Becoming an AI PM：顶级 AI 产品经理的成长方法论
Becoming an AI PM：顶级 AI 产品经理的成长方法论
嘉宾：Aman Khan ｜ Arise AI 产品总监 ｜ 领域：AI 产品与未来趋势
在科技行业，没有比“AI 产品经理”这个职位更让人心潮澎湃的标签了。2022 年 ChatGPT 横空出世，让所有人意识到 AI 正在重塑我们与技术交互的方式。与此同时，一个深刻的职业焦虑在产品经理群体中蔓延：AI 会不会取代 PM？当工程师可以用 AI 工具直接构建、设计可以借助 AI 完成时，产品经理的价值何在？
但今天我们要探讨的，不是 AI 如何威胁 PM，而是另一种更积极的可能性：在 AI 时代，产品经理恰恰是最具杠杆效应的角色。当 AI 工具让“构建”这件事变得前所未有的简单时，真正的稀缺能力变成了——知道应该构建什么、如何定义问题、如何将技术与用户需求连接起来。这，正是产品经理的核心竞争力。
我的嘉宾是 Aman Khan，Arise AI 产品总监。在他的 PM 职业生涯中，他专注于 AI 领域的产品构建，曾在 Spotify 担任 ML 平台团队产品经理，也在 Cruise、Zipline 和 Apple 负责过核心产品工作。他还有一个鲜明特点：始终选择留在 IC（个人贡献者）轨道上，这在管理导向的科技行业显得格外特别。
更重要的是，他在 Twitter 和 LinkedIn 上被评选为“最受欢迎的个人贡献者产品经理”之一。这场对话，我们深入探讨三个核心问题：如何进入 AI 产品领域、如何成为顶尖的 AI PM、以及如何在 IC 轨道上长期成功并保持影响力。
一、嘉宾是谁
Aman Khan 并不是那种典型的“名校名企”叙事。他本科读的是机械工程，既没有 CS 背景，也没有 ML 或 AI 的科班学历，更没有 PhD 或硕士学位。他的第一份工作是从零开始学习如何做产品经理，在工作中逐步找到了自己的方向——用 AI 技术解决真实用户的问题。
他目前担任 Arise AI 的产品总监，这是一家专注于 AI 可观测性和评估的平台公司。他们最初的业务围绕传统机器学习展开——排序、回归、分类、推荐系统等黑盒模型。但随着大语言模型的崛起，公司正在向更广泛的 AI 领域转型。
在加入 Arise AI 之前，Aman 在 Spotify 的 ML 平台团队担任产品经理，负责帮助数据科学家和 AI 工程师更好地理解他们的模型是否正常工作、是否产生了预期的业务影响。在此之前，他还在 Cruise、Zipline 和 Apple 负责过产品工作。
最令人印象深刻的是他的“刻意选择”——在大多数 PM 都在追逐管理职位的环境中，他始终选择留在 IC 轨道上。他相信，随着 AI 工具让个体变得更加高效，越来越多的公司会倾向于减少管理层级，让少数超级个体创造更大的影响。他正在实践一种新的职业可能性。
二、核心观点 TOP10
1. AI 产品经理分为三种形态 AI 平台 PM（为 AI 工程师构建工具）、AI 产品 PM（核心产品本身就是 AI）、以及 AI 驱动的 PM（用 AI 提升所有 PM 工作效率）。未来大多数 PM 都会成为其中一种形态。
2. 现在是进入 AI PM 最好的时机 与直觉相反，AI 工具的普及反而降低了进入门槛。你不再需要深厚的 ML 背景，只需要好奇心和动手能力。
3. 建立作品集是脱颖而出的关键 没有 AI 产品管理的学位或认证标准。真正的差异化来自你亲自构建的产品原型和实验，它们会在面试前就替你回答“你能做什么”和“你对什么感兴趣”这两个问题。
4. PM 正在成为最高杠杆的职位 AI 工具擅长构建，却不知道该构建什么。定义问题、理解用户、清晰表达需求——这些恰恰是 PM 的核心能力。
5. 不要复制 ChatGPT 的界面 过去两年，大多数公司做的第一件事就是在自己的数据上构建一个聊天机器人。但真正创新的 AI 产品界面往往看起来一点都不像聊天机器人。
6. 找到技术与问题的正确匹配点 AI 能做什么和你的业务需要什么，往往是两件事。优秀的 AI PM 会深入思考：这个技术真的适合解决我们的问题吗？
7. 用户需要保留控制感 Betty Crocker 速溶蛋糕粉的教训告诉我们：完全自动化不一定是用户想要的。成功的 AI 产品会让用户感觉自己在创造，而不仅仅是被服务。
8. 能量可以打破障碍 当你不知道方向在哪里时，带多一点能量去开会。摩擦会消散，对话会流动，问题会更清晰。
9. 徘徊而非等待 作为 PM，你的角色是那个“漫游者”——在未知中探索信号带回方向，而不是在原地等待确定性出现。
10. 享受这段旅程 科技行业充满压力和不确定性，但如果你能保持好奇心和乐趣，你会迭代得更快，也会走得更远。
