课程简介
AI 正在重塑企业软件的设计方式，但 AI 不是独立存在的——它必须嵌入到产品的完整生命周期中，才能发挥真正的价值。
本课程以 AI 产品设计为主线，同时贯穿 B端产品管理的核心方法论，帮助学员建立"从业务洞察到产品设计到上线验证"的完整产品思维。无论你的产品是否涉及 AI，课程中的场景分析、需求价值评估、交互设计和上线跟踪方法论都可以直接应用于日常工作。
•模块1 AI在企业级落地的最新实践：建立AI技术认知的同时，理解B端产品的完整建设流程和AI能力在产品生命周期中的定位
•模块2 追本溯源——基于场景和痛点的产品机会洞察：掌握从业务大盘出发、通过场景地图深挖用户痛点的系统方法，这套方法论适用于所有B端产品，AI只是其中一种解决手段
•模块3 产品形态与交互模式设计：在B端体验设计的框架下，理解AI带来的人机交互变革，掌握为不同业务场景选择合适产品形态的决策方法
•模块4 产品设计实战——从需求到上线的全链路：掌握需求价值分析、投入产出评估、方案设计、评测验证的完整产品设计闭环，以AI产品为载体，学习通用的产品管理方法论
目标收益
培训对象
本课程适用于数字化产品建设团队，包括甲方自研系统团队与乙方SaaS产品、项目制软件建设团队。学员以产品经理为主，BA、项目经理、业务负责人、研发人员均可参与课程并获得收益。
课程大纲
|
模块1：AI在企业级落地的最新实践 ［第1天 上午｜3h］ |
1. B端产品建设全景与AI的定位 [0.5h] •B端产品的分类与建设流程（业务型/工具型/交易型/基础服务型，从市场分析到产品设计到运营推广的完整生命周期） •AI在产品生命周期中的角色（AI不是独立产品线，而是嵌入到需求洞察、方案设计、交互体验、运营监控等各环节的能力增强） •企业应用AI的典型技术与场景（神经网络、深度学习、计算机视觉、知识图谱、大模型的区别，LLM不等于AI） 【讨论与练习】：梳理你的产品所处的建设阶段，识别AI可能介入的环节 2. LLM在企业级的应用能力 [2h] •语言理解与AIGC（大模型的推理能力、AIGC能力演示） •界面交互GUI与对话交互CUI（人机交互的颠覆变革，GUI与CUI的优缺点对比，toB场景如何抉择） •知识管理与RAG（理解向量化与RAG，演示Coze的知识库智能体构建） •数据分析与ChatBI（演示Tableau、帆软等AI+BI产品，理解ChatBI的产品架构原理与企业落地挑战） •推理决策与Agentic AI（演示Salesforce、Shopify等全球知名商业软件，理解Agentic AI的核心原理和特点） •AI Agent的技术架构（Function Calling、MCP协议、Multi Agent架构的原理与区别） •Agent编排与BPM、PaaS、低代码的关系（toB产品的核心底层架构逻辑） •氛围编程VibeCoding（演示Cursor，理解AI编程如何在产品经理工作中提效） 【讨论与练习】：Vibe Coding实战 + 智能体编排实战 3. 企业落地AI的要点与挑战 [0.5h] •企业应用大模型的数据安全策略（Salesforce Trust Layer架构） •企业落地AI的4x5分析框架（基于迈克波特价值链拆解企业流程层级，分析不同层级应用AI的可能性与挑战） •企业落地AI的建议 |
|
模块2：追本溯源——基于场景和痛点的产品机会洞察 ［第1天 下午｜3h］ |
