Product data scientist在ai时代应该如何转型

立正给组织内DS的转型建议是“进攻性转型”：不要只停在分析、建模、报表、实验这些位置上，因为这类中间层动作正是AI擅长压缩的。更值钱的打法是往“更接近模型、也更接近结果”的位置走，职位名不重要，关键是负责设计整个系统如何用AI把结果做出来⁠1。他列了四项能力：把模糊业务问题翻译成AI能消费的context；设计eval、反馈回路和标准；编排模型、工具、数据和流程；判断什么该自动化、什么该人工接管。判断标准很直接——你是在设计系统，还是只是在维护流程⁠1。

在同一段讨论里，立正被问到DS怎么转型时，先让人拷问自己的工作是否真的创造了价值，并说DS存在一种“畸形繁荣”，部分来自数据变多和大公司的焦虑、中层扩编的动力⁠2。他举的例子是：一个团队用十几个很贵的数据科学家做预测，结果一位economist用最近六个数据点的中位数连续几个月赢过模型⁠2。这说明转型的起点不是学新工具，而是先分清哪些工作本身站得住。

立正对DS的具体建议是：工作内容一定会大变，什么都不改才是最risky的选择，所以先解决“要不要变”，决心比方向更靠前。他承认程序员加AI在编程效率上大概率比DS加AI高，但认为编程能力本身在溢出，DS可以找程序员合作；解决问题、创造价值远不止编程一个环节。最后一条是可操作的：用AI和agentic coding工具，让AI成为杠杆，而不只是对话伙伴⁠3。结合《AI时代，大厂打工人的五条路》⁠1，这意味着把eval设计、context翻译、流程编排这些能力落到一个真实项目上，而不只是学概念——这是AI的综合判断。