最近有好多人問我關於 #轉職 的問題，不管是從 Linkedin 電子報或是在 AI PM Insider 官網 看到我的證照備考攻略的朋友們，我突然發現原來「如何從 PM 晉升到 AI PM？」或者「如何轉職成為 AI PM？」已經是這麼多人的煩惱了？！
其實我想了很久也很懷疑自己是否能回答這一題，但以我的經驗，我沒有想過轉職成 AI PM，或是如何從公司內部晉升；相反的，我是把自己先升級為 AI-powered PM（AI 賦能），等我熟悉基礎邏輯與應用，再把自己推到 AI PM。所以這過程中我花了很多時間，做了很多嘗試，今天就把心路歷程整理給大家做個參考。（文長慎入）
今天想聊的是：
- 想升級成 AI PM，第一步可以從哪裡開始?
- 會用 AI 工具 vs. 真正做出 AI 產品，中間差了什麼?
- 完整四階段策略與經驗分享
第一步：盤點工作流+生活流
多數人是從我的證照備考攻略裡認識我，但其實我的第一步並不是從考證照開始。
我的第一步講起來土炮，是從檢視自己的日常生活與工作開始的。很多人一想到「升級成 AI PM」，第一反應是去找課程、找證照、跳一個新頭銜，但這樣做很容易變成為了學而學，學完之後還是不知道該怎麼用在自己工作中。
大約在去年 Q2，我先問自己一個很直白的問題：PM 的一天在幹嘛？發會邀、做簡報、開會、整理會議記錄、寫文檔、想策略、追蹤開發節奏、跟進手中的待辦、對齊跨部門溝通.......於是我開始思考哪些環節其實可以交給 AI？例如：會議邀請機器人、會議記錄 skill、PRD 架構生成器、進度追蹤警報器等等。
所以我做的第一件事，是幫自己整理出一套固定的 prompt 模板和客製化指令，把「我是誰、我常做什麼、我習慣怎麼寫」這些背景先講清楚一次並且用很土炮的方式存起來。這樣以後請 AI 協作都不用重新解釋，能直接進到重點。
開會這件事也是同樣的邏輯。以前開完會，我要花時間回頭聽逐字稿確認技術細節，再手動拆出待辦事項；後來我把這個流程固定下來變成一套習慣。會議結束，AI 就能直接把逐字稿整理成結構化的會議記錄和行動項目，且會根據不同團隊幫我整理出不同格式的會議記錄，我只需要檢查跟微調，就能快速發出去，顯得非常有效率。
除了工作流，我也留意生活裡有哪些痛點還沒被解決，例如我很想記帳，但我又不喜歡記帳。市面上已經很多記帳 App，不管步驟多簡單，卻一個也留不住我。後來我發現自己的痛點是討厭切換 App，也不想裝任何 Widget，所以我自己在 Line 做一個記帳小幫手，換了自己喜歡的風格，並且自己設計分類邏輯與功能，於是我建立起自己的記帳習慣了🤣。
以此類推我也做了：
- 月亮講故事 Line Bot：首次嘗試 voice clone，可以讓我每天選擇不同主題，用 LLM 生成故事後將結合我的語音播放出來給兒子聽。
- 行程助理 Line Bot：串接工作與生活的 Google Calander，在 Line 輸入需求就能 CRUD 所有行程，還能讓我選擇 item 顏色，並且在每天早上 8:00 提醒我整日行程。
- 輿情與消息分析：每日去爬蟲指定媒體、指定主題的新聞內容與洞察整理。
😌 記得我當時一口氣打造了 10+ 個小專案，其中有 60% 的工具到現在都還持續使用著，因為是貨真價值解決了我生活與工作中最痛的地方。而現在那些工具已經進階成系統化，偶爾會疊加一些新的功能上去！
會用 AI 工具，不代表我很懂 AI
如標題，會用 AI 工具，不代表我真的很懂 AI、或是有能力可以做出 AI product。其實用自然語言搭配一些產品 know-how 與美感就能做出上面幾個專案，多嘗試幾次，就能讓你更理解如何使用這些 AI 工具，但這只是我升級的第一階段：AI-powered PM。先親身感受它的能力邊界，再往上加深知識認知。
第二步：把零散的認知系統化
上李宏毅老師的課、考 AI 證照
