To B产品经理，如何转型AI产品经理？

关注

原创最新推荐文章于 2026-07-21 21:35:53 发布 1.6k 阅读 AI 写同款· GEO 优化 ›

当toB产品经理遇到数据分析对于我来讲，我本身是学的软件工程，后来从事产品经理，作为toB端的产品经理，可能最爽的点在于设计软件的过程中，能把业务吃透，面对庞大的业务体系和复杂的逻辑，很难让自己在专业方面没有提升。但是在经历面向的大多数是大客户和领导层面的人之后，难免会产生枯燥的感觉和到达瓶颈的挫败感，因为大多数情况下，toB产品不需要创新，不需要美感，更不需要突然爆发的灵感，需要的是对客户业务场景的深入调研和理解，强调的是客户的价值。在toC端数据分析一片红海的情况下，toB在此领域倒是显得有些呆萌，说到底，toB的产品对于阅读详情

经过几个月的AI学习之后，我已经对To B产品经理转型AI有了一些自己的理解。

个人认为，想要顺利转型，需要依次经历以下几个思考与学习过程：

认清AI能为产品经理带来的价值；
确定AI技术的学习范围；
学习AI技术；
理解AI技术的应用价值；
最终，作为转型后的AI产品经理，需要充分利用AI技术的优势为产品提升商业价值。

在此，先假定大家已建立了AI技术的基本认知。

一、认清AI能为PM带来的价值

PM是一个岗位，其岗位职责就是为公司的产品提升市场竞争力与商业价值。

而提升产品竞争力的重要方法之一，便是在现有产品中引入可以提升产品竞争力的新技术。

因此，寻找新技术本身就是产品经理的重要工作之一。

AI是一种替代人工生产力的技术。

现阶段我们所说的AI技术，主要是指以下几种技术的集合，包括：ASR（语音识别）、NLP（自然语言处理）、TTS（语音合成）、CV（计算机视觉）、MV（机器视觉）、ML/DL（机器学习/深度学习），也可以理解为弱人工智能。

其中目前最为热门的机器学习技术，是利用商业大数据训练出的一种模型，在特定业务场景中，该模型可以用于识别与预测（较为适用于感知的相关技术）。

AI技术与互联网技术的本质区别在于：AI技术并不是商业模式的创新，而是人工生产力的替代（也可以理解为让机器来干原先人才能干的事情）。

因此，当PM深入了解AI技术后，自然能为自身带来很强的职业竞争力。并且AI技术已经接替互联网技术，成为目前市场上的一个新“风口”——也许这就是众多PM想要转型AI的理由。

如果你已经确定想要转型成为AI产品经理，那么学习AI技术自然成为重点，接下来将介绍如何确定AI技术的学习范围。

二、确定AI技术的学习范围

我们可以根据个人发展目标确定好转型进入的AI公司类型，然后了解不同类型的AI公司对PM的AI技术要求，进而制定AI技术的学习范围。

这里重点谈谈三类AI公司对PM的AI技术要求。

第一类，【基础层AI】领域的公司

这类公司的业务是提供AI技术平台及其配套基础设施。

例如：各种AI开放平台、各种云计算平台、基础AI硬件提供方等。

由于AI技术本身就是产品，因此这类公司每提升一个技术的等级，就能够提升产品的竞争力。

我理解这类公司对PM的要求为：必须熟知公司内部能够提供的AI技术能力，并且能够与市场上的AI技术竞品进行优劣势比较，还要有能力作为售前支持，为使用方提供技术咨询。

