TRANSFERABLE CAPABILITIES
从复杂现实问题，
到复杂 AI 产品
工作对象发生了变化，但核心工作方法具有连续性。 过去面对的是空间、产业、企业与多方利益相关者， 现在面对的是用户、模型、数据、业务流程与 AI 系统。
能力迁移并不是经验的简单复用，而是将已经形成的问题定义、 系统拆解、协调推进与量化判断能力，转化为 AI 产品经理的工作方法。
城乡规划师素养
AI 产品经理素养
城乡规划 · 真实场景
在信阳柳林矿坑项目中，没有停留在传统规划调研材料，而是主动通过社交平台观察当地亲子客群与户外爱好者的真实讨论，从非结构化用户声音中识别项目对年轻客群的潜在吸引力，并将其转化为项目定位判断。
USER RESEARCH · PROBLEM DEFINITION
AI 产品经理 · 能力迁移
迁移到产品工作后，对应的并不是简单的「做用户访谈」，而是从用户行为、反馈、业务数据和真实使用场景中识别表面需求背后的核心问题。 在 AI 产品设计中，我会先回答： 用户真正需要解决什么问题？ 现有流程为什么没有解决？ 其中哪些环节适合由 AI 介入？ 再进入功能设计。
USER RESEARCH · PROBLEM DEFINITION
城乡规划 · 真实场景
复杂项目很少只有单一决策者。在项目推进过程中，需要同时面对甲方、政府部门、设计团队、执行单位与最终使用者，不同主体的目标、资源和评价标准并不完全一致。工作重点不是简单的「协调」，而是在多个约束条件之间寻找可执行方案。
STAKEHOLDER MANAGEMENT · ALIGNMENT
AI 产品经理 · 能力迁移
AI 产品同样存在多角色协同：业务方关注结果，研发关注实现成本，算法关注模型能力，法务关注风险，用户关注体验，管理层关注投入产出。产品经理需要建立共同目标，明确决策边界与优先级，并推动复杂需求持续收敛。
STAKEHOLDER MANAGEMENT · ALIGNMENT
城乡规划 · 真实场景
大型规划项目不能停留在概念层面。需要把总体定位进一步拆解为：目标 → 空间策略 → 子项目 → 投资安排 → 实施时序 → 落地条件，最终让抽象战略进入可执行层级。
STRATEGY · MVP · ROADMAP
AI 产品经理 · 能力迁移
产品战略同样需要从抽象目标逐层收敛：业务目标 → 用户问题 → 核心场景 → 产品机制 → MVP → Feature → Evaluation → Roadmap。因此在目前的 AI 项目中，不会直接从「我要做一个 AI 功能」开始，而是先确定问题、约束和验证路径。
STRATEGY · MVP · ROADMAP
城乡规划 · 真实场景
城市与产业项目具有明显的长期性。一个方案不仅要判断「现在能不能做」，还需要考虑：空间关系、产业关系、基础设施、资金条件、实施顺序、长期运营。局部最优并不等于整体最优。
SYSTEM DESIGN · WORKFLOW · GOVERNANCE
AI 产品经理 · 能力迁移
复杂 AI 产品同样不能只看单个页面或模型输出。例如长期关系型 Agent，需要同时考虑 Character、Memory、Relationship、Time、Trigger 和 Evaluation。合同审阅和智能标书则需要同时考虑数据对象、Workflow、Evidence、Human Gate 和 Audit。产品设计重点从「功能集合」转向「系统关系」。
SYSTEM DESIGN · WORKFLOW · GOVERNANCE
城乡规划 · 真实场景
规划和产业研究并非完全依赖定性判断。人口、产业、空间、客流、市场、建设成本和投资回报等数据都会影响最终决策。数据的价值不只是做展示，而是用于验证假设和支持方案选择。
DATA · METRICS · EVALUATION
AI 产品经理 · 能力迁移
AI 产品不能只判断「模型回答看起来不错」，而需要把产品目标进一步转化为可验证指标。例如：Citation Accuracy、Hallucination Rate、Coverage、Risk Recall、Human Acceptance、Workflow Completion。Evaluation 从产品设计阶段就应该存在，而不是开发完成后的补充工作。
DATA · METRICS · EVALUATION
城乡规划 · 真实场景
复杂项目通常持续数月甚至更长时间，过程中不断出现新增意见、约束变化和方案调整。需要持续完成：问题识别 → 任务拆解 → 责任分配 → 版本推进 → 反馈闭环 → 最终交付。
EXECUTION · ITERATION · DELIVERY
AI 产品经理 · 能力迁移
对应到 AI 产品工作，产品经理不仅负责需求文档，还需要推动完整闭环：Problem → PRD → Prototype → Model Capability → Engineering → Evaluation → Iteration。尤其 AI 产品存在较高的不确定性，需要通过小范围验证持续降低风险，而不是一次性定义完整答案。
EXECUTION · ITERATION · DELIVERY
能力迁移的核心不是行业迁移，
而是问题复杂度的延续
过去工作的核心对象是城市、产业和复杂项目， 现在工作的核心对象是用户、业务流程与 AI 系统。 两者面对的共同问题包括：复杂目标、多方约束、不完整信息、 长期系统关系、跨专业协同、结果可验证。 因此真正发生变化的是工具与产品形态， 而不是解决复杂问题的方法。
过去
复杂现实系统
现在
复杂 AI 产品系统