AIPM-3考试大纲：8大战略领域、四组件评估与资格要求

认证概览

AIPM-3：AI 产品经理·战略领导力是 APD 认证 AI 产品经理路径中的战略领导力级认证。

AIPM-3 验证候选人能否在复杂组织环境中塑造、治理、评估并扩展 AI 原生产品与产品能力，涵盖战略领导力的全链路。

本认证面向有经验的产品专业人士和 AI 产品领导者，能够影响 AI 产品战略、产品组合、平台能力、治理机制、评估体系、适应性运营模式、企业采纳和组织 AI 产品能力。

AIPM-3 基于 APD AI 原生产品经理能力模型，该模型界定了将 AI 能力转化为可信、可用、可衡量、可治理、可扩展的产品价值所需的专业能力。

AIPM-3 是 APD 认证路径的第三个级别：

• AIPM-1：AI 产品经理·基础
• AIPM-2：AI 产品经理·专业级
• AIPM-3：AI 产品经理·战略领导力

1.1 版本更新

1.1 版本在战略领导力层面强化了 AI 原生产品敏捷的理念。

在 AIPM-3 中，敏捷不作为传统敏捷流程知识对待，而是作为一种战略性产品领导力能力——组织以负责任方式学习、评估、治理并扩展 AI 原生产品所必需的能力。

1.1 版本强化了以下主题：

• 适应性 AI 产品运营模式；
• 治理感知的产品敏捷；
• 评估驱动的组合学习；
• 具备适当风险控制的快速学习循环；
• 基于证据与价值的产品组合适配；
• 平台与能力复用，以支持更快的负责任交付；
• 反馈到战略、反馈到路线图的机制；
• 在创新速度、风险控制、组织问责与价值实现之间取得平衡；
• 构建可复用的 AI 产品方法、手册、模板与运营节奏。

AIPM-3 不考查 Scrum 事件、敏捷角色、速率、故事点、SAFe 角色或具体的敏捷框架。它考查候选人能否在战略与组织层面领导适应性强、评估驱动、治理感知的 AI 产品能力。

AIPM-3 的定位

AIPM-1 验证基础产品判断力。
AIPM-2 验证应用型专业实践。
AIPM-3 验证战略领导力。

AIPM-3 旨在回答一个核心问题：

候选人能否在复杂环境中，为 AI 原生产品、产品组合、平台、治理、评估体系、适应性运营模式、采纳与组织能力提供战略性产品领导力？

AIPM-3 并非 AIPM-2 的简单加难版本。它代表着从管理既定 AI 产品工作，转向跨团队、组合、平台或企业情境去塑造、治理、扩展并制度化 AI 产品能力。

AIPM-3 候选人需展现高级专业推理、不确定性下的战略判断、跨职能领导力、治理成熟度、适应性产品领导力，以及构建可复用方法、手册与组织能力的能力。

认证路径与资格

APD 认证 AI 产品经理路径在能力上循序渐进，在准入上灵活开放。

• AIPM-1 面向所有候选人开放。
• AIPM-2 强烈建议先取得 AIPM-1 或具备同等基础知识，但 AIPM-1 并非硬性前置。
• AIPM-3 要求持 AIPM-2 认证，或提供同等专业证据并通过资格审核。

AIPM-3 资格要求

申报 AIPM-3，候选人须满足以下条件之一：

1. 持有有效的 AIPM-2 认证；或
2. 提供同等专业证据，证明具备应用型 AI 产品管理能力。

同等专业证据可包括：

• 资深产品管理经验；
• AI 产品领导经验；
• 主导 GenAI、AI 智能体、AI 平台、企业 AI 或 AI 赋能产品项目的经验；
• AI 产品组合或路线图负责经验；
• AI 产品治理、评估或扩展领导经验；
• AI 产品上线、扩展、采纳或价值实现的证据；
• 能体现 AI 产品战略、治理、评估、适应性运营模式或组织能力工作的组合佐证。

APD 研究院可能要求在批准候选人参加 AIPM-3 评估前进行资格审核。

AIPM-3 验证的内容

AIPM-3 验证候选人能否在复杂环境中为 AI 原生产品能力提供战略领导力。

合格的 AIPM-3 候选人应能够：

• 跨复杂项目定义 AI 产品战略；
• 塑造 AI 产品组合、平台或能力路线图；
• 将 AI 产品战略与商业价值、运营模式、风险偏好、组织就绪度和战略优先级对齐；
• 在战略层面引导产品架构决策与平台能力演进；
• 设计复杂的人机协同与智能体工作流战略；
• 跨 AI 产品项目建立评估体系、产品智能机制与质量治理；
• 为产品组合或复杂项目领导负责任的 AI 治理；
• 在 AI 赋能系统中定义产品级风险管理实践；
• 设计在速度、学习、治理、风险、质量与问责之间取得平衡的适应性运营机制；
• 影响高管、业务负责人、技术负责人、法务、合规、安全、数据、交付与运营相关方；
• 引导规模化上线、采纳、商业化与价值实现；
• 构建可复用的 AI 产品手册、标准、方法、模板、运营节奏与组织能力；
• 在不确定性、模糊性、风险与技术变革下展现战略判断力。

