返回笔记列表
ai认知学习路径转型思考

从B端PM到AIPM:我的转型思考与路径

10分钟

> 写在前面:我是一名有9年经验的B端产品经理,参与过SaaS平台从0到1的搭建,也经历过产品从高速增长到增长停滞的完整周期。站在35岁的门槛前,我决定给自己画一张新的地图——转型AI产品经理。这篇文章不是为了贩卖焦虑,而是记录一次带着困惑出发的职业重启。


一、为什么要转型:四个推着我向前的力量

1.1 35岁焦虑不是年龄,是能力结构的预警

坦白说,35岁焦虑我经历过。但细想之后发现,焦虑的不是年龄本身,而是经验贬值速度超过积累速度的危机感。

在传统B端SaaS领域,我的核心能力是:业务流程梳理、功能架构设计、项目推进。这些能力当然有价值,但问题是——它们正在变成"基础能力"。一个工作3年的产品经理,通过成熟的SaaS产品学习和借鉴,很快就能达到80分的水平。而我积累的那20分差异化,在标准化程度越来越高的B端市场,溢价空间在缩小。

我需要构建新的能力壁垒,而AI产品恰好是一个经验复利明显的领域——既需要产品基本功,又需要新的认知维度,老将的经验反而成了优势。

1.2 B端SaaS模式的瓶颈:从"工具提供者"到"价值创造者"的困境

我深度参与过SaaS产品的全生命周期,太清楚这个模式的痛点:

  • 客单价天花板明显:中小企业付费意愿有限,大客户定制化又太重
  • 人效比持续走低:为了留住客户,不断堆功能、堆服务,团队越跑越重
  • 价值感知模糊:客户为"功能"付费,而不是为"结果"付费,续费谈判永远艰难

AI带来的不是简单的功能升级,而是商业模式的重构可能——从卖工具到卖智能,从按账号收费到按价值收费。这种转变对产品经理的能力要求完全不同,也正是我想切入的机会点。

1.3 AI行业正在从"技术狂欢"进入"产品落地"阶段

2023年是大模型元年,所有人都在谈论技术参数。但2025年开始,我观察到明显的转向:市场不再问"你的模型有多大",而是问你的AI能解决什么具体问题

这意味着什么?技术门槛在降低(通过API、通过开源模型),产品门槛在升高——谁能把AI能力封装成用户愿意付费的解决方案,谁就能拿到下一阶段的入场券。

这正是产品经理的主战场。而在这场战争中,我不想只做旁观者。

1.4 对AI的认知迭代:从"高级自动化"到"新交互范式"

第一次用ChatGPT写周报时,我觉得它是高级输入法+高级搜索。直到有次我随口说"把这段话改得让产品总监不怼我",它真的调整了语气和侧重点——我突然意识到,我在和一个能读懂潜台词的东西对话。

这种交互不像用软件,像指挥一个有点聪明但偶尔犯浑的实习生。传统产品教用户"点这里、选那个",AI产品得学会猜用户"到底想干嘛但没说清楚"。这个转变让我兴奋,也让我恐慌——我过去所有的产品设计经验,可能都要重新校准。

随着学习和实践,我对AI的认知经历了三层迭代:

层级认知具体表现
第一层效率工具AI帮我写文案、做分析,替代重复劳动
第二层能力增强AI让我能做以前做不到的事,比如快速原型、数据分析
第三层交互革命AI正在改变人与软件的交互方式,从"我适应界面"到"界面适应我"

第三层认知让我确信:AI产品不是传统产品的升级版,而是一个全新的产品品类。这需要重新学习,但也意味着重新洗牌的机会——大家站在同一起跑线,我的B端经验反而成了差异化筹码。


二、怎么转型:我的AI产品经理学习路线图

基于以上思考,我给自己设计了一个三维能力模型,不是追求技术深度,而是构建懂业务、懂AI、懂产品的三角能力。

维度一:AI产品思维(认知层)

目标:建立AI产品的第一性原理

学习路径

  • 理解AI的能力边界:什么场景适合用AI,什么场景不适合(避免"拿着锤子找钉子")
  • 学习AI交互设计:从确定性界面到概率性对话,用户体验设计的范式转移
  • 研究标杆产品:深度拆解ChatGPT、Midjourney、Notion AI等产品的设计逻辑,不是看功能,而是看产品决策背后的权衡

> 💡 输出物:每周一篇产品拆解笔记,发布在这个网站

维度二:AI工程化基础(技术理解层)

目标:能和工程师同频对话,能评估技术可行性,不写代码但懂逻辑

学习路径

  • 大模型基础:理解Prompt Engineering、RAG、Agent等基本概念(知道是什么、能解决什么问题、局限在哪)
  • AI产品架构:了解一个AI应用从用户输入到结果输出的完整链路,知道瓶颈可能出现在哪里
  • 数据思维:学习如何设计评测集、如何定义"好"的AI输出,这是AI产品的核心KPI设计

> ⚠️ 关键心态:不追求成为算法工程师,追求成为懂技术语言的产品经理### 维度三:垂直场景应用(实战层)目标:找到AI与业务的结合点,积累可展示的项目经验

学习路径

  • 复用B端经验:选择我熟悉的领域(比如企业协同、采购管理),思考AI如何重构这些场景
  • 动手做MVP:通过vibe coding搭建AI应用原型,验证想法
  • 建立作品集:把思考过程和原型成果整理成案例,发布到个人网站

写在最后

这个网站不会只展示光鲜的成品。我会记录那些调不好的prompt、测不准的模型效果、和想不清的困惑——如果转型有捷径,那这些坑就是路标。

如果你也在犹豫要不要跳进来,希望我的狼狈能让你少狼狈一点。如果你是我的下一个老板,希望这些文字能让你看到:我不是来蹭AI热度的,我是带着9年的困惑和具体的问题,来重新学做产品的。

--