先读立正讲“产品经理往哪走”的那篇,再补戴雨森讲“执行力变便宜后什么值钱”和硅谷徐老师讲“做产品底层逻辑变了”的两段对话。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先看岗位怎么重新定义
材料里的观点立正那篇《AI时代,大厂打工人的五条路》最贴你的问题。他主张不要原地补技能,而要往“更接近模型、也更接近结果”的位置走,并点名 AI PM、builder 这类角色;这类人的价值在于把模糊业务问题翻译成 AI 能用的 context、设计 eval 和反馈回路、编排模型与流程、判断什么该自动化。他还说,重点是你“在设计系统,还是只是在维护流程”1。这段话是立正对转型路径的判断,不是对某个具体岗位的承诺。
再看工具变便宜后什么更值钱
戴雨森在对话里说,执行力变廉价后,“想做什么的 agency 以及知道什么好的 taste 会变得很重要”,并建议去学 coding 的原理、试用 agent 类产品,真实感受 AI 能省多少时间2。硅谷徐老师则说,写程序变容易后,做产品的底层逻辑变了,distribution 可能成为主要护城河3。两人都在讲同一件事:产品经理的稀缺性从“把东西做出来”转向“判断做什么、怎么卖出去”。这是 AI 对两段发言的综合,不是他们共同表态。
把阅读变成一次小实验
AI推演你可以挑手上一个模糊需求,试着写清它的 context、验收标准和哪些环节该人工接管,再判断自己更缺“设计系统”还是“分发与判断”。立正另有一篇面向非大厂个体的文章,讲从“偶尔用 AI”到“AI 是核心生产力基础设施”的转变,可作为自我评估的对照4。这只是 AI 给的应用建议,是否适合你取决于你所在团队是否允许你改流程。
出处
- 1AI时代,大厂打工人的五条路
直接讲产品经理类岗位如何往“设计系统”方向转型,是本文主线。
- 2真格基金戴雨森:产业的规律,AI的颠覆,顶级基金都看到了什么?
戴雨森谈执行力变便宜后 agency、taste 和 coding 的价值。
- 3人人都有50个博士为自己打工,为什么多数人的工作没什么变化?|硅谷徐老师年度对话
硅谷徐老师谈 AI 时代做产品底层逻辑和分发的变化。
- 4AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
面向个体的 AI 使用转变框架,可用于自我评估。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 当前时间点,转行ai产品经理是性价比高的职业路径吗?没有产品经验
资料没有直接回答“现在转行AI产品经理是否划算”,但能给出判断框架:性价比取决于你能否对业务结果负责,而不只是拿到一个岗位名。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。