开云kaiyun(中国) 字节UX筹划师转AI居品司理：你以为要从零运转，其实你一经会了70%
AI期间，纯扩充层的UI产出正在被AI替代，但UX筹划师最中枢的身手——用户瞻念察、信息架构、数据驱动的体验优化——不但莫得贬值，反而成了AI居品最稀缺的身手拼图。以字节当先5年UX造就为基础，拆解从筹划师到AI居品司理的身手迁徙全景图，告诉你哪些火器不错凯旋带上新战场，哪些必须从零补课。
AI期间，你身边的UX筹划师分红了两派。
一片在心焦。他们刷到Midjourney生成的界面稿，看到v0一句话生成前端页面，然后运转系风捕景：我还有存在的意旨吗？于是拚命学Prompt Engineering，仿佛多考一个证就能续命。
另一片在不雅望。他们合计AI是时候圈的狂欢，跟我方日常绘画、写文档的责任没太大关系。再等等看。
两派王人错了。
我在字节当先作念UX筹划师，工作过抖音、中台等B/C端居品线，从用户考虑、交互筹划、信息架构到筹划系统搭建，简直所有UX模块王人长远作念过。最近我决定转型AI居品司理，不是因为心焦，而是因为我看明晰了一件事：
AI期间对UX的影响不是全面替代，而是价值重点转化。被替代的是纯扩充层的UI产出，增值的是用户瞻念察、体验计策和系统想维。而这些增值的部分，适值是AI居品司理最缺的身手拼图。
这篇著作，我会圆善拆解我行为一个UX筹划师转型AI PM的过程中，整理出的一套身手迁徙清单。中枢不是器具保举，而是一个底层想路的退换：不是消灭已往重新运转，而是看明晰你一经站在那处，然后只补你实在缺的那一段。
一、为什么我决定从UX转AI PM
UX和PM，原本就只隔了一层纸
在字节的这5年，我其实一直在作念一件事：界说问题，然后筹划治理决议。
用户考虑是在界说“谁的什么问题”，交互筹划是在筹划“怎么治理”，信息架构是在组织“治理决议的结构”，数据驱动的体验优化是在考证“治理决议是否灵验”。这些责任，跟居品司理的责任范围简直全王人访佛。
独一的区别是什么？居品司理领有决策权。UX筹划师提供瞻念察和决议，PM拍板和落地。但在执行责任中，一个优秀的UX筹划师早就在作念居品决策了——只是莫得阿谁头衔。
况兼UX想维有一个被PM严重低估的上风：逻辑性更强。居品司理频繁从交易宗旨动身，往下拆解功能；UX筹划师风气从用户步履动身，往上反推需求。这两个所在本应该在中间汇合，但许多团队里惟有前者莫得后者。AI居品团队尤其如斯。
为什么是当今？因为AI居品的竞争正在换赛谈
我已往三个月密集拆解了20多款AI居品，发现了一个很明显的趋势：模子身手正在趋同，体验筹划正在成为实在的各异化战场。
2024年头，各家AI居品还不错靠“模子更强”来拉开差距。到了2026年，基础大模子在通用任务上的身手基线正在趋同，固然在超长高下文、复杂推理、多模态生成等特定维度上仍有显耀各异，但关于大大批用户的日常使用场景而言，模子身手一经不是决定性身分。用户选拔用谁，越来越取决于“谁更好用”而不单是是“谁更忠良”。
这个“更好用”的问题，骨子上等于体验筹划问题。而现时大大批AI居品团队果然立是：算法工程师精致模子，后端工程师精致架构，PM精致需乞降进程。缺谁？缺一个能从用户视角系统性地想考“这个居品应该被怎么用”的东谈主。
这等于我转型的底层逻辑。不是逃离UX，而是带着UX最值钱的部分，走向一个更需要它的战场。
二、身手迁徙矩阵：一张图教你我是如何扩大身手领域