三、关键洞察
洞察一：AI PM 不需要懂模型训练，需要的是对问题的痴迷
许多人认为成为 AI PM 意味着要深入理解机器学习的底层原理。但 Aman 的经历恰恰相反——他不是 ML 专家，他对“帮助用户解决问题”这件事有着近乎痴迷的执着。
真正的路径是：从你关心的用户问题出发，看看 AI 能为你做什么。随着你深入研究解决方案的细节，对技术的理解自然会跟上，而不是反过来。这就像学游泳——你不需要先成为流体力学专家，再跳进水里。
洞察二：最成功的 AI 产品往往看起来不像 AI
回顾 ChatGPT 刚发布时的惊叹，今天我们再看那个版本已经觉得“哪里不够好了”。技术持续在进化，用户也在被“惯坏”。
但真正值得思考的是：那些让用户觉得“哇，这也太神奇了”的产品，往往不是简单地把 AI 包装成对话界面。它们在解决一个具体的、用户真实面对的痛点，同时让用户在过程中保持参与感和控制权。自动驾驶汽车的例子很有趣——它可以完全接管驾驶，但它保留了用户调节空调和音乐的权利。用户需要的是“被赋能”，而不是“被替代”。
洞察三：IC PM 的天花板比你想象的更高
传统的职业路径是：PM → 高级 PM → 总监 → VP → CPO。但 Aman 选择了一条不同的路，而且他走得很好。
在他看来，当 AI 工具让一个人可以做更多事情时，公司会自然地减少中间管理层，让少数高绩效的 IC 发挥更大影响力。关键在于你能不能持续交付业务价值，同时为团队创造空间去实验、迭代、失败。这需要一种特殊的自律和战略思维——这比管理一帮人做你已经知道怎么做的事情更难，也更有价值。
洞察四：用 AI 来放大信号，而非制造噪音
PM 最怕的是什么？是信息过载——100 条用户反馈、50 个功能请求、无数个数据指标。AI 不是魔法，它无法告诉你该做什么，但它可以帮你从噪音中提取信号。
Aman 的团队用 Gong 记录销售会议，然后把所有转录文本喂给大语言模型，让它找出最常见的问题和用户痛点。他不可能参加每一场会议，但通过 AI，他几乎可以“同时出现在所有地方”。这不是替代人的判断，而是放大人的能力。
四、精彩金句
“如果你能真正回答’我能做什么’和’我对什么感到兴奋’这两个问题，你其实已经为面试做好了准备。”
Aman 建议每个想进入 AI PM 领域的人都建立自己的作品集。不需要完美，只需要真实。当你带着几个自己用 AI 工具构建的原型去面试时，面试官会立刻看到你的思维方式、你的好奇心、以及你如何把想法变成现实。
“作为 PM，你的角色是那个漫游者——在未知中探索，然后把信号带回给团队。”
这可能是关于 PM 工作最诗意也最真实的描述。产品方向不总是清晰的，CEO 可能在推进现有业务，工程师在按计划开发 Sprint 里的功能。而 PM 要做的，是在这个确定的“营地”之外，去探索、去迷路、去发现用户真正需要的东西。
“你的时间有限，所以不要浪费在活成别人的人生里。”
这是 Aman 最喜欢的一句话，来自 Steve Jobs。在职业选择上，他选择了不走传统路径——不追求管理层头衔，不追逐表面的成功定义。他选择深度参与产品构建，保持 IC 的影响力，追求自己定义的“好的人生”。
“如果你真的想让 AI 渗透到组织中，不要放弃北极星，找到让这一切发生的方式。”
这听起来像是一句心灵鸡汤，但 Aman 说的是具体的操作建议：hackathon、demo day、定期拆解优秀 AI 产品的内部活动。这些事情不会直接推动 KPI，但它们会在组织中播下种子，让团队慢慢理解 AI 能做什么、不能做什么。
五、实战案例
案例一：Replit 五分钟做出的注册页面
Aman 想给朋友演示 Replit 这款工具，但朋友说“我没时间学新工具”。于是他在手机上打开浏览器，访问 Replit Agent，输入一句提示词：“帮我建一个时事通讯注册页面”。五分钟后，一个可以正常工作、看起来还不错的注册页面就上线了。
这不是一个能直接用于生产环境的产品，但它足够展示可能性。更重要的是，这个演示让那位朋友立刻理解了 AI 工具的价值。五年之前，这是不可能实现的事情；今天，这是任何有好奇心的人都能做到的事情。
案例二：内部 hackathon 的失败教训
Arise AI 的工程团队举办了一次 hackathon，其中一个项目是构建一个 Slackbot——当有人在支持频道提问时，bot 自动识别问题类型并 ping 正确的负责人。
他们以为这会是一个“完美”的 AI 用例：分类、路由、通知——这些都是 LLM 擅长的事情。但真正做的时候才发现，这个问题的复杂性远超预期。上下文缺失——两星期前负责这个问题的同事现在在做别的项目，另一个团队接管了相关工作。AI 能处理文字，但处理不了组织政治和人员流动。