AIPM-3 验证的是领导力能力。它并不认证候选人为法律专家、AI 工程师、安全工程师、数据科学家、Scrum Master、敏捷教练或企业转型高管。

谁应获取 AIPM-3

AIPM-3 面向主导、治理、扩展或塑造 AI 产品能力的资深专业人士。

尤其适合以下人群：

• 资深 AI 产品经理；
• 产品负责人；
• 产品组经理；
• 首席产品经理；
• 产品管理总监；
• AI 产品战略负责人；
• 企业 AI 产品负责人；
• AI 平台产品负责人；
• GenAI 产品负责人；
• AI 智能体产品负责人；
• 内部 AI 工具与企业 AI 产品负责人；
• 负责跨职能 AI 项目的产品负责人；
• 跨团队构建 AI 产品能力的高管；
• 就 AI 产品战略、治理、适应性交付与扩展向企业提供建议的顾问；
• 正转向 AI 产品领导岗位的资深敏捷或转型负责人；
• 正准备进入 AI 产品领导岗位的资深产品专业人士。

AIPM-3 不适合刚起步 AI 产品管理之路的候选人。此类候选人应从 AIPM-1 或 AIPM-2 起步。

推荐经验画像

建议 AIPM-3 候选人具备：

• 扎实的产品管理经验；
• 从事 AI 赋能或 AI 原生产品的经验；
• 主导跨职能产品项目的经验；
• 熟悉 AI 产品评估、风险、治理、交付与上线就绪度；
• 与高层相关方沟通的经验；
• 跨产品、技术、业务、数据、治理、交付、运营模式与组织维度进行推理的能力；
• 迭代产品开发、适应性规划、产品学习回路或产品运营节奏方面的经验。

APD 研究院可根据行业、岗位类型、组合证据与候选人背景调整经验期望。

AIPM-3 不验证的内容

AIPM-3 是一项战略性产品领导力认证。它不验证专业技术、法律、合规、安全或敏捷框架实施专长。

AIPM-3 不认证候选人能独立执行：

• 机器学习模型训练；
• 算法研究；
• 神经网络架构设计；
• 微调流水线实施；
• 基础设施工程；
• LLMOps、MLOps 或 AgentOps 工程实施；
• 安全工程或渗透测试；
• 详细的法律或监管解读；
• 正式法律审批；
• 产品领导范围之外的企业级转型负责权；
• 财务审计或监管审计主导；
• Scrum Master、敏捷教练或企业敏捷转型职责。

AIPM-3 候选人应懂得如何与这些专业职能协同主导产品决策，而非替代它们。

推荐评估模式

AIPM-3 不应仅通过标准选择题考试进行评估。

由于 AIPM-3 验证战略领导力，APD 研究院推荐采用多组件评估模式。

组件 A：资格审核

目的：确认候选人有资格进入 AIPM-3 评估流程。

形式：申请材料审核。

证据可包括：

• AIPM-2 认证；
• 简历或职业档案；
• AI 产品领导经验；
• 产品组合证据；
• 案例摘要；
• 领导角色说明；
• 视情况提供雇主或客户推荐。

评分：通过 / 暂不符合资格。

资格审核是一道门禁，不计入最终认证成绩。

组件 B：战略案例评估

目的：评估候选人分析复杂 AI 产品领导情境并提出战略性产品应对方案的能力。

形式：书面案例分析或结构化在线案例评估。

建议时长：3–5 小时，或按 APD 评估政策采用带回家的形式。

候选人可能需产出：

• AI 产品战略简报；
• 组合或平台路线图；
• 复杂的人机协同工作流战略；
• 适应性运营模式方案；
• 治理与风险方案；
• 评估体系方案；
• 扩展与采纳战略；
• 相关方对齐计划；
• 价值实现框架。

建议权重：40%

组件 C：组合证据评审

目的：从候选人的职业工作或结构化案例组合中评估应用型 AI 产品领导力证据。

形式：组合材料提交与专家评审。

组合证据可包括：

• AI 产品战略或路线图；
• 产品组合优先级排序；
• AI 平台能力路线图；
• AI 原生工作流转型蓝图；
• 适应性 AI 产品运营模式；
• AI 产品治理框架；
• AI 评估体系设计；
• 产品风险管理框架；
• 采纳与价值实现计划；
• 高管沟通材料；
• 可复用的手册、方法、模板或组织能力资产。

建议权重：35%

组件 D：专家委员会面试或答辩

目的：评估战略推理、领导判断、沟通与专业成熟度。

形式：现场或录播的专家委员会面试。

建议时长：45–60 分钟。

委员会议题可包括：

• 战略权衡推理；
• 产品组合判断；
• 治理领导力；
• 评估体系设计；
• 适应性运营机制；
• 高管相关方对齐；
• 风险与不确定性管理；
• 采纳与价值实现；
• 从真实或模拟 AI 产品领导工作中获得的经验教训。

