当身边所有人都在谈论AI时，一位26岁的谷歌软件工程师已经完成了职业生涯的关键一跃——从普通软件工程师成功转岗至Workspace AI团队。梅特里·曼加尔的故事并非一夜成名的神话，而是长达一年的系统性规划与坚持。她的经历为所有渴望踏入AI领域的人提供了一份可复制的路线图。

2019年，初入职场的梅特里对父亲“投身AI”的建议不以为然。那时，AI似乎还是博士们的专属领域。然而，2023年生成式AI的爆发性增长改变了一切。“当整个行业开始转向时，我知道是时候行动了。”她发现，仅仅有技术能力还不够，建立强大的个人品牌和行业影响力，是让他人认真看待你转型决心的关键。这促使她开始一边学习，一边在社交媒体上创作AI相关内容。

梅特里的成功转型建立在三个可操作的支柱上：

1. 系统性学习：每天雷打不动的“两小时定律”她利用谷歌内部课程和Coursera等平台，从《生成式AI导论》、《提示词精要》等基础课学起。凭借计算机科学背景，她进一步深入线性回归、向量分析等核心概念。关键不在于“看了多久”，而在于“吸收了多少”。她强调：“仅仅阅读是不够的，你必须能把它讲出来。”

2. 内容创作：以教为学，打造个人品牌2024年春，她开始在Instagram和LinkedIn上分享AI知识。这成了转型的催化剂。创作迫使她将模糊的概念梳理清晰，而粉丝的评论和提问则推动她不断深化理解。“当看到自己的内容真的能帮助他人时，学习的动力完全不同了。”内容账号也成了她申请内部转岗时最有力的“能力证明”。

3. 项目实践：将知识转化为解决问题的能力“课程教你理论，项目给你真刀真枪的经验。”她建议，无论课程中的迷你项目，还是自主构思的AI小应用，都要亲手做一遍。这些项目不仅是学习工具，更是简历上最具说服力的部分。她在内部申请时提交的简历，就重点突出了这些实战项目。

梅特里特别指出，想进入AI领域，首先要明确方向：

AI/ML工程师：负责核心——创建、训练和评估模型。

AI软件工程师（她的角色）：负责将AI能力集成到实际应用中，构建API和基础设施，将模型交付给最终用户。

后者对于拥有传统软件开发经验的人来说，往往是更平滑的转型切入点。

基于自身经验，梅特里为不同背景的从业者提出了建议：

给初入行者：“从项目入手。”立即开始一个AI小项目，哪怕只是调用一个API。在动手过程中遇到问题，再针对性地学习。保持对行业新闻的敏感度，同时打好数学和编程基础。

给在职开发者：利用好公司内部资源。像谷歌、微软等大厂都有丰富的内部AI课程。每天固定1-2小时学习时间，持之以恒。主动结识公司内的AI团队人员，了解他们的实际工作。

给非内容创作者：“如果你不想做内容，完全没问题。”她的替代方案是：组建或加入学习小组。与志同道合的同事或朋友定期讨论，互相讲解概念、审查代码，同样能达到“以教促学”的效果。

通用心法：转型不是一场冲刺，而是一场马拉松。她至今仍保持每天约一小时的技能提升。在AI这个日新月异的领域，“持续学习不是一种选择，而是一种必需。”

梅特里·曼加尔的旅程概括起来是一条清晰路径：意识觉醒 → 体系化学习 → 输出巩固（内容/项目）→ 内部 networking → 把握机会。她的故事证明，在AI时代，职业生涯的转向并非遥不可及，它需要的是战略性的规划、日复一日的坚持，以及将知识转化为价值和影响力的行动力。正如她所说：“如果你已经花了大量时间学习和创作，那么，请务必让你的努力被看见。”

现在，你的第一个两小时，可以从哪一门AI基础课开始？