在决定转型后，我作念的第一件事不是去学新妙技，而是盘货家底——我一经会什么，这些身手在AI PM的责任场景中能怎么用。
盘完之后，我发现UX筹划师的中枢身手不错清亮地分红三类：不错凯旋平移的、需要翻译的、必须从零补的。
三、不错凯旋平移的四个中枢身手
这是整篇著作最辛劳的部分。许多UX筹划师合计我方转型AI PM需要从零运转，其实不是。你一经有四个很强的火器，只是你可能还没顽强到它们在AI战场上的价值。
3.1 用户心智模子 → AI居品的预期管束筹划
在字节作念C端居品时，咱们有一个中枢原则：用户对居品的预期，决定了他对居品的评价。一个功能客不雅上作念得很好，但若是用户预期更高，体验依然是差的。反过来，一个身手有限的功能，若是预期管束作念得好，用户反而会合计“超出预期”。
这个原则在AI居品里被放大了十倍。
现时大大批AI居品的最大体验问题不是“模子不够忠良”，而是“用户不知谈它能作念什么、不成作念什么”。用户带着不切执行的预期来用你的居品，然后失望离开——不是因为居品不好，而是因为莫得东谈旁边理他的预期。
这件事，UX筹划师太熟了。咱们在字节作念每一个新功能上线前，王人会琢磨“用户第一次看到这个功能时，他会期待什么？”然后通过指导词、空景况筹划、渐进式表示来校准预期。这套想路搬到AI居品里，等于“Onboarding进程筹划”和“身手领域透明化”。
真实场景：新功能上线前，咱们会筹划空景况页和指导流，让用户知谈这个功能能作念什么、怎么用。→ AI场景：给AI居品筹划“身手领域声明”和“渐进式信任构建”进程，让用户从低风险任务运转，迟缓修复对AI的信任。
3.2 信息架构身手 → 常识库结构化筹划与RAG元数据管束
UX筹划师的信息架构身手，骨子上治理的是空间维度的问题：如何把复杂的信息组织成用户能线路的分类、层级和导航结构。
在字节作念信息流居品时，我时时要处理的场景是：海量内容如何被灵验组织，让用户能快速找到想要的东西。这需要筹隔离类体系、标签系统、层级结构、检索计策。
当今把这个身手平移到AI居品筹划上。现时最主流的AI居品架构之一是RAG（检索增强生成），它的中枢挑战适值是一个信息架构问题：企业的海量存量内容如何被结构化地组织、打标签、修复分类体系，使大模子能精确地检索到最关连的内容来生成复兴？元数据怎么筹划？常识的层级关系怎么抒发？哪些内容需要及时更新、哪些不错缓存？
这跟你在字节筹划内容分类体系和搜索计策莫得骨子区别——王人是在治理“如何让系统在海量信息中精确定位到用户需要的内容”。只不外以前你组织的是面向用户浏览的信息结构，当今你组织的是面向大模子检索的常识结构。底层身手全王人一样，愚弄场景变了。
况兼这个身手不单在B端企业常识库场景有用。在C端量似如斯。瞎想一个面向UGC创作家的AI扶持选题器具：用户已往保藏了数百条内容（著作、视频、灵感片断），如何通过元数据标签系统将这些存量保藏与及时热门进行智能匹配，生成个性化的灵感池？这骨子上等于一个信息架构问题——标签怎么打、分类怎么建、匹配规章怎么筹划。你在字节作念内容分发的造就，在这个场景里不错凯旋复用。
真实场景：为海量内容筹隔离类体系、标签系统和检索计策，让用户高效找到想要的内容。→ AI场景：为RAG系统筹划常识库的结构化决议、元数据标签体系和检索匹配计策，让大模子精确调用关连常识。
3.3 数据驱动的体验优化 → AI居品的成果评估体系
在字节，数据驱动是写在基因里的。咱们作念任何体验优化，王人不是凭嗅觉，而是先看数据、再作念决策、然后用数据考证成果。ABTest是家常便饭，埋点筹划是基本功。