建议权重：25%

建议的总体评估权重

资格审核为必经环节，但不计分。

认知层次分布

AIPM-3 考查高级专业推理与战略领导力。

AIPM-3 不应考查基础识记。候选人应已掌握 AIPM-1 与 AIPM-2 层级的知识。

评估证据类型

AIPM-3 可通过以下证据类型评估候选人：

AIPM-3 领域蓝图

AIPM-3 划分为八个战略领导力领域。

考试领域

领域 1：AI 产品战略与组合领导力

权重：14%

领域目的

本领域验证候选人能否跨复杂项目、组合、平台或组织情境定义并引导 AI 产品战略。

学习目标

候选人应能够：

1. 定义与业务雄心、客户价值、运营价值与组织能力对齐的 AI 产品战略；
2. 跨多个产品、工作流、平台或业务单元识别战略性 AI 产品机会；
3. 基于价值、可行性、风险、采纳就绪度、数据就绪度、评估证据与战略契合度塑造 AI 产品组合；
4. 区分短期生产力提升与持久的 AI 原生产品能力；
5. 定义组合级价值假设、投资主题与决策标准；
6. 识别何时扩展、停止、合并、重新设计或退役 AI 项目；
7. 在创新、风险、成本、客户信任、组织就绪度与学习速度之间取得平衡；
8. 向高管与跨职能负责人沟通 AI 产品战略；
9. 基于评估结果、市场变化、技术转变、风险信号与采纳证据调整 AI 产品组合决策。

关键主题

• AI 产品战略；
• AI 产品组合；
• 战略机会映射；
• 价值地图；
• 投资优先级排序；
• AI 产品路线图；
• 适应性组合管理；
• 平台 vs. 应用战略；
• 自建 vs. 采购 vs. 合作战略；
• 产品组合治理；
• 战略权衡；
• AI 能力扩展；
• 不确定性下的产品战略；
• 评估驱动的战略。

候选人应能产出或评估

• AI 产品战略简报；
• AI 产品组合地图；
• 战略性产品路线图；
• 投资优先级排序依据；
• 产品扩展决策；
• 产品暂停或退役依据；
• 组合风险与价值视图；
• 评估驱动的组合决策；
• 高管级产品战略叙事。

AIPM-3 不涉及

• 完整企业战略负责权；
• 财务审计或投资委员会权限；
• 详细的企业并购战略；
• 技术实施规划。

领域 2：AI 原生运营模式、适应性治理、问责与相关方对齐

权重：12%

领域目的

本领域验证候选人能否将产品领导力与运营模式、决策权、适应性治理、问责及复杂相关方环境对齐。

学习目标

候选人应能够：

1. 为 AI 赋能项目定义产品决策权；
2. 厘清产品、工程、数据、安全、法务、合规、运营、交付、业务与高管相关方之间的问责；
3. 设计治理触点，在负责任扩展的同时避免不必要的瓶颈；
4. 设计在 AI 产品敏捷与负责任治理、评估纪律、风险控制、组织问责之间取得平衡的运营机制；
5. 将产品战略与运营模式、风险偏好、组织结构与交付机制对齐；
6. 在模糊情境下主导跨职能决策；
7. 为高风险或高影响 AI 产品决策定义升级路径；
8. 识别阻碍 AI 产品扩展的组织障碍；
9. 定义将战略、发现、交付、评估、治理与价值实现串联起来的适应性运营节奏；
10. 就创新速度、风险控制、平台复用、本地业务需求与治理纪律之间的权衡进行沟通。

关键主题

• AI 产品运营模式；
• 适应性治理；
• 产品问责；
• 决策权；
• 相关方对齐；
• 高管赞助；
• 跨职能治理；
• 基于风险的审批工作流；
• 升级机制；
• 产品治理阶段门禁；
• 运营节奏；
• 学习节奏；
• 平台与业务单元对齐；
• 组织摩擦；
• 模糊情境下的产品领导力；
• 敏捷与控制的平衡。

候选人应能产出或评估

• AI 产品运营模式方案；
• 适应性治理模型；
• 相关方对齐计划；
• 决策权矩阵；
• 治理阶段门禁模型；
• 高管对齐简报；
• 风险升级模型；
• 运营节奏设计；
• 运营模式差距分析。

AIPM-3 不涉及

• 完整企业重组权限；
• 人力资源政策负责权；
• 法律审批负责权；
• 产品范围之外的企业合规项目负责权；
• 详细的 Scrum 或敏捷框架实施。

领域 3：复杂人机协同与智能体工作流战略

权重：13%

领域目的

本领域验证候选人能否跨团队、系统、角色与风险层级主导复杂人机协同与智能体工作流的设计。

学习目标

候选人应能够：

1. 在任务、决策、系统、数据流、知识流、风险控制与绩效指标层面分析复杂工作流；
2. 区分可自动化、可增强、需人工判断、人机共创与高风险任务；
3. 跨多个角色或职能设计人机协同工作流战略；
4. 定义智能体工作流边界、工具权限、审批机制、可审计性与异常处理；
5. 确定何处需要人在环中、人在环上或人监控环机制；
6. 将工作流战略与产品价值、运营可行性、用户信任、风险暴露与组织就绪度对齐；
7. 识别工作流级指标、评估方法与反馈回路；
8. 引导团队从孤立 AI 功能迈向端到端 AI 原生工作流再设计；
9. 在试点或生产上线后建立工作流学习与持续改进机制。

