转载：小红书 AI产品赵哥
前言🔖
现在一提到 AI，大家满脑子都是 ChatGPT、Sora 这些酷炫的工具，或者是算法、模型、算力这些高大上的名词。但有没有想过一个问题：一个传统企业，比如卖衣服的、开连锁餐厅的、或者造螺丝钉的，他们怎么才能用上 AI 提升自己的生意？
老板们通常只有一个模糊的想法：AI 很火，我们也要用，得帮我们多赚钱。
技术团队呢，他们会说：可以啊，你要用什么模型？Transformer 还是 CNN？数据在哪里？API 接口文档给我。
中间出现了一条巨大的鸿沟。老板说的是商业语言，技术说的是技术语言，谁来当那个翻译官，把老板的梦想变成技术团队可以执行的图纸？
这个人就是 PDSA（Product & Delivery Solution Architect），产品解决方案架构师。
说白了，PDSA 就是那个把 AI 技术真正落地到商业场景里，帮企业解决实际问题、创造真实价值的核心人物。
下面把 PDSA 这个职位一层层剥开，看看他是干什么的，以及为什么在 AI 时代这么重要。
一、PDSA 是谁🔖
PDSA 这名字听起来又长又唬人，又是产品、又是解决方案、又是架构师。用一个比喻来理解会轻松很多。
可以把 PDSA 想象成一位 “AI 米其林餐厅” 的行政总厨。
食客（客户）来了：一位尊贵的客人（企业老板）来到餐厅，他不知道具体要吃什么，只提了一个模糊需求：”我今天想宴请贵宾，想吃点高端的、健康的、又能体现我品味的菜。”
服务员（销售）的角色：服务员热情接待客人，记下大致需求和预算，然后立刻跑去找行政总厨。他只负责把客人领进门，不知道具体怎么做菜。
总厨（PDSA）登场：
- 倾听与诊断： 总厨不会立刻冲进厨房开火。他会亲自出来跟客人聊：”您和您的贵宾来自哪里？有什么饮食禁忌吗？喜欢海鲜还是牛肉？偏好法式还是日式风味？今晚的主题是商务洽谈还是家庭聚会？”
- 这就是 PDSA 的商业洞察和需求挖掘能力。他要把老板模糊的 “多赚钱” 翻译成具体问题：是想提高用户复购率，还是想降低生产成本？
- 构思菜单： 了解清楚后，总厨脑子里开始构思一整套菜单。前菜用低温慢煮的澳洲带子，主菜是 M9 级的和牛，搭配某个年份的红酒，甜点做一个融合本地元素的创意甜品。他会考虑食材搭配、口味层次、上菜顺序，以及整个用餐体验。
- 这就是 PDSA 的解决方案设计能力，基于客户的痛点、数据和预算，设计一整套包含 AI 模型、数据流、应用界面、部署方案的完整技术方案。
- 绘制菜谱： 总厨回到后厨，他不会自己去切每一根葱、每一片姜。他会拿出一张纸，画出每一道菜的详细制作流程图，精确到什么食材、什么火候、什么时间、由哪个厨师负责。这就是后厨的行动指南。
- 这就是 PDSA 的架构设计能力，画出整个 AI 系统的蓝图：数据从哪里来、在哪里处理、用什么模型、结果输出到哪里，各模块之间如何交互。
- 指挥与协调：开餐时，总厨站在出菜口协调各个岗位的工作，确保每一道菜都完美地按时呈现给客人。
- PDSA 在项目执行阶段也要跟进监督，确保最终开发出来的产品没有偏离他最初设计的架构和愿景。
- 所以 PDSA 就是一个懂商业、懂技术、懂产品、懂沟通的复合型人才。他不是冲在最前面写代码的，也不是只动嘴皮子卖东西的，他是那个承上启下、负责把想法转化为蓝图的关键人物。
二、为什么现在没 PDSA 不行🔖
在以前的软件时代，需求相对明确。老板说 “我要一个 OA 系统”，大家基本都知道长啥样。
但 AI 时代完全不同。AI 技术本身就像一个黑盒，能力边界在不断变化，商业价值又不那么直观。企业里普遍存在两大鸿沟。
🔹1．商业与技术的鸿沟
- 老板的困惑：他们听了很多 AI 的神话，感觉再不拥抱 AI 就要被淘汰，但具体怎么用、能解决什么问题、投入产出比（ROI）是多少，心里完全没底。他们的需求往往是战略性的建议；
- 技术的困惑：工程师们手握强大的 AI 工具，但不了解业务。你让他训练一个模型到 99% 的准确率，他很在行。但你问这个模型该用来解决用户流失还是库存积压，他就懵了。
PDSA 就是这座桥梁。他能用老板听得懂的语言解释技术方案的商业价值（“这个方案预计能将您的客户复购率提升 15%，一年增加 500 万利润”），也能用技术听得懂的语言布置技术任务（“我们需要构建一个基于用户行为序列的 Transformer 模型，通过 API 提供实时推荐服务”）。
🔹2．理想与现实的鸿沟
很多企业对 AI 的期望非常高，希望能 “一口吃个胖子”，上一个很牛 13 的系统。
PDSA 得是那个现实主义者。他知道技术不是万能的，也了解企业的数据基础、IT 能力和预算限制。
他会告诉你：”老板，您想一步到位，目前技术上不现实，预算也得几十个亿。但我们可以分三步走。第一步先做一个智能客服机器人，解决您 60% 的重复性咨询，预计 3 个月上线，花费 50 万。等这个产生效益了，我们再用积累的数据去做第二步……”
PDSA 负责把客户不切实际的幻想拉回地面，转化为分阶段的、可落地的、有明确回报的实施路径（Roadmap）。他既要保护客户的热情，又要管理预期。
