面试官问我”怎么用 AI”，我用一个真实案例拿到了 offer

通过真实工作场景展示 AI 应用能力，核心在于问题定义、约束拆解和流程沉淀，而非工具罗列

基本信息

问题定义比工具选择更重要：面试官真正想听的不是”我用了什么工具”，而是”我如何定义问题、拆解约束并沉淀流程”。从”工具突然不可用”的表象，深入到”工作流稳定性缺失”的本质。
AI 对话需要清晰的上下文：直接问”怎么解决”会得到泛泛的答案。提供完整背景（工作场景、技术能力、时间约束、维护成本、排错需求）后，AI 能给出结构化的解决路径：目标确认 → 约束列举 → 方案对比 → 验证设计 → 排错清单。
从救火到流程的质变：第一次解决问题花 2 小时，沉淀成 SOP 后第二次只需半小时。效率提升的本质是把”临时解决方案”升级为”可复用流程”，包括前置条件、关键步骤、踩坑点、验证标准。
产品经理的问题感框架：能否判断什么问题值得解决？能否把模糊抱怨拆成可验证问题？能否在约束下选最适方案？能否把一次救火沉淀成下次的效率？这些才是 AI 无法替代的核心能力。
完整案例陈述结构：场景（任务紧迫性、影响范围） → 问题本质（效率/稳定性/协作/信息对称） → 约束（预算/时间/权限/能力） → AI 参与环节（解释概念/拆解路径/生成清单） → 可量化结果（耗时变化/复用次数/流程沉淀） → 迁移价值（改变了哪些处理方式）。

无效提示（过于泛泛）：

遇到这种情况怎么解决？

有效提示（提供完整约束）：

我每天都会用 AI 做需求梳理、竞品整理、访谈摘要和文档初稿；
我不是技术背景，不希望方案需要长期维护；
成本不能太高；
第一次最好两个小时内能跑通；
后续如果再遇到问题，我要知道怎么排查，而不是每次都重新求助别人。

作者在解决问题后让 AI 整理的流程文档包含：

按以下顺序复盘 AI 应用案例：

“产品经理的价值，很多时候就在于多问一句：‘这件事背后，真正不稳定的是什么？’”

“我不是用 AI 解决了一个工具问题，而是用 AI 帮自己补齐了一段工作流的稳定性。这句话比’我会用 AI 写文档’更能说明问题。”

“AI 可以帮你更快获得信息，更快整理结构，更快形成初稿。但’为什么要做”做到什么程度算有效”哪些风险不能忽略’，还是要人来判断。”

“很多时候，我们以为自己在解决问题，其实只是在处理症状。用户说按钮不好用，我们立刻想改按钮；业务说转化率低，我们立刻想加弹窗；工具突然用不了，我们立刻去找替代品。这些动作都可能有用，但它们不一定碰到了真正的问题。“

本文强调的”问题定义能力”与产品方法论一脉相承，特别体现在：