关键主题

• 复杂人机协同工作流战略；
• 任务级再设计；
• 决策流；
• AI 智能体职责；
• 工具使用与行动边界；
• 工作流控制；
• 人工监督；
• 可审计性；
• 异常处理；
• 跨职能工作流再设计；
• 工作流绩效指标；
• 工作流评估；
• 运营集成；
• 反馈学习；
• 适应性工作流改进。

候选人应能产出或评估

• AI 原生工作流转型蓝图；
• 任务分配模型；
• 智能体工作流战略；
• 人工监督框架；
• 工作流风险控制模型；
• 工作流级评估标准；
• 工作流学习机制；
• AI 工作流再设计的运营影响。

AIPM-3 不涉及

• 详细 UI 流程规格；
• 底层智能体编排实现；
• 工程架构负责权；
• 企业中每个运营角色的任务再设计。

领域 4：AI 平台、架构、数据、知识与生态战略

权重：13%

领域目的

本领域验证候选人能否针对可复用 AI 平台能力、架构权衡、数据与知识基础设施、生态决策及可扩展交付能力，引导产品级战略。

学习目标

候选人应能够：

1. 评估跨多个产品或工作流的 AI 平台能力需求；
2. 区分产品应用需求与可复用平台能力需求；
3. 就涉及模型、编排、RAG、智能体、工具集成、身份、权限、监控、评估与成本控制的决策引导产品级架构决策；
4. 评估专有模型、开源模型、厂商平台、内部平台与合作伙伴生态之间的战略权衡；
5. 为可扩展 AI 产品能力定义数据、知识与上下文治理需求；
6. 识别平台碎片化、重复建设、评估不一致与治理缺口；
7. 将 AI 平台战略与产品组合优先级及企业约束对齐；
8. 用产品、业务、交付与风险的语言沟通平台与架构权衡；
9. 基于产品学习、评估结果、采纳信号、成本模式与风险发现引导平台能力演进。

关键主题

• AI 平台战略；
• 模型接入与编排；
• 智能体编排；
• RAG 与企业知识系统；
• 工具与 API 集成；
• 身份与权限管理；
• 模型路由；
• 提示词与指令管理；
• 评估平台；
• 监控与可观测性；
• 成本管理；
• 安全控制；
• 日志与可审计性；
• 厂商战略；
• 生态战略；
• 平台复用；
• 平台驱动的敏捷；
• 能力演进。

候选人应能产出或评估

• AI 平台能力路线图；
• 产品架构战略简报；
• 平台 vs. 应用决策依据；
• 模型与厂商战略；
• 数据与知识治理方案；
• 集成与依赖战略；
• 成本与可靠性权衡视图；
• AI 平台成熟度评估；
• 平台能力学习路线图。

AIPM-3 不涉及

• 底层云架构设计；
• 基础设施部署；
• 数据库管理；
• 模型训练实施；
• 安全工程实施；
• 算法研究。

领域 5：评估体系、产品智能与价值度量

权重：14%

领域目的

本领域验证候选人能否跨 AI 产品项目建立系统化的评估、产品智能与价值度量机制。

学习目标

候选人应能够：

1. 设计超越单个产品评估计划的评估体系；
2. 跨 AI 产品项目定义质量、安全、可靠性、成本、延迟、用户体验、风险与商业价值指标；
3. 针对模型、提示词、检索、智能体、工作流、工具与知识变更建立评估治理；
4. 定义质量门禁、回归测试方法与上线就绪度标准；
5. 引导创建产品智能仪表盘与高管报告机制；
6. 将评估结果与路线图决策、治理决策、组合决策及投资优先级关联；
7. 定义试点学习、生产监控、事件学习与持续改进机制；
8. 区分面向实验、上线就绪度、扩展、治理与价值实现的评估；
9. 建立评估驱动的产品运营节奏，帮助团队更快学习并负责任地扩展。

关键主题

• AI 评估体系；
• 产品智能；
• 价值度量；
• 业务结果追踪；
• 评估治理；
• 质量门禁；
• 回归测试；
• 评估数据集；
• 人工评审量表；
• AI 产品指标分类；
• 安全与风险指标；
• 成本与延迟监控；
• 仪表盘设计；
• 组合级评估；
• 高管报告；
• 反馈到路线图的回路；
• 反馈到战略的回路；
• 评估驱动的运营节奏。

候选人应能产出或评估

• AI 评估体系设计；
• 评估治理模型；
• 产品智能仪表盘概念；
• AI 产品指标分类；
• 价值度量框架；
• 质量门禁模型；
• 高管价值报告；
• 评估到路线图的决策模型；
• 组合学习机制。