1. 理解业务和用户 [0.5h] •B端产品的多利益方识别（涉众地图：决策者/管理者/使用者/合作方，不同利益方的诉求差异决定了产品定位） •toB用户画像分析（用户画像 vs 客户画像，用户的洋葱模型——新用户/典型用户/专家用户的分层策略） 【讨论与练习】：梳理你的产品的利益方地图和核心用户画像 2. 场景地图绘制五步法 [2h] •明确画像用户（梳理业务大盘，识别核心用户） •提炼业务目标（梳理核心用户关键业务目标，这是所有需求推导的起点） •推导关键任务（基于关键业务目标推导业务人员典型作业任务） •绘制旅程地图（针对作业任务绘制用户旅程地图，标注各环节的体验高低点） •细化变体场景（细化旅程地图，分析痛点、爽点、痒点，以及情绪体验变化） 【讨论与练习】：选择典型用户，构建完整场景地图 3. 从痛点到产品机会 [0.5h] •识别事务性工作和探索性工作（区分哪些痛点适合系统化解决、哪些适合AI赋能、哪些需要流程优化） •产品机会的优先级判断（从影响面、频率、替代成本三个维度评估机会价值） •AI赋能 vs 流程优化 vs 功能开发的决策框架（不是所有问题都需要AI，选对解决手段比技术更重要） 【讨论与练习】：针对场景地图中的痛点，分别标注最适合的解决手段（AI/流程/功能） |
|
模块3：产品形态与交互模式设计 ［第2天 上午｜3h］ |
1. 从体验设计到AI交互 [0.5h] •体验设计的三个层次（GUI人机交互 → 用户旅程 → 服务蓝图，理解AI交互设计在体验设计体系中的位置） •人机交互的发展历程（以机器为中心 → 以人为中心 → 以结果为中心） •AI Agent在企业应用中的创新和挑战（AI能否做到企业级自主决策？Copilot模式如何解决人机回圈问题？） 【讨论与练习】：回顾你的产品，当前的体验瓶颈在哪个层次？ 2. AI人机交互设计的六脉神剑 [2h] •打造剑鞘：任务的二维四象限分析（确定性/探索性 × 高频/低频，不同象限适用不同交互模式） •第一剑：封装API（AI在后台默默工作，用户无感知） •第二剑：将CUI嵌入GUI（演示Salesforce Agentforce） •第三剑：CUI之Chat（演示Notion AI） •第四剑：CUI之Copilot（演示Shopify Kickside） •CUI与人在回环的四种模式（主动Chat/被动Chat/主动Copilot/被动Copilot） •第五剑与第六剑（演示Service Now AI、Jira ROVO） 【讨论与练习】：将你的业务任务绘制在四象限中，为每类任务选择合适的交互模式 3. 从方法论到实践 [0.5h] •移动端AI交互设计（金刚区植入Agent、首页Chat化、场景固定Copilot等移动端特有模式） •六脉神剑的应用建议（如何在自己项目中决策选择合适的方案） •再论CUI是否会替代GUI（从认知心理学的角度探讨，核心结论：两者互补而非替代） |
|
模块4：产品设计实战——从需求到上线的全链路 ［第2天 下午｜3h］ |
1. 需求价值分析与投入产出评估 [1h] •需求的场景描述与痛点分析（产品设计的关键前提，无论是否AI需求都需要做） •需求价值的四维分析（业务价值/用户价值/技术价值/商业价值，B端产品需求评估的通用框架） •需求优先级的决策方法（价值成本模型/RICE模型/商业价值模型，帮助产品经理在资源有限时做出取舍） •投入产出比分析与ROI估算（从价值核算到成本计算，通过真实场景演示完整的ROI量化方法） 【讨论与练习】：选择一个真实需求，完成四维价值分析和ROI估算 2. 产品方案设计 [1.5h] •用户旅程设计（从作业场景切入，设计完整的作业流程——这一步是所有产品方案的基础） •AI方案设计：提示词撰写与上下文工程（如何针对LLM撰写提示词、处理业务逻辑） •提示词的指令、规范、示例、上下文、COT、用户输入结构 •FineTuning还是提示词优化？