AI居品相似需要这套想维，况兼更复杂。因为AI的输出是概松弛的、不笃定的，你不成用传统的“点击率”“转动率”来单一计算。你需要筹齐截套多维度的评估框架：准确性、关连性、圆善性、用户舒畅度、任务完成率。
这些评估维度怎么定？权重怎么分？数据怎么聚积？这些问题，开云体育作念过数据驱动体验优化的UX筹划师会合计很肃穆——逻辑是一样的，只是宗旨体系不同。
真实场景：用ABTest对比两套交互决议的留存和参与数据。→ AI场景：筹齐截套多维度评估框架，对比不同Prompt计策或模子版块的输出质地。
3.4 筹划系统想维 → 生成式UI（Generative UI）的组件库筹划
若是你搭建过筹划系统或组件库，你一定线路一个中枢想想：把重复出现的口头综合成可复用的组件。
在字节，咱们的筹划系统不单是一套UI组件，而是一套“界面与交互口头的动态复用机制”：什么场景用什么组件、组件之间如何组合、不同数据类型如何用不同的展示口头呈现。
当今的AI居品正在催生一个全新的筹划命题——生成式UI（Generative UI）。大模子在输出不同类型的数据或意图时——表格数据、日期事件、代码块、活动卡片、图表可视化——前端需要动态调用和组装相应的UI组件，而不是所有内容王人塞进一个文本对话框。界说这套组件库的轨范（什么意图触发什么组件、组件之间如何嵌套、新场景如何扩张），骨子上等于你在字节作念筹划系统时天天在干的事。这比映射到偏后端的Plugin架构，更能阐明UX筹划师的专科长板。
真实场景：搭建可复用的组件库，界说组件的触发场景、接口轨范和组合规章。→ AI场景：筹划生成式UI的组件库，界说大模子输出不欢跃图时，前端如何动态调用对应的展示组件（表格、卡片、图表、代码块等）。
四、需要“翻译”的两个身手
这一类身手相比精巧。你其实一经会作念这件事了，但你可能还没顽强到它在AI鸿沟的对应物。它们不需要从零学，只需要“翻译”——用AI的谈话重新抒发你一经掌持的东西。
4.1 用户旅程舆图 → 东谈主机协同责任流（Human-in-the-loop）筹划
UX筹划师王人画过用户旅程舆图：用户从那处来、经过哪些触点、在每个触点上的步履、情谊、痛点是什么。这是一个“用户视角的全链路筹划”。
这个想维在AI居品中最精确的映射，是东谈主机协同责任流（Human-in-the-loop / Copilot）筹划。一个AI居品要完成复杂任务时，不是所有设施王人该让AI自主扩充。你需要计议的是：在所有这个词任务流中，哪个节点由AI自主生成？哪个节点需要强制用户介入说明（比如波及资金操作或辛劳决策）？哪个节点聚积用户的隐式响应来接续优化模子？这骨子上等于一张“东谈主机配合的旅程舆图”——温暖的依然是东谈主在不同触点上的步履和体验，只不外触点从“界面元素”形成了“AI交互节点”。
你只需要把“用户旅程舆图”的想维框架——触点梳理、情谊弧线、关节决策点识别——套用到“东谈主机协同责任流筹划”上，你会发现我方上手很快。因为你筹划的中枢对象没变：恒久是东谈主。
4.2 可用性测试 → AI输出质地评估
UX筹划师作念可用性测试时，中枢是不雅察用户在执行使用中际遇了什么问题，然后综合成可量化的评估宗旨：任务完成率、操作步数、装假率、舒畅度。