因此，这类公司中的PM如果不能深刻认知AI技术，可能就不好开展工作了。

第二类，【AI+行业】领域的公司

这类公司所在的行业是由于AI技术发展而创造的新的行业（品类）。

例如：智能自动驾驶、智能音箱、智能手环等。

也就是说：没有AI技术就没有这类公司。

我理解这类公司是在充分理解技术特性及其技术边界的基础上，发现新的行业机会，创造新的用户场景与操作体验。

这类公司对PM的要求为：深度理解公司及行业能够提供的AI技术的特性及边界，并有很好的想象力与创新能力（因为公司开创的是新行业）。

第三类，【行业+AI】领域的公司

这类公司主要是现有行业内应用AI技术来提升产品竞争力。

例如：智能医疗系统、智能客服系统、智能UI设计系统等。

我理解这类公司是在充分理解商业业务场景的基础上，寻找能够为企业带来进一步“降本增效”的AI技术方案。

因此，AI产品经理首先必须具备深入的行业知识背景，并且能够时刻关注前两类公司提供的开放AI技术特性，最终将能够提升产品价值的AI技术集成在现有产品中。

因此，这类公司可能对AI技术的要求相对最低，主要是能够及时且充分的了解市场开放的技术特性。

在以上三类公司中，对于To B产品经理转型AI时，可能最理想的选择就是【行业+AI】。

原因有两点：

To B产品经理已经积累了行业知识背景，直接在现有行业上转型AI产品经理是比较理想的，如果更换了其他类型的公司，势必需要重新积累行业知识。
对产品经理的AI技术要求相对最低，对于转型也许是最快的路径。

【行业+AI】中的PM主要负责：在现有行业的业务场景中引入AI技术，为产品提升商业价值。

可以理解为：结合PM自身对行业业务与公司产品的认知情况，在市场中或公司内部寻找可以提升产品价值的AI技术方案，最终应用到产品中。

其实，目前市场中已经开放了众多成熟的AI技术方案，如果公司并没有很好的AI技术人员与技术方案，那么充分了解市场中开放的AI技术方案，并直接引入到现有产品，不就是一种低成本且快速的方案么？

因此，我认为To B产品经理转型AI产品经理，可以将学习市场开放的AI技术方案作为最基础的学习范围。

我们那么接下来，就认真了解一下市场中已经开放的通用AI技术方案吧。

三、学习开放平台AI技术方案

前文说过，目前的AI技术主要包括了：ASR、NLP、TTS、CV、MV、ML、DL等，主要用途就是【识别】与【预测】。

目前市场中提供了众多的AI技术方案，可以将此分为两类：通用AI技术方案与特定垂直行业的AI技术方案。

特定行业的AI方案可能也会基于通用AI方案，因此，为了节省篇幅，本文略过特定行业的垂直解决方案，如自动驾驶、智能客服、智能金融、机器人等，只将重点放在我汇总的三类通用AI技术方案上：

语音交互（包括对话机器人）方案：可以使用语音识别技术设计产品交互，对于特定的交互场景可以提升产品交互体验，如：开车中使用语音会比使用手更方便，或如修车这类工作中不方便使用双手的场景；
图像/视频识别方案：利用计算机对图像与视频的识别能力，可以替代部分人工识别工作，从而降低企业的人力成本；
开源机器学习（深度学习）框架：企业可以利用机器学习技术与自己的业务大数据，训练出对特定业务的识别与预测能力，从而降低特定岗位的人力成本。

下文将对这几种技术分别进行详细说明：

3.1 语音交互

顾名思义，就是使用自然语言与系统进行交互的技术，是在鼠标、键盘、手机触屏等交互方式之后，发展的更为自然的交互技术。不但输入速度会提升，而且在特定场景下会让软件系统使用更加方便。

该技术包括五种关键子技术：

语音唤醒（可理解为当计算机收到特定声音内容时开启程序的技术）
语音识别（ASR，可理解为计算机通过麦克风，将输入的声音转化为文字的技术）
自然语言处理（NLP，可理解为根据语音识别出的文字，处理成计算机指令的技术）
语音合成（TTS，可理解为通过给计算机指定的文字，让计算机读出来的技术）
声纹识别（可理解为根据不同人的不同声音，让计算机识别出每个人的技术）

以下平台均已提供语音交互的技术方案：

科大讯飞开放平台（http://www.xfyun.cn/ ）；
百度AI开放平台（http://ai.baidu.com/ ）；
图灵机器人（http://www.tuling123.com/ ）；
云知声（http://www.unisound.com/ ）；
阿里云ET（https://et.aliyun.com/index ）；
腾讯AI Lab（http://ai.tencent.com/ailab/index.html ）；

