如何使用本教材
参考
核对日期：2026年10月22日。 本书引用的官方文档（Anthropic、OpenAI、Google、NIST、AWS）与法律法规（韩国国家法令信息中心的《关于促进人工智能发展与建立信任基础等的基本法》（韩国《人工智能基本法》）[施行 2026. 7. 21.] [法律 第21311号, 2026. 1. 20., 部分修订]及同法实施令 [施行 2026. 8. 20.] [总统令 第36580号, 2026. 8. 18., 依据其他法律修订]、韩国《个人信息保护法》[施行 2026. 9. 11.] [法律 第21445号, 2026. 3. 10., 部分修订]及同法实施令 [施行 2026. 9. 11.] [总统令 第36671号, 2026. 9. 10., 部分修订]），均于当日查阅原文并完成整理。厂商文档与法律法规会发生变化。在做出实际决策之前，请务必再次核对当天的原文。本书对法律法规的说明仅为学习总结，不构成针对特定业务的法律意见。
本书适合谁
本书专为规划AI功能的人员而写。主要读者群体包括服务规划师与产品经理、负责筛选AI落地课题并排定优先级的业务负责人，以及需要制定AI功能发布标准的产品负责人。本书不探讨如何训练模型或编写代码。这些工作交由开发人员负责，本书探讨的是向开发人员提出具体构建需求，并判断开发完成的内容是否可以正式发布的人员所承担的工作。
AI功能的规划与传统功能的规划有两点不同。第一，输出结果具有概率性。即使面对相同的输入，得到的回答也可能略有差异；无论设计得多么出色，总会出现一定比例的错误。因此，不能仅凭口头承诺“运行良好”，而必须以量化数字进行定义，并通过评估予以确认。第二，应对失败是规划工作的一部分。普通的按钮要么能点击要么不能点击，但AI却会给出看似合理却实际错误的答案。当AI出错时，用户会看到什么、由谁介入、如何制止，都必须从一开始就进行设计。
具备黄带（AI提问法）水平的理解能力与服务规划经验便已足够。即使缺乏规划经验，书中在专业术语首次出现时均已作了解释，确保读者能够轻松跟上。学完本书后，您应当能够独立制作出以下五项交付成果：AI适用性判断备忘录、包含可量化成功标准的需求文档、评估计划书、失败类型应对表、分阶段发布计划书。各章的实操练习将引导您逐一完成这些交付成果。
本书结构
正文共分五章，顺序与考试领域保持一致。完整贯穿了一项AI功能从创意萌芽到实际运营的全过程。
| 章节 | 探讨的问题 | 交付成果 |
|---|---|---|
| 第1章 AI适用性判断 | 该问题是否需要AI？如果需要，应采取何种形式？ | AI适用性判断备忘录 |
| 第2章 需求与成功标准 | 接收什么输入、返回什么输出？做到何种程度算成功？ | 需求文档与发布基准表 |
| 第3章 评估设计 | 通过何种数据与评分方式来验证这一标准？ | 评估计划书 |
| 第4章 失败应对与人工监督 | 出错时用户会经历什么？由谁介入？ | 失败类型应对表 |
| 第5章 发布与运营 | 发布规模多大、按何种顺序发布？何时终止？ | 分阶段发布计划书 |
各章均由十个小节构成：学习目标、引言、核心概念、深入阅读、工作场景、易错点、要点速览、查阅官方文档、自测、实操练习。核心概念全面覆盖考试范围内的知识与技能；深入阅读剖析容易引发分歧的边缘案例与权衡取舍；工作场景则展现虚构组织从面对问题到做出决策的全过程，甚至包含最终放弃的备选方案。
附录中包含术语表（A）、自测解析（B）、考试当日指南（C）以及本书引用的官方文档清单（D）。初读时建议按章节顺序依次研读，复习时建议先阅读各章的“要点速览”与“易错点”。
考试概览
AI服务规划（APM）是一门专项课程。专项考核需在60分钟内完成35道题目。考察单一原则的确认或应用的题目每题2分，需综合考量多个条件的分析型题目每题3分。所得分数换算为100分满分制后的原始分达到75分以上即为合格，成绩单上还会根据分数区间同时标注1~9等等级。免费练习题集包含10道题目，作答时间为25分钟。
| 章节 | 考核领域 | 占比 |
|---|---|---|
| 第1章 | AI适用性判断 | 20% |
| 第2章 | 需求与成功标准 | 20% |
| 第3章 | 评估设计 | 25% |
| 第4章 | 失败应对与人工监督 | 20% |
| 第5章 | 发布与运营 | 15% |
占比最大的考核领域是评估设计。但在实际考试中，各个领域的考点往往交织出现。发布类题目的正确答案出自成功标准（第2章），或是失败应对类题目的正确答案源自AI适用性判断（第1章）的情况十分常见。与其按章节单独死记硬背，不如将其作为一个完整的逻辑脉络来理解：“是否需要、何为成功、如何验证、出错如何应对、如何发布”。