AIPM-3 不涉及

• 自动化评估流水线编码；
• 超出产品领导力层面的统计研究设计；
• 完整可观测性平台实施；
• 模型基准研究；
• 数据科学负责权。

领域 6：负责任的 AI 治理、安全、安保与风险领导力

权重：14%

领域目的

本领域验证候选人能否为复杂 AI 产品项目或产品组合主导负责任的 AI 产品治理与风险领导力。

学习目标

候选人应能够：

1. 为 AI 产品组合或复杂项目定义基于风险的治理方法；
2. 建立与风险相称的产品级负责任 AI 治理机制；
3. 引导用例风险分级与治理阶段门禁；
4. 定义人工监督、可审计性、文档、升级与事件响应的期望；
5. 识别跨 AI 产品系统的安全、安保、隐私、公平、透明、可解释与问责风险；
6. 应对智能体 AI 风险，如过度自主、不安全工具使用、未授权访问、提示词注入、数据泄漏与不可信内容；
7. 将产品治理与组织价值观、客户信任、员工信任、监管暴露、运营韧性与交付速度对齐；
8. 与法务、隐私、合规、安全、风险、工程、数据、交付、业务与高管相关方高效协作；
9. 设计允许负责任学习、迭代与扩展且不绕过风险控制的适应性治理机制。

关键主题

• 负责任的 AI 治理；
• AI 产品风险管理；
• 风险分级；
• 适应性治理；
• 治理阶段门禁；
• 人工监督；
• 可审计性；
• 事件响应；
• 隐私与数据保护；
• 公平与影响；
• 安全与可靠性；
• 透明与可解释；
• LLM 与智能体系统的安保；
• 厂商与第三方风险；
• 员工信任；
• 负责任的扩展；
• 治理运营机制；
• 基于风险的交付控制。

候选人应能产出或评估

• AI 产品治理框架；
• 风险分级模型；
• 负责任 AI 运营机制；
• 产品级风险登记册；
• 高风险用例评审流程；
• 产品工作流的人工监督政策；
• AI 产品事件响应模型；
• 治理感知的交付模型；
• 高管风险简报。

AIPM-3 不涉及

• 法律意见；
• 特定司法辖区的监管解读；
• 正式合规签署；
• 安全工程；
• 渗透测试；
• 企业法律政策负责权。

领域 7：扩展、采纳、商业化与价值实现

权重：10%

领域目的

本领域验证候选人能否超越孤立试点，主导 AI 产品扩展、采纳、商业化与价值实现。

学习目标

候选人应能够：

1. 区分原型、概念验证、试点、生产、规模化与制度化；
2. 为已验证的 AI 产品项目定义扩展战略；
3. 识别与工作流变更、信任、培训、激励、运营、治理与相关方对齐相关的采纳障碍；
4. 为 AI 产品项目定义价值实现机制；
5. 将采纳指标、业务指标、运营指标、评估指标与用户信任指标关联；
6. 设计与产品情境相称的上市或内部推广战略；
7. 针对 AI 赋能变更引导客户、用户或员工沟通；
8. 识别何时应扩展、重新设计、暂停或退役 AI 产品；
9. 用产品学习与价值证据引导扩展决策。

关键主题

• AI 产品扩展；
• 从试点到生产的过渡；
• 采纳战略；
• 商业化战略；
• 内部推广；
• 客户成功；
• 变革管理；
• 用户赋能；
• 员工信任；
• 业务价值追踪；
• AI 产品的产品市场契合；
• 价值验证；
• 价值实现；
• 生命周期决策；
• 基于证据的扩展；
• 适应性推广。

候选人应能产出或评估

• 扩展战略；
• 采纳计划；
• 商业化计划；
• 价值实现框架；
• 价值验证报告；
• 推广路线图；
• 客户或员工赋能计划；
• 扩展 / 暂停 / 退役决策依据；
• 基于证据的扩展建议。

AIPM-3 不涉及

• 完整企业变革管理负责权；
• 销售薪酬设计；
• 详细定价执行；
• 产品领导范围之外的客户成功运营模式负责权。

领域 8：专业领导力、AI 原生产品敏捷、方法、手册与组织能力建设

权重：10%

领域目的

本领域验证候选人能否为 AI 产品管理构建可复用的专业实践、适应性产品方法、手册、标准与组织能力。

学习目标

候选人应能够：

1. 开发可复用的 AI 产品管理手册、模板与方法；
2. 定义将发现、交付、评估、治理、学习与价值实现整合的 AI 原生产品敏捷实践；
3. 引导团队一致地应用 AI 原生产品实践；
4. 定义跨团队的产品能力发展需求；
5. 在 AI 产品判断方面辅导或教练产品专业人士；
6. 在产品、工程、业务、治理、交付与领导力相关方之间建立共享语言；
7. 支持 AI 产品工作的人才发展、角色清晰度与能力评估；
8. 将 AI 产品项目的经验教训制度化；
9. 参与 AI 产品实践社区、标准与知识共享；
10. 帮助组织发展可重复、适应性、评估驱动、治理感知的 AI 产品能力。

关键主题

• AI 产品管理手册；
• AI 原生产品敏捷；
• 适应性产品方法；
• 产品标准；
• AI 原生 PRD 模板；
• 工作流设计模板；
• 评估模板；
• 治理清单；
• 交付与学习节奏；
• 实践社区；
• 产品领导力教练；
• 人才能力发展；
• 可复用方法；
• 产品团队成熟度；
• 组织学习；
• 知识共享；
• 专业判断力发展。

