如果我想转行做ai相关的售前工作,我要如何做呢?

提问

AI根据立正公开的文章和视频整理,不是他本人回复

转 AI 售前,关键不是先学一堆工具,而是能对着客户的具体场景说清:AI 能做什么、哪里会出错、值不值得做。先用一个真实场景做出可验证的判断,再拿它去谈岗位。

售前卖的是判断,不是工具熟练度

AI 售前每天面对的是客户模糊的需求:他想要“上个 AI”,但真正要解决的是什么、边界在哪、出错谁负责,往往没人说清。立正讲职业阶梯时提到,公司真正花钱买的是三种判断:可行性(能不能做)、难度(半天还是半年)、取舍(几个目标打架时选哪个),而 AI 很会做执行,错的时候和对的时候一样自信,分辨对错才是人的位置⁠1。售前恰好是这套判断的密集使用场景:你要在客户面前当场判断方案可行不可行、报价合不合理、风险在哪。所以准备方向不是把产品文档背熟,而是练“拿到一个模糊需求,能拆出约束和验收标准”。

先闭合一个真实场景的小循环

AI推演

立正提到,暂时改不了大环境时,可以先闭合一个小循环:做出改动、让真实用户使用、观察发生了什么、再改一次,练的是从判断一路负责到结果⁠2。放到转行上,与其先考证或刷课,不如找一个你够得着的真实业务场景(哪怕是朋友的公司、你现在的岗位),用 AI 做一个能跑起来的小方案,然后看对方实际用不用、哪里卡住、结果有没有变。这个过程产出的不是 demo,而是你能在面试里讲清“我怎么判断这个方案值得做、哪里差点翻车”的材料。面试框架只能帮你更好地叙述已有内容,提高内容本身要靠现在的工作或 side project⁠3。

别把学习本身当成进展

立正讲过,假学习和假工作骗的是同一种感觉:忙了一天、看了很多课,大脑告诉你今天很努力,事情却没前进⁠4。转行时这特别容易发生——收藏一堆教程、考几个证,感觉在靠近目标,但没有一个客户场景被真正跑通过。判断自己是否在真进展,可以问:我做的这个东西,有没有让某个具体的人做出不同的决定或行动?如果没有,那多半还停在准备阶段。

现有材料没有专门讲 AI 售前岗位的招聘要求和行业现状,以上是从判断力、小循环和假学习几个角度做的迁移,具体岗位门槛需另找一手信息核对。

回到4份原文

4 超线性学院 2026-09-30

假学习的终结 ↗

讲假学习与假工作的共同错觉,适合自查是否停在准备阶段

我该用什么样的 side project 来证明自己懂客户场景?

追问

AI根据立正公开的文章和视频整理,不是他本人回复

选一个你亲手接触过真实客户、能说清对方为什么愿意付钱或采用的项目,比做一个技术漂亮但没人用的 demo 更能证明你懂客户场景。

先弄清客户买的是哪一环

材料里的观点

立正判断一个产品时,先追问的不是技术用了什么,而是客户为什么愿意付这笔钱、这笔钱对应哪项服务。家装维修那个例子里,把验房报告转成任务清单,用现成工具也能做;客户真正愿意付钱的是有人负责把活按时干完、少找几拨人。同一个场景,做软件、做撮合、做交付,需要的能力和能收的钱都不同⁠1。放到你的 side project 上:与其展示“我会调用模型”,不如选一个你熟悉的客户场景,写清他现在的做法哪里费事、你的方案替他省掉了哪一步、他为什么愿意为这一步付钱。哪怕最后没做成,这份判断本身就是证明。

需求要先去问,不能坐在家里想

材料里的观点

立正讲打造产品时,第一步是尽己所能了解市场,而且“尽力”要落到行动上:真的去和你想去的公司的招聘经理、这个岗位的同事聊过吗?连二十个目标用户都没聊过,大概率还是想当然⁠2。他也提到,面试框架只能帮你更好地叙述已有内容,提高不了内容本身,内容要在现有工作或 side project 里长出来;如果公司给不了机会,就自己做一个比较深的项目⁠3。所以项目选题可以从访谈开始:找几位真正在做这类工作的人,问他们现在怎么处理、卡在哪,再决定做什么。访谈记录和你的判断变化,本身就是“懂场景”的证据。

先做小东西验证需求,再做深

立正回复一位做 side project 的社区成员时说,toy project 在今天已经不够,要做出真正有用的产品,但确实应该先用小项目确认需求有效⁠4。这给了一个可操作的顺序:先用最小成本做出一个能被人试用的东西,看对方是否真的用、是否愿意继续用或付钱;需求被验证后,再往深里做。社区分享也接受不完整的第一版、没成功的尝试和事后复盘,重点是确实做了并讲清真实情况⁠5。对售前岗位来说,一个“试过、被真实用户反馈修正过”的小项目,比一个功能齐全但没人碰的作品更能说明你懂客户。

这些材料讲的是产品与求职的一般判断,没有专门针对售前岗位的 side project 标准;具体选什么场景仍取决于你接触得到哪类客户。

回到5份原文

怎么判断一个客户场景值得做成 side project?

追问

AI根据立正公开的文章和视频整理,不是他本人回复

值得做的客户场景,是客户愿意为某个具体结果付钱、而你能持续提供别人难以替代的那一环;先确认这一点,再动手做。

先问客户买的是哪个结果

材料里的观点

同一个场景里,客户可能买软件、买撮合,也可能买完整交付,三者需要的能力和能收的钱都不同。立正在 FixerUp 的讨论里追问的就是这个:把验房报告转成任务清单,用现成工具也能做;但替客户找到靠谱工人、报总价、负责按时干完,客户才愿意为少协调几拨人付钱。所以判断一个场景值不值得做,可以先问:客户不用你时怎么得到同一个结果,他愿意为哪一项额外价值掏钱。答不上来,做出来的东西再完整也可能没人用⁠1。

再看你的优势能不能持续

材料里的观点

客户愿意付钱还不够,还要看这份价值是否来自你、并且能持续提供。立正提醒,如果关键能力来自某位合伙人的个人关系,扩大以后未必成立;如果客户真正买的是工人网络和交付,却把精力花在让 AI 生成更漂亮的清单上,就会越优化越偏离决定客户选择的地方。放到 side project 上,可以检查:这个场景里最难的那一环,是不是你亲手能碰、能验证的?还是你只做了外围一段⁠1?

用一次真实交换来检验

AI推演

立正把赚钱看成需要练的技能,认为只创造价值不够,还要让价值被看见、完成交换;开口要钱时,对方真正疑虑的常常是你的动机,而不只是价格。所以判断场景值不值得做,一个可试的动作是:找一位真实客户,就这个场景报一个小范围的价格或承诺,看他是否愿意为结果买单、还追问什么。反馈会告诉你,你判断的那项价值是否真的存在,以及你缺的是产品还是信任⁠2,3。

FixerUp 的收费与竞争判断来自具体案例,不能直接套到你的场景;材料没有给出筛选场景的量化标准。

回到3份原文