在 AI 落地越来越重要的今天，企业缺的不是 AI 技术本身，而是能驾驭它、把它和商业场景结合的人。PDSA 的稀缺和高价值正来源于此。
三、PDSA 的七种武器🔖
想成为一名合格的 PDSA，就像修炼一本武林秘籍，需要内外兼修。
🔹硬技能：技术广度是基础
PDSA 不需要是每个领域的专家，但他必须是一个通才，知识面要很广才行。业内称之为 T 型人才。
- 云计算知识：这是重中之重。现在绝大多数 AI 应用都跑在云上。你必须精通至少一家主流云平台，熟悉它们的各类服务：虚拟机、对象存储、数据库、网络、容器（Docker/K8s）等。这些是搭建 AI 系统的砖头。
- AI/ML 知识：不用会手写算法，但必须懂原理。
- 懂分类：知道什么是监督学习、无监督学习、强化学习；
- 懂场景：看到个性化推荐，脑子里要能跳出协同过滤、矩阵分解、深度学习序列模型。看到图片识别要能想到 CNN，看到智能对话要能想到 LLM、RAG、Fine-tuning；
- 懂工具：知道主流的 AI 平台和服务，比如 OpenAI 的 API、Hugging Face 的模型库、各大云厂商的 AI PaaS 平台。要用现成的轮子，而不是凡事都想着自己造；
- 数据工程知识：AI 的燃料是数据。你得懂数据怎么来（采集）、怎么存（数据库、数据湖）、怎么处理（ETL/ELT）、怎么用。不懂数据，AI 方案就是空中楼阁。
- 安全与合规知识：数据隐私和安全是企业的生命线。方案必须从设计之初就考虑数据加密、访问控制、合规性要求（比如 GDPR），否则就是给客户埋雷。
🔹软技能：沟通能力是灵魂
如果说硬技能决定了 PDSA 的下限，软实力则决定他的上限。很多顶级 PDSA 的价值更多体现在这里。
- 结构化思维与讲故事能力：这是 PDSA 最核心的软实力。
- 对上：要把复杂的技术方案包装成一个激励人心的商业故事。你不是在讲技术，是在帮 CEO 描绘企业增长的蓝图。注意：多用类比，多讲价值，少谈细节；
- 对下：要把商业需求翻译成清晰、明确的技术任务。提供详尽的架构图、接口定义，让工程师知道自己要造什么、怎么造；
- 你需要在两种语言模式之间无缝切换；
- 同理心与沟通能力：PDSA 每天都在跟人打交道。要能听懂客户没说出口的潜台词，理解他们真正的痛点；也要理解工程师的难处和顾虑。能主持会议、引导讨论、化解冲突，让所有利益相关者（客户、销售、产品、技术、法务）朝同一个目标前进。
- 商业敏锐度：不能只当一个技术传话筒。要从商业视角审视方案的价值 —— 这个方案真的能帮客户赚钱吗？市场上有更好的替代品吗？相比竞争对手优势在哪里？好的 PDSA，思考起点永远是商业问题，而不是技术本身。
四、PDSA 和其他岗位的区别🔖
很多人容易把 PDSA 跟销售、产品经理、项目经理搞混。
- 销售：核心目标是签单，负责找到客户、建立关系。口头禅是 “客户，您有需求吗？”；
- PDSA：核心目标是设计出能解决问题的、可行的方案，负责需求澄清和方案设计。口头禅是 “客户，您真正的需求是什么？”；
- 产品经理：通常负责一个标准化产品，关心产品迭代、功能、用户体验，服务的是一类用户。口头禅是 “下一个版本我们要做什么功能？”
- 项目经理：核心目标是确保项目按时、按预算、高质量交付，负责执行过程的管理。口头禅是 “这个任务谁负责？截止日期是什么时候？”
打个比方：咱们要建一栋大楼。
- 销售是拿地、找到开发商的人；
- PDSA 是建筑设计师，根据开发商的要求（建个商场）、地质情况、预算，画出整栋楼的蓝图；
- 产品经理可能是负责设计大楼里电梯这个标准化产品的人；
- 项目经理是施工队队长，拿着蓝图确保大楼按时盖好。
💡 在很多 AI to B 的项目中，PDSA 的角色更偏向售前，需要和销售紧密配合去赢得客户。在一些公司内部，也会有负责内部产品线解决方案的 PDSA。
五、成长路径🔖
如果你对这个角色心动了，想知道怎么成为他们中的一员，下面给你两条参考路径：
🔹1. 从技术出发，向上生长
如果你是程序员、数据科学家或云工程师，已经有了一定的技术基础，这是巨大的优势。你需要做的是：
- 跳出舒适区：不要只埋头于自己的代码或模型。多去了解你做的东西在整个业务中处于什么位置，为谁创造了价值；
- 主动沟通：多和产品经理、业务方聊天，学习他们的语言；
- 练习演讲：试着把你的技术项目用 5 分钟讲给完全不懂技术的人听；
🔹2. 从业务出发，向下扎根
如果你是产品经理、咨询顾问或售前工程师，具备一定的商业嗅觉和沟通能力。你需要做的是：
- 系统学习技术：不必成为技术专家，但必须懂技术。去了解云计算的基本概念，去玩转 AI 工具的 API，去学习用 Python 写一些简单的数据分析脚本。你对技术的理解越深，方案就越靠谱；
- 动手实践：在云平台上亲手搭一个简单的 Web 应用，或者用现成的 AI 服务做一个小 Demo。这会让你对技术的实现细节有更直观的感受；
- 和技术人员交朋友：尊重他们的专业，虚心请教。让他们觉得你是一个靠谱、懂行的合作伙伴；
总的来说，PDSA 的成长路径就是一个不断打破边界、拓宽知识面的过程。