课程概览
AI 落地到了深水区，产品经理面对的不是"AI 能做什么"，而是"什么值得用 AI 做"。
徐欣从一线业务实践出发，分享 AI 如何改变产品经理的时间分配——执行被压缩，判断责任被放大；
场景探索不应从技术能力出发，而要从真实业务流程中找到高频、重复、标准化、可验证的环节。
她以售后物流咨询场景为例，说明两边互等的协作僵局如何被一个具体场景打破，并提出方案迭代从一次性交付变为低成本循环：更快排除错误方向，比更快做完一个方案更重要。
内容要点
课程大纲
一、精力变化：从交付推动到场景挖掘
AI 压缩了写文档、跟上线、收反馈的执行成本，释放出来的时间应投入探索值得做的场景和更高效地迭代方案
执行越来越便宜，判断责任越来越大：产品经理要为定义问题、思考判断、验证价值和最终结果负责
工作重心转移：从需求清单到业务问题，从完整方案到最小验证，从上线节点到结果反馈
二、场景探索：从业务问题出发，不从技术能力出发
不要从"市场流行什么""模型能做什么""哪个部门要求上 AI"开始，真正的起点是业务中什么环节值得用 AI 赋能
四步法：看流程（观察工作怎样发生）→ 找环节（高频、耗时、知识标准化）→ 拆任务（输入、判断、输出、例外）→ 算价值（基线、收益、长期成本）
协作僵局破局：AI 团队和业务团队互相等答案，场景一旦具体，协作才能围绕结果发生
三、方案迭代：AI 扩展可能性，真实反馈决定下一轮
与 AI 协作不是把任务外包给 AI：产品经理定义场景与约束 → AI 生成多方案 → 产品经理判断取舍 → 真实业务反馈 → 再迭代
方案从一次性交付变为低成本循环：多方案 → MVP → 反馈 → 再迭代；
更快排除错误方向比更快做完一个方案更重要
探索可以被鼓励，但能力必须被沉淀：可发现、可维护、可复用，不重复建设同样能力
四、AI 时代产品经理要长出的四种能力
场景感：更敏锐地发现痛点和真实问题
拆解力：拆出输入、判断、输出与例外
实验力：用基线和小实验验证价值
边界感：判断探索、复用与能力沉淀的边界