这个“失败”的实验教会团队：不是所有看起来适合 AI 的问题都真的适合 AI。找到正确的问题，往往比应用正确的技术更难。
案例三：拆解 NotebookLM
作为 Arise AI 的一部分，团队每周都会举办线上研讨会，拆解一个前沿的 AI 产品。他们最近拆解的是 Google 的 NotebookLM。
拆解的目的不是复制，而是理解：它是如何工作的？它的交互设计为什么让人感觉“很神奇”？它在哪些地方做对了？这些观察会反馈到自己的产品设计中。没有人能闭门造车就做出好产品，输入来自四面八方，输出才会超出预期。
六、行动建议
建议一：立刻开始用 AI 工具构建你的想法
为什么要做：动手实验是最好的学习方式。在你试图“学习完所有 AI 知识”再行动之前，你已经落后了。
如何开始：今天就打开 Cursor、Replit 或 v0（Vercel 的 AI 原型工具），用一句提示词构建一个最简单的产品原型。不需要完美，只需要把它做出来、跑起来。
能得到什么：你会有一个真实的、可演示的作品。它会在面试中替你说话，也会帮你真正理解 AI 工具的能力边界在哪里。
建议二：为你的职业转型建立“内容组合”
为什么要做：招聘 AI PM 的流程会评估三个核心问题：你能胜任这份工作吗？你对我们在做的事情有热情吗？我喜欢和这个人一起工作吗。一份作品集会提前回答前两个问题。
如何开始：写下你关注的 2-3 个行业或用户问题，思考 AI 如何能帮助解决。然后用 AI 工具构建 2-3 个原型，哪怕只是验证概念的 demo。把它们放到 GitHub 或者做成一页简单的产品介绍网站。
能得到什么：面试官会在见到你之前就对你形成印象。你的作品集会展示你的思维方式、你的好奇心、以及你把想法变成现实的能力。
建议三：找到你的“漫游”时间，而非等待方向明确
为什么要做：PM 最常见的困境是“方向不清晰所以无法行动”。但真正的 PM 不会等待，他们会走进未知寻找信号。
如何开始：每周给自己留 2-3 个小时，不做任何具体的任务规划，只是去探索——用新工具、读新文章、和用户或潜在用户聊天。把这些探索中发现的有趣洞察记录下来，形成你的“信号日志”。
能得到什么：你会逐渐积累起对行业和用户的直觉。这种直觉无法从数据报表中获得，但它会在关键时刻帮助你做出正确的产品决策。
建议四：组织一次 AI Hackathon，让整个团队都动手
为什么要做：AI 对很多团队成员来说仍然是抽象的、有距离感的。动手实验是消除这种距离感最好的方式。
如何开始：提出 5-10 个你团队正在思考的问题，让工程师、设计师用 AI 工具在一天或半天内尝试解决其中几个。记录哪些有效、哪些无效、以及为什么。
能得到什么：你会得到一份真实的实验记录，了解 AI 在你的具体业务场景中的真实能力。这比任何外部报告都更有价值。更重要的是，团队会对 AI 产生共同的认知基础。
建议五：找到你的能量来源，保持高能量状态
为什么要做：Aman 说“能量可以打破障碍”。当团队方向不明确、士气低落时，一个充满能量的人可以改变整个会议的走向。
如何开始：观察是什么给你带来能量——是解决问题的过程、与优秀的人合作、还是看到用户因为你的产品生活变好了一点？把这些东西可视化地放在你的工作空间里。在每次会议前问自己：我今天能带来什么能量？
能得到什么：你的影响力会超出你负责的具体功能。人们会愿意追随你、支持你、和你一起解决问题。这种影响力，是任何职位头衔都给不了的。
七、我的总结
这场对话最核心的信息，可能藏在 Aman 反复提到的那个词里——好奇心。他不是 ML 专家，但他对解决问题有无限的好奇。他没有按照传统的管理路径晋升，但他用 IC 的方式创造了深远的组织影响力。他选择留在“漫游者”的位置上，在不确定性中寻找方向，然后把信号带回给团队。
成为 AI PM 的路径，从来不是一条线性的学习路径。它更像是一场开放的探索——你要深入理解你关心的用户问题，用 AI 工具把你的想法变成现实，然后通过一次又一次的实验迭代出真正有价值的产品。
在这个 AI 工具让“构建”变得前所未有的简单的时代，知道构建什么、为什么构建——这些能力反而变得更加稀缺。而这，恰恰是产品经理存在的意义。
Aman 的最后一句话值得所有 PM 记住：你的时间有限，不要浪费在活成别人的人生里。选择你真正关心的问题，用 AI 作为杠杆，持续探索，保持好奇，享受这段旅程。
如果你想联系 Aman，他活跃在 LinkedIn。给他发消息时，不妨附上你最近最受益的三本书、一部电影或一个播客——这是他最喜欢的交流方式。
📺 播客信息
- 发布时间：2024-11-14
- 时长：1小时17分钟34秒
- 播放量：58192 次观看
- 原版视频：『YouTube』