其中，推荐大家可以试试科大讯飞的AIUI解决方案与百度的UNIT解决方案，操作非常简易——基本可以说不需要专业AI技术人员，上手就可以体验。

了解了市场中开放的技术方案后，我们再来看看市场上应用了语音交互技术的产品吧，以下是我推荐去了解的产品：

讯飞输入法：语音输入法类产品；
思必驰公司：提供智能家电类产品；
追一科技公司：提供AI语音客服类产品；
Ginger：心理咨询及护理APP；
图灵机器人：中文语境下智能度最高的机器人大脑；
还有众多智能音箱、智能电视等等。

对于To B软件，我认为VUI（语音交互）+GUI（图形化界面交互）的组合方式将会是趋势，大家可以体验一下百度地图这款产品，除了支持App操作外，也可以用语音直接控制。

3.2 图像/视频识别

图像/视频识别就是让计算机可以识别特定的图像或视频，该技术可以替代部分需要人类视觉识别才能进行的工作。

主要技术包括：人脸识别、人体识别、印刷文字识别、一般物体识别、花草识别、图像搜索、图像审核等。

以下平台均已提供图像/视频识别的技术方案：

商汤科技（https://www.sensetime.com/ ）；
旷视人工智能开放平台（https://www.faceplusplus.com.cn/ ）；
格林深瞳（http://www.deepglint.com/ ）；
码隆科技（https://www.malong.com/ ）；
图普科技（https://www.tuputech.com/ ）；
百度Apollo（http://apollo.auto/ ）；
腾讯医学AI实验室（https://aiyixue.qq.com/ ）；

推荐大家去了解与图像/视频识别相关的以下产品：

腾讯的觅影：医学影像识别系统，可以根据拍摄的医疗影像，来识别病人的病症；
商汤科技的智慧安防：从视频中实现人群检索与人脸比对技术；
图普科技的智能鉴黄：识别图片及视频中的涉黄内容，可以替代90%以上的人工审核；
阿里巴巴的淘咖啡：无人便利店，可以自动完成全部收银过程；
百度的Apollo：自动驾驶解决方案，替代汽车驾驶员。

3.3 机器学习框架

机器学习技术是一种计算机自我编程技术，就是将标记好的大数据输入到机器学习框架中，让计算机完成自主学习与编程的技术。

其实，上面的语音识别与图像/视频识别技术，其基础都是机器学习技术。

在拥有了特定行业大数据后，机器学习可以替代掌握某种特定技能的岗位工作。

目前，很多大型AI平台开放了通用机器学习框架，目的是为了降低一般公司使用AI技术的门槛。

当前比较热门的机器学习框架——

国外主要是Google的Tensorflow（http://www.tensorfly.cn/ ）
国内主要是百度的PaddlePaddle（http://www.paddlepaddle.org/ ）

学习机器学习框架需要一些技术基础，有兴趣的朋友可以去了解下。

接下来还是推荐一些应用了机器学习技术的产品：

阿里巴巴鲁班-智能UI设计：每秒可做8000张海报；
ARKie-智能设计助手（http://www.arkie.cn/welcome ）：与阿里巴巴的鲁班类似；
Harver-简历筛选：用AI代替HR筛选求职简历；
猿辅导：英语作为智能批改软件；
今日头条-写稿机器人：张小明可进行乒乓球、羽毛球、网球和女足等赛事报道；
法里-智能法律问答系统：解决女性离婚用户的法律问题；

