最近李宏毅教授的 AI Agent 的影片，在技術圈引發不少討論。
youtube.com/watch?si=iO9uZVzjhVOjbCdu&t=1231&v=2rcJdFuNbZQ&feature=youtu.be一個教授用非常白話的方式解釋 AI Agent 到底在做什麼，連我這個非技術背景的 PM 看了都覺得豁然開朗。
1.先搞懂語言模型在做什麼
語言模型真正做的事情，其實就是「文字接龍」
你輸入「歡迎大家來上機器學」，它預測下一個字是「習」。就這樣。ChatGPT、Claude、Gemini，這些你每天在用的 AI，本質上都是在做一件事：根據你給的文字，預測接下來最合理的字是什麼。
聽起來很簡單，但這個能力被放大到極致之後，它就能寫文章、寫程式、回答問題、分析資料。
語言模型很厲害，但它有一個根本限制：它只能輸出文字，沒辦法主動做任何事。
你問它「幫我查一下競品最新的功能」，它只能回答你「好的，我建議你去哪裡查」。它自己不會去查。
3.那 AI Agent 是什麼？
AI Agent 就是讓語言模型「長出手腳」。
給語言模型一些工具，讀檔案、寫檔案、開網頁、發訊息，然後讓它自己決定什麼時候用哪個工具，把任務從頭跑到尾。
舉個例子，你給 Agent 一個任務：「去讀 question.txt 這個檔案，找到問題，把答案寫到 ans.txt 裡。」
Agent 不是把這句話「理解」然後告訴你怎麼做。
它是真的去開那個檔案、讀內容、思考答案、寫入另一個檔案。全部自己來。做完了，它通知你：「主人，任務完成。」
這就是 AI Agent 跟一般 ChatGPT 對話最根本的差別：不是你問它回答，是你交代它執行。
最近很火的開源專案 OpenClaw 就是這個邏輯，你用 WhatsApp 或 Telegram 發一個指令，它在你的電腦上把事情辦完，再回來報告。你可以去開會、去吃飯，回來看結果。
2.所以，這跟 PM 有什麼關係？
看完影片我做了一件事：把自己每週的工作清單列出來，然後問一個問題
這件事，我真的需要親自做嗎？
答案有點讓我不舒服。
我們 PM 有很大一部分的工作，其實不需要判斷力，只需要執行力。不是「跑腿」那種執行，而是有一定複雜度、需要花時間、但邏輯上可以被拆解成步驟的工作。這類工作吃掉了我們大量的時間，卻沒有創造真正屬於 PM 的價值。
AI Agent 擅長的事情，剛好就是這些。
4.判斷框架：這件事「需要什麼能力」？
要判斷一件工作適不適合交給 Agent，我用一個簡單的問法：
如果你要把這件事交給一個剛入職的新人，你需要教他什麼？
如果答案是「我需要教他怎麼看人臉色」、「我需要教他怎麼在這個組織裡斡旋」、「我需要教他什麼時候要堅持、什麼時候要讓步」這件事不適合 Agent。
如果答案是「我需要教他去哪裡找資料」、「我需要教他用什麼格式整理」、「我需要教他每隔幾天發一次更新」這件事 Agent 可以做。
說得更直接：需要情境判斷的工作，留給你自己。需要資訊處理的工作，交給 Agent。
5.PM 工作清單大拆解
- Agent 可以做（高度適合）
競品追蹤 每週去固定的幾個地方 : 競品的 release notes、App Store 評論、對方的 LinkedIn 招聘動態——整理成一份摘要。邏輯清晰、來源固定、格式可以標準化。你告訴 Agent 去哪裡看、看什麼、怎麼回報，它自己去跑。
會議記錄整理 會議錄音轉文字之後，整理成「決策事項 / 待辦事項 / 未解決問題」三欄。不需要判斷，只需要分類。Agent 做這件事比大多數人還快。
進度追蹤提醒 每週一早上自動去 Jira 或 Notion 拉一次票的狀態，整理成「卡住的 / 延遲的 / 本週到期的」清單，發到 Slack 或傳給你。純粹的資料彙整，沒有任何判斷成分。
定期報告產出 每個月自動把幾個固定指標的變化拉出來，加上同期比較，發給相關 stakeholder。報告的骨架是固定的，Agent 負責填肉。
- Agent 可以做一半
需求文件初稿 Agent 可以把「一段話描述的需求」展開成 PRD 的基本框架。但你需要判斷這個需求值不值得做、優先序在哪裡、邊界條件是什麼。Agent 給你骨架，判斷是你的事。
用戶回饋分類 Agent 可以把一千筆 NPS 開放題回饋，按主題分類整理。但哪個問題值得優先解決、哪個抱怨背後是更深的需求——這需要你來讀懂。
競品分析框架填充 Agent 可以把競品的公開資料整理進你給的分析框架。但「所以我們的差異化策略是什麼」，這個問題 Agent 回答不了。
- Agent 不適合做
用戶訪談 訪談的核心是「聽懂沒說出來的話」。用戶說「還好啦」的時候，你要知道那是真的還好、還是不知道怎麼說。這需要人的敏感度。
跨部門溝通與談判 讓工程師接受一個他覺得不合理的 deadline，說服老闆把你的提案排進下季 roadmap。這些需要讀懂對方的顧慮、知道在哪個點退讓。這是純人的工作。
優先序決策 「這個功能先做還是那個先做」的核心是策略判斷：你賭什麼、你放棄什麼、你在哪個時間點下注。這種決策帶有你對整個產品方向的信念，Agent 沒有信念。
危機處理 出了大問題的時候，你需要的不是資料彙整，是判斷：現在要說什麼、不說什麼、先安撫誰、怎麼讓大家繼續信任你。
6.PM 存在的價值，在哪裡？
說穿了，AI Agent 可以外包的工作，就是「有標準答案」的工作。
你的工作裡，有很大一部分其實是有標準答案的。承認這件事不可恥，但如果你把所有時間都花在那些有標準答案的事情上，你就在用 PM 的薪水做工讀生的工作。
真正屬於 PM 的，是那些沒有標準答案的問題：這個產品接下來要往哪裡走？這個用戶的需求背後，真正沒被滿足的是什麼？這個組織在這個時間點，能做的最重要的事是哪一件？
AI Agent 接管資訊處理，不是要取代你，是要讓你有更多時間去面對那些真正難的問題。