（LLM落地应用的最佳实践） •模型选型与工程落地（如何选择合适的大模型，工程化的注意事项） 【讨论与练习】：为IT HelpDesk场景撰写工单处理提示词 3. 产品上线验证与持续迭代 [0.5h] •评测集设计的金字塔模型（基础功能层/语言多样性测试层/对抗性与安全测试层） •上线标准制定与灰度发布策略（什么条件下可以上线？如何分阶段推广？） •监控体系设计（试点期/推广期/成熟期的关注指标差异，AI产品特有的监控维度） •从数据驱动迭代到产品演进（监控数据如何反馈到下一轮需求洞察，形成产品管理闭环） 【讨论与练习】：设计一个完整的AI产品方案（场景→价值分析→交互设计→评测计划） |
|
模块1：AI在企业级落地的最新实践 ［第1天 上午｜3h］ 1. B端产品建设全景与AI的定位 [0.5h] •B端产品的分类与建设流程（业务型/工具型/交易型/基础服务型，从市场分析到产品设计到运营推广的完整生命周期） •AI在产品生命周期中的角色（AI不是独立产品线，而是嵌入到需求洞察、方案设计、交互体验、运营监控等各环节的能力增强） •企业应用AI的典型技术与场景（神经网络、深度学习、计算机视觉、知识图谱、大模型的区别，LLM不等于AI） 【讨论与练习】：梳理你的产品所处的建设阶段，识别AI可能介入的环节 2. LLM在企业级的应用能力 [2h] •语言理解与AIGC（大模型的推理能力、AIGC能力演示） •界面交互GUI与对话交互CUI（人机交互的颠覆变革，GUI与CUI的优缺点对比，toB场景如何抉择） •知识管理与RAG（理解向量化与RAG，演示Coze的知识库智能体构建） •数据分析与ChatBI（演示Tableau、帆软等AI+BI产品，理解ChatBI的产品架构原理与企业落地挑战） •推理决策与Agentic AI（演示Salesforce、Shopify等全球知名商业软件，理解Agentic AI的核心原理和特点） •AI Agent的技术架构（Function Calling、MCP协议、Multi Agent架构的原理与区别） •Agent编排与BPM、PaaS、低代码的关系（toB产品的核心底层架构逻辑） •氛围编程VibeCoding（演示Cursor，理解AI编程如何在产品经理工作中提效） 【讨论与练习】：Vibe Coding实战 + 智能体编排实战 3. 企业落地AI的要点与挑战 [0.5h] •企业应用大模型的数据安全策略（Salesforce Trust Layer架构） •企业落地AI的4x5分析框架（基于迈克波特价值链拆解企业流程层级，分析不同层级应用AI的可能性与挑战） •企业落地AI的建议 |
|
模块2：追本溯源——基于场景和痛点的产品机会洞察 ［第1天 下午｜3h］ 1. 理解业务和用户 [0.5h] •B端产品的多利益方识别（涉众地图：决策者/管理者/使用者/合作方，不同利益方的诉求差异决定了产品定位） •toB用户画像分析（用户画像 vs 客户画像，用户的洋葱模型——新用户/典型用户/专家用户的分层策略） 【讨论与练习】：梳理你的产品的利益方地图和核心用户画像 2. 场景地图绘制五步法 [2h] •明确画像用户（梳理业务大盘，识别核心用户） •提炼业务目标（梳理核心用户关键业务目标，这是所有需求推导的起点） •推导关键任务（基于关键业务目标推导业务人员典型作业任务） •绘制旅程地图（针对作业任务绘制用户旅程地图，标注各环节的体验高低点） •细化变体场景（细化旅程地图，分析痛点、爽点、痒点，以及情绪体验变化） 【讨论与练习】：选择典型用户，构建完整场景地图 3. 从痛点到产品机会 [0.5h] •识别事务性工作和探索性工作（区分哪些痛点适合系统化解决、哪些适合AI赋能、哪些需要流程优化） •产品机会的优先级判断（从影响面、频率、替代成本三个维度评估机会价值） •AI赋能 vs 流程优化 vs 功能开发的决策框架（不是所有问题都需要AI，选对解决手段比技术更重要） 【讨论与练习】：针对场景地图中的痛点，分别标注最适合的解决手段（AI/流程/功能） |