题目是这样的
题目共有五种呈现形式。大多数题目会先呈现虚构组织所处的情境，然后针对该情境询问最恰当的判断或措施。
| 题型 | 形式 | 评分 | 解题技巧 |
|---|---|---|---|
| 单项选择 | 5个选项中选出1个正确答案 | 答案完全一致 | 首先在情境中找出加粗显示的条件（吞吐量、是否可逆、数据、截止时间） |
| 多项选择 | 5~6个选项中选出2~3个 | 选出全部正确答案且未选任何错误选项方为正确 | 独立判定每个选项的真伪 |
| 论断判断 | 对每项陈述判断 Yes/No | 判断与理由均正确才计为 Yes | 即使结论正确，若理由错误也判定为 No |
| 排序题 | 将4~5个步骤按先后排序 | 整体顺序完全一致 | 依据“前一步骤的结果是否为下一步骤的输入”进行排列 |
| 配对题 | 将左侧项目与右侧选项进行连线 | 全部配对完全正确 | 先排除有把握的配对，并牢记会存在一个多余未用的选项 |
考核卷会将所有题目转化为选择单个编号（①~⑤）的形式呈现。多项选择与论断判断是从〈选项〉框给出的组合中选择一项，排序与配对则是从备选的顺序或配对组合中选择一项。
在本次考试中有一点需要格外注意：同一组选项可能会应用于不同的情境，且随着情境的不同，正确答案也会发生变化。 例如，“所有结果均由人工审批”对于一旦发送便无法撤回的少量公文而言是正确答案，但对于出错后能够立即更正的大批量标签处理工作而言则是错误答案。试卷题目的设计机制正是如此：若仅看选项就挑选看似最负责任的做法，必定会选错。请务必先审读情境中的具体数字与约束条件，推敲正是这些条件决定了应当选择哪一个选项。
错误选项通常通过三种方式设置。第一，将适用于其他情境的正确实践生搬硬套到当前情境中（如：对易于撤回的工作进行全量人工审批、在缺乏基准的情况下进行自动评分）。第二，选择超出必要限度的过重解决方案（如：在数值计算中使用LLM、在简单分类中使用智能体）。第三，偷换指标与业务目标（如：因准确率高而认为无需格式验证、用点击次数替代转化率）。各章的“易错点”小节将分章节梳理这三类错误类型。
六周学习计划
本计划按每天40~60分钟、每周5天制定。若具有丰富的规划经验，亦可将第1周与第2周合并。每周结束时，都应当沉淀出切实可用的交付成果。
| 周次 | 范围 | 学习任务 | 交付成果 |
|---|---|---|---|
| 第1周 | 第1章 | 从当前负责的业务中挑选五个AI候选课题，置于“解决方案阶梯”上进行考量 | AI适用性判断备忘录 |
| 第2周 | 第2章 | 阅读Claude文档中的成功标准示例，将其中一个课题的标准转化为量化数字 | 需求文档与发布基准表 |
| 第3周 | 第3章前半部分 | 从实际记录中抽取30个评估样本并标注预期结果 | 评估数据集初稿 |
| 第4周 | 第3章后半部分、第4章前半部分 | 确定评分方式，并将失败案例归纳为不同类型 | 评估计划书、失败类型清单 |
| 第5周 | 第4章后半部分、第5章 | 研读Google SRE中的金丝雀发布章节以及NIST AI RMF Manage部分 | 失败应对表、分阶段发布计划书 |
| 第6周 | 全面复习 | 重做自测题，并完成免费练习题集 | 错题本、附录C检查清单 |
要点
请结合实际工作中的某项具体功能来制作交付成果。由于考试主要考察“在这种情境下应当首先做什么”，亲自将自己负责的功能从头至尾完整规划过一遍的人，往往能够最快找到正确答案的依据。
表述与出处原则
出处与核对日期。 各章的“查阅官方文档”小节与附录D中列出了本书作为依据的所有页面。核对日期均为2026年10月22日。若文档内容发生变更，以最新文档为准。
厂商名称与功能名称。 产品与功能名称均保留官方文档的原始表述（例如：Message Batches API、structured outputs）。由于模型名称与价格变动频繁，仅在解释原理不可或缺时方会结合核对日期进行标注。
法律法规表述。 《关于促进人工智能发展与建立信任基础等的基本法》简称为《人工智能基本法》，韩国《个人信息保护法》简称为《个人信息保护法》。法条条款表述为“第31条第1款”。
虚构组织。 正文中出现的公司与机构均为虚构名称。如有与实际组织同名者，纯属巧合。
提示框。 参考（NOTE）提供补充背景，要点（TIP）提示务必牢记的事项，注意（WARNING）警示易引发事故的高风险点，实操（EXAMPLE）为需要亲自动手实践的课题。