当我们已经了解这么多的AI技术后，我们就要认真想一想，AI技术如果应用在产品中，能够体现的应用价值是什么呢？

四、理解AI技术的应用价值

面向企业应用领域，业务需求与对应的解决方案一直并存，而新技术将会为原有需求提供更好的解决方案，为企业带来更多的价值。

那么将AI技术引入ToB产品，就一定要在解决方案中体现出该技术的价值。

现有很多ToB产品的解决方案都是围绕着为企业【降本增效】，主要方法：

通过规范化的信息系统缩减不必要的工作流程；
通过办公/决策辅助系统来提高办公/决策效率；
通过自动化系统替代部分人工处理工作。

AI技术可以在特定的业务中让机器替代人工劳动力。AI（机器学习技术）推动了计算机识别技术的发展，尤其是在语音识别与图像/视频识别方面。

语音识别结合现有的翻译软件就完成了替代翻译人员的工作，而图像/视频识别直接就可以应用在鉴黄领域从而替代鉴黄师的工作。

因此，在To B产品中，AI技术可以为企业带来【降本增效】的价值。

AI技术能够替代人工劳动力，是因为机器的计算成本肯定低于人工成本，从而直接达到降低成本的作用。

而使用计算机来干活，效率自然要比人要快速许多，甚至可以提升上百上千倍的效率。

相信这样的处理速度可就不是一般的【增效】了，都可以当做企业竞争力的秘密武器了。并且如果越来越多的岗位被AI技术所替代，那么将直接推动企业创新能力的发展！

我们来看看以下几个案例，都是应用在To B产品中可以替代人工劳动力的例子：

腾讯觅影（http://t.cn/RYRDSmI ）：替代医生的部分职责；
百度Apollo（http://apollo.auto/ ）：完全替代汽车驾驶员的职责；
商汤-公安人脸识别智能（http://t.cn/RYRD0zo ）：替代公安人员的部分职责；
网易七鱼-智能客服（http://t.cn/RYRDYwY ）：替代客服人员的部分职责；
UIzard（http://t.cn/RYRD89b ）：替代前端工程师的部分职责；
鲁班设计AI（http://t.cn/RYRD3y1 ）：替代UI设计师的部分职责；
.Boomtrain的智能营销平台（http://t.cn/RYRDdYk ）：替代营销人员的部分职责；
京东仓库机器人（http://t.cn/RYRDsfH ）：完全替代仓库库管、分拣员、包装员等各种角色；
阿里巴巴天巡（http://t.cn/RYRkhsC ）：替代服务器运维人员30%的工作；
Abyss Creations娃娃（http://t.cn/RCi65Q7 ）：替代….（自己去看吧）

结语

作为一名To B产品经理，本文讲述的内容，就是我对快速转型进入AI领域的方法的理解。

学好了这些内容，也许你就可以开始尝试寻找当前行业中，可以应用AI技术的业务场景了，看看能不能为你负责的产品带来商业价值吧。

文章的最后，再分享几个我对目前AI产品的思考：

在商业场景中寻找AI技术的应用场景，可以从寻找替代人力岗位职责的角度思考，详细了解潜在产品客户企业的招聘需求，从而进一步思考AI技术可以替代的岗位职能；
计算机视觉在商业上的应用尚属于蓝海，可以挖掘的商业场景还很多，如果能够找到合适的数据来源，那么一定存在在商业机会；
可能未来的互联网To B产品企业，就像是提供商业公司人力资源外包的企业，可能的模式是需求方企业向AI技术企业提供方租用“技能劳动力”；

最后，做好AI产品经理肯定不是一蹴而就的，需要长期持续修炼，我的修炼之路将从以下三点入手：

时刻关注市场开放AI技术特性；
学习AI的基础技术知识，建立AI技术的基本认知；
持续修炼产品经理所需的基本技能与所在行业的业务知识。

在大模型时代，我们如何有效的去学习/入门AI产品经理？

现如今产品经理岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI产品经理薪资平均值约27336元，而且，在一线城市北京，产品经理的均薪接近30K，在新一线城市、二线城市的薪资也很可观。

从产品经理这个岗位来说，无论是从薪资水平、发展空间还是需求量上看，依旧是个不错的岗位。

可能大家都想入门/转行AI产品经理，其中包括0经验的小白。都想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，下面是我整理好的一套完整的学习路线，希望能够帮助到你们学习AI大模型。

在这里插入图片描述

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。