候选人应能产出或评估

• AI 产品管理手册；
• 可复用模板集；
• AI 原生产品敏捷方法；
• 团队能力发展计划；
• 产品领导力教练方法；
• AI 产品成熟度评估；
• 实践社区计划；
• 经验教训框架；
• 组织能力路线图。

AIPM-3 不涉及

• 企业人力资源系统负责权；
• 正式岗位架构负责权；
• 产品领导范围之外的完整学习与发展项目负责权；
• 学术课程认证；
• Scrum 或敏捷框架认证评估。

贯穿性主题

AIPM-3 包含若干贯穿性主题，可能出现在所有评估组件中。

不确定性下的战略性产品判断

AIPM-3 候选人须展现当技术、监管、市场预期、组织就绪度、风险暴露与产品学习信号不断演变时做出产品决策的能力。

规模化下的 AI 原生产品敏捷

AIPM-3 候选人须理解如何跨团队、组合、平台与组织构建适应性、评估驱动、治理感知的 AI 产品能力。

AIPM-3 中的 AI 原生产品敏捷并非传统敏捷流程知识，而是实现快速学习、负责任实验、基于证据决策与有纪律扩展的领导力能力。

组合与平台思维

AIPM-3 候选人须超越单个功能或产品进行推理，统筹考虑组合、平台、可复用能力、共享基础设施、通用治理与企业级产品杠杆。

以人机协同工作流作为规模化的核心单元

AIPM-3 候选人须理解 AI 原生能力通过再设计的工作流、决策权、控制、反馈回路、运营机制与可问责的人机协作实现规模化。

评估作为管理体系

AIPM-3 候选人须将评估不仅视为测试，而是视为服务于产品智能、治理、投资决策、质量控制、组合学习与价值实现的体系。

负责任的 AI 作为信任基础设施

AIPM-3 候选人须将负责任的 AI 治理融入产品战略、交付、扩展、适应性治理、风险管理与相关方信任。

组织能力建设

AIPM-3 候选人须展现构建方法、手册、学习机制、角色清晰度、运营节奏与可复用实践的能力，以帮助组织随时间发展 AI 产品能力。

高管沟通与影响力

AIPM-3 候选人须能向高管、业务负责人、技术负责人、治理相关方与产品团队清晰沟通复杂的 AI 产品权衡。

与 APD AI 原生产品经理能力模型的映射

AIPM-3 聚焦于贯穿 APD AI 原生产品经理能力模型的战略领导力。

AIPM-3 比 AIPM-2 更广更深，因为它评估的是跨组合、平台、治理体系、评估体系、适应性运营模式与组织能力的领导力。它不旨在考查基础 AI 产品术语或单用例产品执行。

与 AI 原生组织能力的关系

AIPM-3 与 APD AI 原生组织能力模型紧密对齐。

AI 原生组织需在战略、运营模式、工作流、平台、数据、知识、治理、员工能力、领导力、适应性学习与成熟度度量方面协调发展。AIPM-3 候选人须理解 AI 产品领导力如何贡献于这些组织能力。

AIPM-3 候选人应能将 AI 产品战略与以下方面关联：

• 企业价值创造；
• AI 运营模式与问责；
• 适应性治理与决策权；
• AI 原生工作流与产品交付；
• AI 平台、数据与知识基础设施；
• 可信的 AI 治理与风险韧性；
• AI 原生员工、领导力与变革；
• 评估驱动的学习与产品智能；
• 价值度量与成熟度评估；
• 行业适配与标准化。

因此，AIPM-3 不仅关乎主导 AI 产品，更关乎帮助组织发展可重复、可治理、可衡量、适应性且可扩展的 AI 产品能力。

推荐的通过候选人标准

通过 AIPM-3 的候选人应能展示其能够：

1. 跨复杂项目定义 AI 产品战略；
2. 塑造 AI 产品组合、平台或能力路线图；
3. 将 AI 产品战略与商业价值、治理、风险偏好、学习需求与组织就绪度对齐；
4. 跨产品、工程、数据、安全、法务、合规、业务、运营、交付与高管团队主导复杂相关方对齐；
5. 设计战略性的人机协同与智能体工作流方案；
6. 引导产品级的平台、架构、数据、知识与生态战略；
7. 建立评估体系、产品智能机制与价值度量框架；
8. 主导负责任的 AI 治理与产品风险实践；
9. 设计在速度、学习、治理、质量与问责之间取得平衡的适应性运营机制；
10. 支持扩展、采纳、商业化与价值实现；
11. 构建可复用的 AI 产品手册、方法、模板、运营节奏与组织能力；
12. 在模糊性、不确定性与风险下展现战略判断力；
13. 向高管与跨职能相关方清晰沟通产品战略与权衡。

