃定，因为用户的行为模式和业务痛点，变化远比模型迭代慢得多。从今天开始，试着放下那些让你头疼的算法名词，多去工位上观察真实的人怎么做事的。你会发现，AI落地的答案，从来不藏在论文里，而藏在每一个等待被优化的旧流程里。