|
模块3：产品形态与交互模式设计 ［第2天 上午｜3h］ 1. 从体验设计到AI交互 [0.5h] •体验设计的三个层次（GUI人机交互 → 用户旅程 → 服务蓝图，理解AI交互设计在体验设计体系中的位置） •人机交互的发展历程（以机器为中心 → 以人为中心 → 以结果为中心） •AI Agent在企业应用中的创新和挑战（AI能否做到企业级自主决策？Copilot模式如何解决人机回圈问题？） 【讨论与练习】：回顾你的产品，当前的体验瓶颈在哪个层次？ 2. AI人机交互设计的六脉神剑 [2h] •打造剑鞘：任务的二维四象限分析（确定性/探索性 × 高频/低频，不同象限适用不同交互模式） •第一剑：封装API（AI在后台默默工作，用户无感知） •第二剑：将CUI嵌入GUI（演示Salesforce Agentforce） •第三剑：CUI之Chat（演示Notion AI） •第四剑：CUI之Copilot（演示Shopify Kickside） •CUI与人在回环的四种模式（主动Chat/被动Chat/主动Copilot/被动Copilot） •第五剑与第六剑（演示Service Now AI、Jira ROVO） 【讨论与练习】：将你的业务任务绘制在四象限中，为每类任务选择合适的交互模式 3. 从方法论到实践 [0.5h] •移动端AI交互设计（金刚区植入Agent、首页Chat化、场景固定Copilot等移动端特有模式） •六脉神剑的应用建议（如何在自己项目中决策选择合适的方案） •再论CUI是否会替代GUI（从认知心理学的角度探讨，核心结论：两者互补而非替代） |
|
模块4：产品设计实战——从需求到上线的全链路 ［第2天 下午｜3h］ 1. 需求价值分析与投入产出评估 [1h] •需求的场景描述与痛点分析（产品设计的关键前提，无论是否AI需求都需要做） •需求价值的四维分析（业务价值/用户价值/技术价值/商业价值，B端产品需求评估的通用框架） •需求优先级的决策方法（价值成本模型/RICE模型/商业价值模型，帮助产品经理在资源有限时做出取舍） •投入产出比分析与ROI估算（从价值核算到成本计算，通过真实场景演示完整的ROI量化方法） 【讨论与练习】：选择一个真实需求，完成四维价值分析和ROI估算 2. 产品方案设计 [1.5h] •用户旅程设计（从作业场景切入，设计完整的作业流程——这一步是所有产品方案的基础） •AI方案设计：提示词撰写与上下文工程（如何针对LLM撰写提示词、处理业务逻辑） •提示词的指令、规范、示例、上下文、COT、用户输入结构 •FineTuning还是提示词优化？（LLM落地应用的最佳实践） •模型选型与工程落地（如何选择合适的大模型，工程化的注意事项） 【讨论与练习】：为IT HelpDesk场景撰写工单处理提示词 3. 产品上线验证与持续迭代 [0.5h] •评测集设计的金字塔模型（基础功能层/语言多样性测试层/对抗性与安全测试层） •上线标准制定与灰度发布策略（什么条件下可以上线？如何分阶段推广？） •监控体系设计（试点期/推广期/成熟期的关注指标差异，AI产品特有的监控维度） •从数据驱动迭代到产品演进（监控数据如何反馈到下一轮需求洞察，形成产品管理闭环） 【讨论与练习】：设计一个完整的AI产品方案（场景→价值分析→交互设计→评测计划） |
近期公开课推荐
