一、AI赋能产品的认知升级（第一天上午）

1. AI时代的洞察

(1) AI进化全景图

① 萌芽期（1950s-2000）

1) 符号主义主导：IBM深蓝击败卡斯帕罗夫（1997）

2) 典型应用：银行ATM机欺诈检测规则系统

② 突破期（2006-2016）

1) 深度学习崛起：ImageNet图像识别错误率从28%降至3.5%

2) 产业影响：Facebook人脸识别准确率超人类水平（2014）

③ 渗透期（2017至今）

1) 大模型时代：ChatGPT推动NLP技术平民化

2) 基础设施：云计算降低AI使用门槛

3) 开源vs闭源：Deepseek的国产模型逆袭（2025）

(2) 产品经理的AI认知误区

① 技术神话vs工具本质

1) 非技术视角解读：机器学习、NLP、CV的典型应用边界

2) 案例解析：ChatGPT对话逻辑vs传统规则引擎

② AI的哪层更厉害？算力、数据、模型、算法、技术、应用

1) AI在产品结构的哪几层融合？（数据资产层、算法模型层、服务接口层、业务应用层）

2) AI替代了产品结构的哪几层？

③ AI会革了产品经理的哪条命？（如何用AI强化产品工作价值）

1) 数据依赖性警示：哪些场景不适合强推AI

2) 案例解析：小样本、高合规风险场景

(3) 案例解析：Notion AI功能迭代路径中的产品决策

2. AI产品价值三要素

(1) 可行性验证：「数据可获得性-技术成熟度-ROI转化」三角评估

(2) 业务突破矩阵三大方向

① 方向1效率类：合同审核从40min→2min（某法律科技平台案例）

② 方向2创新类：个性化营养方案生成（Keep食品推荐系统拆解）

③ 方向3合规类：金融反欺诈准确率提升23%的成本节约模型

(3) 场景定位：增强型vs替代型AI功能的设计边界

① 雪球公募基金推荐系统（用户行为预测提升GMV）

② 客服工单自动化（NLP减少70%人力成本）

③ 教育产品的个性化学习路径（动态调整内容难度）

(4) 案例对比：Grammarly文本修正 vs Midjourney内容生成的核心差异

3. 小组研讨：结合前部分内容，总结AI可能带来价值的3个机会点，以及3个限制因素

二、需求挖掘与场景设计（第一天下午）

1. AI产品路线图设计

(1) AI+四阶段发展模型：辅助功能→智能模块→决策中枢→自治系统

(2) AI+的风险预判：技术债/伦理危机/投入产出比

① 技术要升级到什么程度？

② AI的成本有多高？

③ 能100%相信AI么？

④ 能降本增效？还是能增长回春？

(3) 案例解析：无讼科技的法条助手到案件智能分析，到新案件匹配律师

2. AI需求识别框架

(1) 五维判断法：高频/复杂/模糊/个性/演进类需求的AI适配性

(2) 四象限法：高业务价值vs技术可行性

① 实操工具：需求矩阵模板

② 避开“伪AI需求”：从用户真实行为中挖掘痛点

③ 案例解析：某金融App过度设计智能投顾导致用户流失

(3) 实战工作坊：针对现有产品功能的AI改造机会点挖掘

① 列出当前产品中「高人力成本/低用户满意度」环节

② 结合五维判断法和四象限法进行需求分析

③ 借助需求矩阵模板进行需求梳理

④ 列出AI改造机会点

3. 小组研讨：结合梳理的机会点，筛选出1个可行性最高场景，进行 "需求攻防战"，即针对同一业务场景，分别设计AI方案与传统方案进行成本收益对比

三、AI驱动体验重构

1. 体验重构设计

(1) 隐性智能路径：预判式设计

① 案例解析：小雪智能客服AI自动回复

(2) 显性交互创新：搜索框/视觉反馈/推荐策略

① 案例解析：搜索结果页的智能化、雪球智能推荐

(3) 用户体验地图的AI新生：AI助力体验升级

① 纵向的层级关系

② 横向的顺序逻辑

③ 案例解析：去哪儿机票业务的体验地图挖掘AI机会点

2. 小组研讨：结合用户体验地图进行产品及业务梳理，以用户的视角在图中标注AI改造机会点，针对性的分析核心算法能力需求清单（如需要OCR还是情感分析），再整理资源评估表（数据来源、外部合作方、预期成本），模拟向技术团队提案，接受可行性质询

四、AI风险预判与效果验证（第二天下午）

1. AI实施风险雷达

(1) 数据陷阱：某零售企业用户画像项目失败复盘

(2) 体验反噬：AI客服过度承诺引发的客诉事件

(3) 合规红线：数据隐私、算法歧视的规避策略，欧盟《AI法案》

(4) 技术前瞻：多模态大模型对产品形态的潜在影响，AGI内容生成

2. AI效果度量体系

(1) 北极星指标OMTM：B端看人效提升

① 案例拆解：政务系统处理时效＜20s

(2) 辅助指标：C端看行为渗透

① 案例拆解：系统AI功能周活＞35%

3. 未来对AI的展望

(1) AI应优先优化现有流程还是创造新体验？

(2) AI影响了产品，商业模式上有什么变化？

4. 小组研讨：你对AI有哪些更进一步的理解？积极的方面、消极的方面各有哪些？