AI居品的输出质地评估（Evals）与可用性测试有一个关节区别：传统可用性测试是小样本、定性的（往常N=5即可发现大大批交互问题），而AI输出评估必须是大样本、定量的——因为AI的输出高度依赖Prompt的狭窄变化和高下文，一丝抽样无法粉饰领域情况。是以UX的定性评估想维不错帮你界说“好的AI输出长什么样”，但在执行落地中，AI PM还必须引入自动化评估体系（如修复基准测试集Benchmark、使用LLM-as-a-judge）。这意味着这个身手的迁徙不是浅易的“翻译”，而是“翻译+补课”——秩序论不错复用，但时候器具链必须从零学。
中枢不雅点：UX的定性评估想维能帮你界说“什么是好的输出”，但AI评估体系的自动化器具链（Benchmark、LLM-as-a-judge等）是必须从零学的时候栈。这个身手介于“翻译”和“补课”之间。
五、必须从零补课的三个常识域
前边说了许多“你一经有的”，当今说说“你实在缺的”。本分地讲，有三个常识域是UX布景全王人粉饰不到的，必须从零运转学。但好音问是，你不需要学到工程师的深度，只需要学到“能作念居品决策”的程度。
5.1 大模子身手领域明白
学什么：主流大模子能作念什么、不成作念什么、擅长什么、容易在那处出错。比如幻觉问题的骨子是什么、高下文窗口的罢休意味着什么、为什么某些任务AI等于作念不好。
怎么学：不需要看论文。最高效的样式是亲私用。用团结个任务去测试不同的模子，记载它们分别在那处阐明好、在那处崩溃。你的居品拆解造就在这里会很有用——用拆解居品的想路去拆解模子身手。
学到什么程度：能在作念居品决策时判断“这个需求用现时的模子身手能不成结束，结束到什么程度”。不需要线路Transformer的数学旨趣。
5.2 基础时候架构线路
学什么：RAG（检索增强生成）、Agent、Fine-tuning这三个中枢观念的居品视角线路。不是学怎么结束它们，而是学“什么场景该用哪个、为什么、会带来什么选定”。
怎么学：保举从执行居品反推时候架构。比如你拆解一个常识库问答居品，它背后大要率是RAG架构。从居品往时候反推，比从时候往居品正推遵守高得多。
学到什么程度：能在居品决议评审时，线路工程师提议的时候决议是在说什么，并能评估它对用户体验和居品宗旨的影响。
5.3 AI居品的交易化逻辑
学什么：AI居品的订价口头与传统互联网居品有骨子区别。传统居品的旯旮资本接近零，不错免费+告白口头。但AI居品的每次调用王人有真实资本（Token用度），这导致它的交易口头必须重新筹划。
怎么学：拆解一经跱互市业化的AI居品，考虑它们的订价计策、用户分层、资本结构。比如ChatGPT的订阅制、Midjourney的按量计费、企业级AI居品的按席位+按用量的搀杂口头。
学到什么程度：能为我方精致的AI居品筹齐截个“不亏钱”的交易模子，并能跟雇主说明晰为什么这样订价。
六、我从拆解20+款AI居品中提取的一个判断
前边说我已往三个月密集拆解了20多款AI居品。这个过程中我有一个越来越狠恶的感受：
大大批AI居品的问题不是“模子不够强”，而是“用户不知谈怎么用”。
具体来说，我不雅察到的典型问题有三类：
第一类：零预期管束。用户翻开一个AI居品，看到一个对话框，然后——然后就莫得然后了。他不知谈这个居品能作念什么，不知谈该输入什么，不知谈它莫得什么身手领域。这是最基础的体验筹划缺失。