自己摸索 AI 工具一段時間後，我發現懂得「怎麼用」不代表懂得「為什麼這樣用」。零散的使用經驗讓我沒辦法回答最根本的設計問題，例如一個 AI 產品該怎麼規劃、RAG 怎麼做、Guardrail Pipeline 該如何設計、風險評估該從哪些面向切入、資料治理該怎麼設計。這些問題很關鍵，但光靠每天用 AI 工具處理會議記錄是累積不出來的。
所以我先上了台大李宏毅教授的【生成式人工智慧與機器學習導論2025】與生成式AI時代下的機器學習(2025) 去學習一些底層的概念跟邏輯。我必須老實的說說，它！真！的！很！難！
我一門課至少重複聽了 2-3 遍，然後搭配手寫筆記，每一張筆記都被我畫到密密麻麻，再搭配當時 Google 數位人才方案推出的免費 AI 與 Google Cloud 入門，最終壓線拿到了結業證書才建立一點點的信心。
接著我還是覺得不夠結構化，所以選擇報考了 iPAS AI 應用規劃師證照，這是台灣第一張官方背書的 AI 相關證照（我是 2025/11 那屆考試）。後來我發現準備考試的過程，反而比考到證照本身更有價值，因為它逼著我把過去零散使用 AI 工具累積的直覺，重新整理成一套系統化的知識架構，包含 AI 的能力邊界在哪裡、資料治理該注意什麼、專案該怎麼規劃與評估。這套架構後來變成我判斷任何一個 AI 產品提案時的 checklist，但很可惜的是網路上相關資訊真的太少，這也是我後來開始寫了證照備考攻略的原因，我希望很多跟我一樣想努力的人，可以有更多參考資料。
第三步：從學習到方法論，把輸入變輸出
系統化的知識目前還停留在輸入。真正讓我從「懂 AI」往「AI PM」靠近的關鍵，是逼自己把學到的東西寫出來、講給別人聽，所以我開始把這些學習和實驗過程，整理成 LinkedIn 電子報的文章，並且建立 AI PM Insider 的網站。
一開始只是把心得記下來，後來慢慢變成一套習慣，每次學到一個新概念、遇到一個新的轉折，就逼自己想清楚「這個東西該怎麼講，才能讓一個沒碰過 AI 產品的人也聽得懂？」。每一篇文章都是把自己零散的實作心得，建構出一套別人聽得懂的東西，這個過程比單純學會怎麼用一個工具更加難得，但也正是這個過程，讓我從「有在用 AI」慢慢變成「有一點懂 AI 產品」的人。
能不能把自己的學習寫成一個陌生人也看得懂、還願意訂閱繼續看下去的東西，是驗證我自己最直接的方式。畢竟輸入只是累積，輸出才是驗證，所以我也把這個階段視爲關鍵的分水嶺。
第四步：回到商業變現的思考
證照拿到了，方法論也發展出來了，接下來我開始想一個更現實的問題，也就是這些能力，可以應用在哪裡?
考到 iPAS 證照之後，我回頭問自己，這張證照代表的系統化知識，那能不能變成別人也用得上的東西？畢竟備考過程是真的很辛苦，尤其是過往沒有經驗，死背好像是唯一正解。所以我開始思考是要寫成教學內容？做成顧問服務？還是發展成w orkshop 課程？但每一種形式背後，需要驗證的東西都不一樣，綜合考量下我最後選擇了自己最舒服的方式，也就是架站寫文章，並且分享跟 AI 更實際應用的案例經驗與心路歷程，試著把個人能力的累積，轉成別人願意付費的價值。當然這件事我還在持續摸索，答案還沒完全定型，但方向已經比一開始清楚很多。
明天就開始你的第一步
今天的文章有點長，但我盡量濃縮出精華的部分，也盡量用最白話的方式分享，當然過程中有很多摸索與修正的過程，跌跌撞撞甚至一度想放棄。如果你也在想「該怎麼升級成 AI PM」，別急也別慌，你可以開始先做檢視自己的工作與生活流程，例如：
- 哪些環節重複性高、可以交給 AI? 會議記錄、需求整理、資料彙整，都是好的起點。
- 生活裡有哪些痛點，是你自己都還沒解決的? 這些痛點，往往比工作上的痛點更誠實。
- 這些嘗試，累積到一定程度後，能不能變成一套方法、甚至一份可以分享給別人的東西?
最後，其實我也還在學習的路上，常常帶著一點冒牌者症候群，懷疑自己是不是真的能分享這些。但我覺得願意帶著這種不安繼續往前走、持續嘗試，也許才是最適合我的升級方式。也希望這篇內容有幫助到你們，謝謝大家！我們下次再見！