AI人才 · 产品经理 · 企业落地
招了 AI 产品经理，公司为什么还是落不了地
企业缺的未必是一个岗位名称，而是一套能进入流程、推动协作并对结果负责的落地能力。
我今天把从 2025 年下半年到现在，找我聊过企业 AI 落地的公司重新数了一遍。
大约有 70 多家。
其中 10 多家问到今天，项目还没动起来。20 多家招了 AI 产品经理，结果也没做起来。另有 20 多家在局部拿到了一点效果，可数据和流程仍然散在各处，走不出那个部门。
这不是一份严谨的行业抽样，只是我接触到的公司。但这个结果足以说明一个常见问题。
很多企业把用人需求写成了 AI 产品经理。人招进来以后，岗位承担的工作远超产品设计，招聘网站上也未必有对应的标准名称。
一份写错名字的招聘需求
老板说要招 AI 产品经理，心里想的往往是另一回事。
他希望这个人进来以后，能找出销售、客服、供应链或财务里最费人的环节，选好工具，接上公司的数据，让一线员工愿意用，最后还要算清楚省了多少工时、少了多少错误、增加了多少订单。
这已经不只是在做产品。
传统产品经理擅长梳理需求、画原型、写文档、排版本。这些能力当然有用。可企业 AI 改造还有一段更难的路。谁允许他看数据，谁愿意改原来的做法，系统接口由谁配合，模型出错谁来兜底，跨部门卡住以后谁能拍板。
一份职位说明里，经常把这些责任全塞给一个人，却没有给他对应的权限和资源。
最后会出现一种很熟悉的场面。产品经理写了一份很完整的方案，开了几轮评审，做出一个看起来不错的演示。演示结束，业务照旧运行。没人敢把真实数据交进去，也没人愿意为新流程承担风险。
公司以为人不行，那个人也觉得公司不懂 AI。双方都很委屈，事情仍然停在原地。
企业要找的是能把一段流程改掉的人
企业 AI 落地，通常从一个很小的业务问题开始。
比如客服每天要读几百条对话，人工分类后再交给不同小组。比如销售写完拜访记录，还要重新整理客户需求和跟进事项。又比如招投标团队反复翻旧项目，只为了找到几段能复用的材料。
这类工作不需要先定义一个宏大的 AI 平台。它需要有人走进现场，把原来的动作看明白，做出一版能用的流程，然后陪着业务跑几轮。
这个人可能是懂自动化和模型调用的 AI 应用工程师，也可能是本来就熟悉业务、后来补上 AI 工具能力的骨干。还有一些公司会找外部顾问或项目团队，先把第一个流程跑通。
名字并不重要。判断他合不合适，可以看三件实事。
他能不能听懂业务人员每天到底怎么干活。能不能自己搭出一个可试用的版本。上线以后，他愿不愿意盯着使用数据和错误记录继续改。
只会谈趋势的人不够。只会调用模型的人也不够。企业需要的是一个能在业务、技术和组织之间来回走的人。
你准备买一个人，还是买一段能力
很多招聘从一开始就走错了。
公司想买一个结果，最后把问题翻译成了一个全职岗位。岗位发出去以后，又希望候选人同时懂行业、懂模型、懂工程、懂管理，还能独自协调所有部门。
先把任务性质分清，会省掉很多无效面试。
如果公司要做一款面向市场的 AI 产品，产品路线会长期变化，也需要持续经营，那就应该搭一支稳定团队。产品经理、工程人员和业务负责人都不能少。
如果公司只是想用现成工具改造短视频生产、客服质检或销售跟进，第一步更适合按项目买能力。让内部业务负责人和外部落地者一起工作，用六到八周验证一条流程。结果出来以后，再决定要不要把能力留在公司。
等一套做法已经跑顺，几个部门都准备复制，公司才有理由设长期岗位。那时职位需要什么能力，已经能从真实工作里写出来，不必靠老板想象。
普通岗位的预算，买不到一整套变革责任
还有一类公司，需求其实想清楚了，价格却没想清楚。
一个能独立推进企业 AI 项目的人，需要懂业务，也得懂工具和工程边界。他还要处理数据权限、员工抵触、模型误差和跨部门协作。这类人的市场价值，本来就高于一名只负责需求文档的普通产品经理。
公司如果只给普通岗位的预算，又要求候选人从 AI 战略一路负责到上线效果，招不到很正常。偶尔招到一个，也很难留住。
全职雇不起，事情还可以换一种做法。把合作范围缩小，按一个流程、一个阶段或一个可验收结果付费。内部安排一名能调动业务资源的负责人，外部的人负责方法、工具和交付。
这比低价招一个人进来，让他对着整家公司发愁，更接近现实。
人找对了，公司没改，项目照样会失败
麦肯锡在 2025 年的全球调查中发现，近九成受访企业已经在至少一个业务职能中经常使用 AI，但约三分之二仍未进入全公司规模化阶段。它同时指出，重做工作流程，是产生经营效果最关键的因素之一。
DORA 对软件组织的研究也给出一个很形象的判断。AI 像放大器，会把组织原有的长处和问题一起放大。
原来的数据谁都说不清，接入 AI 后不会突然变干净。原来的审批要走五层，模型把材料生成快了，审批仍然要走五层。原来部门之间互不配合，多了一个 Agent，只会让信息更快地撞上那堵墙。
这也解释了为什么有些公司局部有效，最后却留下更多孤岛。一个部门做了自己的知识库，另一个部门买了另一套工具，每个人都有一个能用的演示，没人负责把它们接进公司的主流程。
AI 落地是一项组织工作。老板要给出方向和权限，业务负责人要拿出流程和数据，技术团队要守住系统与安全边界，一线员工还得参与试用和改动。
少一环，那个被招进来的 AI 产品经理就会变成替所有人背结果的人。
写招聘说明以前，先把四个问题写在纸上
我现在更建议老板先别急着发职位。
先选一条真实流程，写清楚它今天怎么运转。再算一遍这条流程花了多少人时，错一次会带来什么损失。接着确定谁有权调数据、改规则、协调部门。最后给出九十天内可以验收的结果。
比如把每份销售拜访记录的整理时间从二十分钟降到五分钟，同时让销售主管能追查原文。这个目标足够具体，也能验证。
"建设公司 AI 能力"则没法验收。它很容易养出一堆会议、文档和演示。
这四个问题答完，公司往往会自己看清楚，眼下需要全职员工、阶段顾问，还是一支交付团队。候选人也能判断这里有没有做成事情的条件。
别等别人替你把答案试出来
还有一些公司迟迟不动，是想等同行先交学费。等市场上出现成熟方案，再找一个有成功案例的人，一次做对。
这个想法听起来稳妥，现实里却很难成立。
每家公司的数据、客户、流程和权责都不同。别人的案例能帮你少踩几个坑，不能替你完成自己的那轮试验。AI 工具还在快速变化，等来的所谓标准答案，常常只是上一阶段的答案。
更实际的做法，是选一个损失可控、价值清楚的问题，给一名懂业务的人配上 AI 能力，尽快做出第一个可验收的结果。
这个结果可能不大。只要它真的进入日常流程，有人持续使用，账也算得过来，它就比十份规划更有用。
跑完第一程，公司自然会知道下一步缺谁。那时再招人，职位名称可以普通一些，工作却会清楚很多。
企业最后需要有人把一件原来做不好的事，确实做得更好。
参考材料
— 完 —