第二类：不笃定性筹划缺失。AI出现幻觉时，居品莫得任何领导，用户无法判断这个复兴是否可靠。但这里有一个关节区别：传统软件报错是笃定性的（系统知谈我方出错了），而大模子的幻觉是概松弛的（模子“认为”我方是对的）。是以大意幻觉的UX计策不是“报错筹划”，而是“不笃定性筹划”（Design for Uncertainty）——比如提供信源援用、展示置信度、指导用户进行事实核查。这对UX筹划师来说是一个全新但意料的筹划命题。
第三类：响应不可见。用户不知谈AI是否正确线路了我方的意图，不知谈它正在“想考”什么，不知谈为什么等了这样久。用户处于全王人的信息黑箱中。
这三类问题，每一个王人是UX筹划师的基本功能粉饰。预期管束、不笃定性筹划、响应可见性——这三件事咱们在字节天天王人在作念。
是以我的判断是：AI居品的下半场，不单是模子之争，更是体验之争。模子身手是基础，但在基础身手趋同的赛谈里，体验筹划决定谁能留住用户。而体验筹划，适值是UX布景的东谈主最擅长的事。
七、秩序论：你的转型活动清单
看到这里，你可能会合计这套体系很圆善，但不知谈从那处运转。我把我方的转型过程拆成了三个阶段，不论你当今处于哪个阶段王人能凯旋运转。
阶段一：盘货家底（1周）
翻开本文的身手迁徙矩阵，对照你我方的经验，逐项查验：
“不错凯旋平移”的四个身手，你哪些作念过？有莫得具体的样式案例不错阐述？
“需要翻译”的两个身手，你是否线路了它们在AI鸿沟的对应物？
“必须从零补”的三个常识域，你目下了解些许？
作念完这个盘货，你就知谈我方的最先在那处，缺口在那处。
阶段二：补课+拆解（1个月）
针对“必须从零补”的三个常识域，我的建议是：
每周拆解3-5款AI居品。不是放荡用用，而是带着框架去拆：这个居品治理什么问题？用了什么时候架构？体验筹划那处作念得好、那处作念得差？若是是我会怎么改？
每周花5小时学时候基础。保举从RAG运转，因为它是现时最鄙俚愚弄的架构口头。学的时期记取：你是居品司理，不是工程师，学“是什么、治理什么问题、有什么局限”就够了。
考虑3-5个AI居品的交易口头。看它们怎么订价、怎么戒指资本、怎么作念用户分层。
阶段三：构建作品集（2-3个月）
这是最关节的一步。转型不是学习，而是阐述。你需要用执行产出来阐述你能作念AI PM的事。
作念一个AI居品的圆善拆解阐发。不是浅易的功能枚举，而是从用户场景、时候架构、体验筹划、交易口头四个维度作念深度分析。这是展示你“能从用户视角想考AI居品”的最好左证。
写一份AI居品的体验优化决议。找一个你觉多礼验筹划作念得差的AI居品，用你的UX秩序论出一套圆善的优化决议。这比任何简历上的“肃穆AI”王人有劝服力。
作念一个AI关连的Side Project。哪怕是一个很小的Agent愚弄，只须你能说明晰“为什么作念这个、用户是谁、体验筹划怎么作念的”，它等于你的作品集。
回归
回到开首的阿谁场景。
你翻开一份AI居品司理的JD，看到那些陈生的术语，不再合计“我一条王人不沾”。你知谈我方的用户心智模子身手不错凯旋用在预期管束筹划上，信息架构身手不错用在常识库结构化与RAG元数据管束上，数据驱动的想维不错用在AI成果评估上。你也知谈我方需要补什么，学到什么程度。
这篇著作的中枢其实就一句话：
最好的转型不是消灭已往重新运转，而是看明晰你一经站在那处，带着最强的火器走上新的战场。
AI行业的早期属于“让时候跑起来”的东谈主。但每一次时候波澜的中后期，留住来的长期是“让用户用起来”的东谈主。
若是你亦然UX布景开云kaiyun(中国)，这可能是属于你的窗口期。不需要比及“准备好了”才运转——今天就不错翻开那张身手迁徙矩阵，盘货你的家底。
庄闲和游戏官方网站
备案号: