数据产品如何转型AI产品

提问

AI根据立正公开的文章和视频整理,不是他本人回复

关键不是把数据产品换个AI标签,而是让AI进入用户使用时的运行环节,并把你的角色从做报表、做分析,转到设计系统、定义评估和编排流程。

先分清“开发时用AI”和“产品运行时用AI”

立正给出的判断标准是:看用户使用时AI是否参与runtime。AI只在开发过程中帮你写代码,那只是AI-assisted building;AI在产品运行时读取上下文、调用工具、做决策、执行任务,才算AI产品⁠1。他还把AI产品分成六层,从薄prompt工具、RAG、能调用工具的应用、固定流程里的AI,到能自己计划并循环执行的智能体核心,最后是带记忆、权限、评估和主动触发的AI-native系统⁠1。对数据产品来说,这意味着转型的起点不是加一个聊天框,而是问:用户原来的分析、判断、取数、报表动作,哪些可以交给AI在运行时完成。

从“做一段执行”转到“设计系统如何出结果”

立正以Data Scientist为例说,原来“分析、建模、报表、实验”这类中间层动作,大量会被AI压缩;更好的打法是往“更接近模型、也更接近结果”的位置走,名称不重要,重要的是负责设计整个系统如何用AI把结果做出来⁠2。他列了四件事:把模糊业务问题翻译成AI能消费的context;设计eval、反馈回路和标准;编排模型、工具、数据和流程;判断什么该自动化、什么该人工接管、哪里真正创造价值⁠2。这四点正好可以当作数据产品转型的工作清单:先选一个具体场景,把“谁在什么条件下得到什么结果”写清楚,再补评估和人工兜底。

行动优先,但别停在聊天框里

AI推演

立正对数据人的建议是:工作内容一定会大变,什么都不改才是最risky的选择,所以第一个问题不是“怎么变”,而是“要不要变”⁠3。他还提醒,一定不能停留在聊天框里,要用AI和agentic coding工具,让AI成为杠杆,而不只是对话伙伴⁠3。放到数据产品转型上,可以先挑一个现有功能,试着让AI在运行时承担其中一步判断或取数,并同时定义好评估标准和人工确认点;观察它是否稳定、可控、可迭代,再决定扩大范围。这是AI基于上述判断的应用建议,不是原文给出的固定流程。

提供的片段没有具体讲某个数据产品(如BI、报表、指标平台)的转型案例,也没有给出评估指标或落地步骤的细节;上面的场景选择和应用建议属于AI的推演,需要结合你的产品实际验证。

回到3份原文

1 超线性学院 2026-04-25

AI产品的六个层次 ↗

给出判断AI产品的核心标准(运行时是否用AI)和六层分类,是转型方向的框架。