通过的候选人应能在复杂组织环境中提供战略性 AI 产品领导力。

推荐的 AIPM-3 组合证据

AIPM-3 候选人应提交或讨论战略性 AI 产品领导力的证据。

推荐的组合证据可包括：

• AI 产品战略简报；
• AI 产品组合路线图；
• AI 平台能力路线图；
• 产品运营模式方案；
• 适应性治理模型；
• 人机协同工作流转型蓝图；
• 智能体工作流战略；
• AI 评估体系设计；
• 产品智能仪表盘概念；
• 负责任的 AI 治理框架；
• AI 产品风险管理方案；
• 企业知识与上下文战略；
• 上线与扩展战略；
• 采纳与价值实现计划；
• 高管相关方沟通；
• AI 产品手册或方法论；
• AI 原生产品敏捷方法；
• 能力发展或教练材料。

组合证据可来自真实职业工作、匿名化工作、模拟案例或 APD 认可的案例作业，具体取决于保密与评估政策。

推荐的战略案例作业

AIPM-3 战略案例作业应涉及复杂、多相关方的 AI 产品领导情境。

示例案例情境

候选人可能被要求应对如下情境：

• 跨多个业务单元扩展企业知识 Copilot；
• 为内部工作流定义 AI 智能体平台战略；
• 在预算与风险约束下对一组 GenAI 产品项目进行优先级排序；
• 为多个面向客户的 AI 产品建立 AI 评估体系；
• 为高风险 AI 用例再设计产品治理；
• 将若干成功的 AI 试点推向生产并扩展；
• 为受监管企业定义 AI 产品运营模式；
• 为 AI 原生工作流创建采纳与价值实现战略；
• 为多个 AI 产品团队创建适应性产品运营节奏。

候选人交付物

候选人可能被要求产出：

1. 高管级问题界定；
2. 战略性产品诊断；
3. AI 产品组合或平台战略；
4. 相关方与运营模式分析；
5. 适应性治理与决策权模型；
6. 人机协同工作流战略；
7. 数据、知识、平台与架构考量；
8. 评估与产品智能体系方案；
9. 负责任的 AI 治理与风险方案；
10. 采纳、扩展与价值实现计划；
11. 高管沟通简报。

评估标准

战略案例应依据以下方面评估：

• 战略诊断的清晰度；
• 产品判断质量；
• 与商业价值的对齐；
• 组合或平台思维；
• 工作流与运营模式理解；
• 适应性治理质量；
• AI 原生产品敏捷思维；
• 评估体系成熟度；
• 负责任的 AI 与风险领导力；
• 可行性与可扩展性；
• 相关方对齐质量；
• 组织能力思维；
• 高管沟通的清晰度；
• 在不确定性下做出权衡的能力。

专家委员会面试 / 答辩

AIPM-3 候选人应准备好在专家委员会面前为其战略思考辩护。

委员会可评估：

• 候选人为何选择某一产品战略；
• 候选人如何对相互竞争的 AI 项目进行优先级排序；
• 候选人如何在价值、风险、速度、成本、信任与可行性之间取得平衡；
• 候选人如何对齐高管与跨职能团队；
• 候选人如何构建评估与治理机制；
• 候选人如何超越试点进行扩展；
• 候选人如何构建适应性运营机制；
• 候选人如何应对失败、事件、低采纳或技术变化；
• 候选人如何将学习与能力制度化。

专家委员会应评估推理质量，而不仅是最终答案。

建议的评分量表

AIPM-3 评估应使用一套衡量领导力质量、战略深度与成熟专业判断证据的量表。

雇主解读

对雇主而言，AIPM-3 表明候选人已展示战略性 AI 产品领导力能力。

AIPM-3 意味着候选人能够：

• 跨复杂项目塑造 AI 产品战略；
• 引导 AI 产品组合、平台或能力路线图；
• 主导跨职能 AI 产品对齐；
• 建立评估、治理与价值度量体系；
• 引导负责任的 AI 产品扩展；
• 构建适应性产品运营机制；
• 与高层相关方高效沟通；
• 构建可复用的 AI 产品方法、手册与组织能力。

AIPM-3 应被视为资深 AI 产品领导岗位的有力专业信号，但仍应结合面试、推荐信、组合评审、领导力评估与组织特定要求综合判断。

建议的岗位匹配

与 AIPM-1 和 AIPM-2 的关系

AIPM-1：AI 产品经理·基础

AIPM-1 验证在指导下理解、评估并参与 AI 原生产品工作所需的基础产品判断力。

AIPM-1 在基础层面包含 AI 原生产品敏捷意识。

AIPM-2：AI 产品经理·专业级

AIPM-2 验证在真实产品情境中的应用型 AI 产品管理能力，包括机会验证、人机协同工作流设计、AI 原生需求、评估规划、适应性 AI 产品交付、负责任的上线就绪度、监控、迭代与价值实现。

AIPM-3：AI 产品经理·战略领导力

AIPM-3 验证在复杂 AI 产品环境中的战略领导力，包括 AI 产品战略、组合与平台思维、运营模式对齐、适应性治理、评估体系、负责任的 AI 治理、扩展、采纳、价值实现与组织能力建设。

