AI 产品分析学习方法：从岗位要求到案例练习

我把 AI 应用开发当主方向，产品判断是正在补的短板。补它的原因很直接：写出功能不等于解决了问题。需求是不是真的、系统做到哪一步算完、结果怎么查，这些没想清楚，后面的技术方案就是空中楼阁。

先从岗位要求里找能力项

我先去读 AI 产品岗的职责和要求，把反复出现的词挑出来：用户研究、需求分析、任务流程、模型能力、数据指标、跨团队协作。词都认识，但只记住词没用。

有用的做法是追问每个词在一个具体功能里对应什么。用户遇到了什么麻烦，现有方式为什么不够用？模型负责理解什么，业务服务负责提供什么？系统做到哪一步才算完成？做错了怎么撤回？

问完这一圈，岗位描述就从一张要背的名词表，变成了一组可以对着项目练的问题。

用真实问题做案例

案例必须来自我真实使用、参与或能够核对的项目。假设场景很容易写得完整，却无法回答用户是否真的需要、数据从哪里来、方案有没有运行过。

我更愿意从自己的项目回看产品过程。宿舍用电平台解决的是历史记录难分析的问题；Personal Ops Panel 起初只是一份资产盘点报告，使用以后才发现长文档不适合持续维护。项目已经发生过，需求变化、功能取舍和失败点都有事实可以追溯。

分析时保留五个问题

1. 用户现在怎样解决，最费时间的是哪一步？
2. 新方案需要哪些数据和系统能力？
3. 哪个状态变化代表任务已经完成？
4. 哪些权限、错误和边界需要提前处理？
5. 上线后用什么结果判断它是否值得继续？

这五个问题给不出好方案，但能防止分析只围着模型效果或界面功能打转。写完之后我还会过一遍：每条判断到底来自亲自使用、公开资料，还是暂时的猜测？三种来源得分开标。

下一篇练习

《从长报告到运维资产中枢：一次 AI 产品实践》记录了 Personal Ops Panel 从资产盘点报告到本地面板的变化。那篇只讨论真实发生过的需求、范围和取舍。