AIPM-3 建立于 AIPM-1 与 AIPM-2 之上，但其评估重点不在于基础理解或单用例执行。其重点是战略判断、领导力成熟度、适应性运营能力与能力扩展。

候选人备考指引

备考 AIPM-3 的候选人应聚焦于高级应用与领导力证据。

推荐的备考活动包括：

• 研读 APD AI 原生产品经理能力模型；
• 研读 APD AI 原生组织能力模型；
• 分析 AI 产品战略与组合案例；
• 练习高管级 AI 产品沟通；
• 准备组合证据；
• 反思 AI 产品领导经验；
• 学习 AI 产品治理、风险、评估、适应性交付与扩展实践；
• 练习设计 AI 产品评估体系；
• 练习 AI 产品运营模式与相关方对齐情境；
• 练习适应性治理与产品运营节奏设计；
• 准备讨论不确定性下的产品权衡；
• 准备在专家委员会面前为战略选择辩护。

候选人无需仅凭记忆术语或敏捷框架细节备考。AIPM-3 要求基于证据的战略推理与领导力成熟度。

示例评估题

以下示例展示 AIPM-3 评估题的预期风格与难度，并非最终评估题。

示例题 1：AI 产品组合战略

你的组织在客户支持、销售赋能、内部知识搜索、人力资源运营、软件工程生产力与财务分析方面有十个 AI 产品试点。三个试点演示表现强劲，但只有两个有可衡量的业务结果。治理成熟度低，平台能力碎片化。

准备一份高管建议，涵盖：

• 哪些项目应扩展、暂停、合并、重新设计或退役；
• 应采用哪些决策标准；
• 需要哪些平台能力；
• 如何标准化评估与治理；
• 产品团队如何从试点结果中学习；
• 如何度量价值实现。

示例题 2：企业 AI 智能体战略

某业务单元希望部署能检索客户数据、更新 CRM 记录、起草邮件、创建支持工单并触发工作流动作的 AI 智能体。高管追求速度，而安全与法务团队担心未授权动作与数据泄漏。

准备一份产品领导力应对方案，包括：

• 智能体工作流边界；
• 权限与审批模型；
• 风险分级；
• 人工监督战略；
• 评估与监控要求；
• 适应性推广战略；
• 治理检查点；
• 相关方对齐计划。

示例题 3：AI 评估体系设计

一家公司有多个由不同团队构建的 AI 助手。每个团队使用不同的评估方法、成功指标与上线标准。领导层无法跨项目比较产品质量、风险或价值。

设计一套产品级 AI 评估体系，包括：

• 通用评估维度；
• 产品特定的指标定制；
• 质量门禁；
• 回归测试方法；
• 人工评审量表；
• 产品智能仪表盘；
• 治理报告；
• 反馈到路线图的机制；
• 反馈到组合的机制；
• 评估驱动学习的运营节奏。

示例题 4：负责任的 AI 治理领导力

一款面向客户的 AI 产品生成会影响财务决策的建议。该产品市场潜力强劲，但存在关于公平性、可解释性、数据隐私、人工监督、监管暴露与快速上市业务压力的顾虑。

准备一份治理与产品领导力计划，包括：

• 风险分级；
• 透明与监督的产品要求；
• 评估与公平性考量；
• 升级与申诉机制；
• 上线就绪度控制；
• 适应性治理检查点；
• 上线后监控；
• 高管决策建议。

示例题 5：AI 产品团队的适应性运营模式

一家企业有多个产品团队在试验 AI 功能。团队推进很快，但质量标准、评估方法、数据访问政策、治理评审与平台复用不一致。一些团队抱怨治理拖慢创新，而风险负责人认为产品团队推进过快。

准备一份 AI 原生产品运营模式方案，包括：

• 决策权；
• 产品治理触点；
• 评估与质量门禁；
• 平台复用机制；
• 团队学习节奏；
• 基于风险的评审模型；
• 反馈到战略的机制；
• 如何平衡敏捷与控制。

公开认证声明

以下声明可用于 APD 研究院认证页面：

AIPM-3：AI 产品经理·战略领导力验证在复杂组织环境中塑造、治理、评估并扩展 AI 原生产品与产品能力的战略领导力。它面向有经验的产品领导者，引导 AI 产品战略、组合、平台、适应性运营模式、评估体系、负责任的 AI 治理、采纳、价值实现与组织能力建设。

AIPM-3 是 APD 认证 AI 产品经理路径中的战略领导力级别。

认证说明

AIPM-3：AI 产品经理·战略领导力是由 APD 研究院颁发的专业认证。它基于 APD AI 原生产品经理能力模型，并与 APD 更广泛的 AI 原生组织能力模型对齐。

本认证不代表政府许可或正式认可的国际标准。APD 研究院可能随时间更新认证结构、资格规则、评估方法、组合要求、评分量表、有效期规则与考试内容。

总结

AIPM-3 旨在验证战略性 AI 产品领导力。

它验证候选人能够塑造 AI 产品战略、引导组合或平台、对齐运营模式与相关方、设计复杂人机协同与智能体工作流战略、建立评估体系、主导负责任的 AI 治理、构建适应性产品运营机制、扩展 AI 产品能力、推动采纳与价值实现，并构建可复用的专业方法与组织能力。

AIPM-3 是 APD 认证 AI 产品经理路径中的战略领导力级别。