過去幾個月參加不少產品經理活動，發現 AI 時代下將產品團隊切成兩種類型 (1) AI 焦慮的團隊急迫地擁抱 AI，PM 和 RD 全面導入 AI 工具、(2) AI 無感的團隊有導入 AI，但偏向個人使用。
兩種角色的情況不同：- 全面導入 AI 的團隊：「AI 工具更新太快了，下周又有新的模型和 AI 工具要看，工作流程也要看需不需要跟隨 AI 調整」
- 部分導入 AI 的團隊：「沒有人來統領 AI 導入計畫，現在團隊都是各自生長，沒使用 AI 的話也不影響既有工作流程」
對 Junior PM 來說，AI 讓 PM 的起跑點看起來相同，只要願意嘗試使用 AI 工具就能追上；但對 Senior PM 來說，開始衍生另一個嚴肅的議題「當 AI 應用到日常工作，產品經理如何透過 AI 加速做決策」。
⠀⠀
一、AI 讓 PM 的「翻譯成本」降低了
⠀⠀
關於 AI 加速軟體開發這件事，PM 圈的討論大致分兩派：(1) 派強調「PM 也要會寫 code」、(2) 另一派強調「PM 應該更聚焦在策略」。
在選邊站之前，先問一個更基礎的問題：過去 PM 的時間都花在哪裡？
通常是「翻譯」。
⠀⠀
拆解一個產品經理的工作時間，大概是這幾類：
- 將利害關係人的不同意見，翻譯成共同語言後持續對齊
- 將上層的期待或隕石需求，翻譯成 Junior PM 可理解的產品走向
- 將陌生的市場需求，翻譯成產品接下來的產品路線圖和戰略
- 將模糊的需求寫成清楚的 PRD，翻譯成工程團隊看得懂的語言
- 將設計師對於產品畫面的想像，翻譯成用戶任務
- 將即將上線的產品功能，翻譯成一個可對外宣傳的產品新聞稿
這些事情都很重要，也都需要技能，但它們的本質其實是同一件事：翻譯。把模糊的東西翻譯成清楚的、把模糊意圖翻譯成其他人可聽懂的。
那些被視為「強 PM / 資深 PM」的人，多半也是翻譯能力強的人。
⠀⠀
但 AI 出現後，AI 正在把翻譯成本降到很低，怎麼說？
- 產品論述：為什麼做、為了誰而做、做了有什麼效益，過往是最能看出一個 PM 是否合格的基準之一，但現在只要把脈絡丟給 AI，AI 能更精準來論述產品。
- 寫 PRD：以往可以看出 PM 是否能清楚表達需求、思考是否周全、是否對於產品熟悉等一個考核標準，但現在幾乎都是 Claude 來寫 PRD 或 User Story。
當「翻譯」不再是 PM 的核心技能，那 PM 還剩下什麼技能是稀缺且必須的？
但在回答這個問題之前，還可以再思考另一個面向：「PM 工作有一部分被 AI 取代，但同時 PM 能做的事情，也正在大幅擴張」。
⠀⠀
二、AI 讓 PM 的「能力邊界」擴張了
⠀⠀
過去這一年我自己工作最明顯的變化，可以用一個粗糙的比喻：PM 在技術能力上突然多了左右手。
【左手：寫 Code 與動手實作的能力】：
- 過去：要規劃一個功能，要先寫好 PRD，找設計師討論畫面，再約工程師釐清現有架構、估算改動範圍。
- 現在：PM 可以透過 Lovable、Pencil、Claude Design 等 AI 設計工具直接產出 Prototype，直接跳過 Wireframe、Mockup 階段，後續若有 Github 權限，更能直接使用 Claude Code 進行開發，雖然 PM 一開始仍無法馬上看懂每一行程式碼，但已經足夠讓 PM 和工程師討論更具體的實作環節，甚至 Claude Code 也可以提供修改範圍和風險。
【右手：即時數據與異常觀測能力】
- 過去：要找尋「為什麼這個功能在某個操作情境有異常」，要開票進到產品團隊排隊釐清，順利的話 2–3 天能拿到答案。
- 現在：我在的產品團隊直接在 Mac Mini 安裝 OpenClaw，整合到 Slack APP 並給予 Read-only 的 DB 與 log 權限，PM 在 Slack 直接貼上 ticket id 、或是描述問題，幾分鐘內就能拿到分析結果或看到 log 紀錄，釐清一個事件從 48 小時壓到 5 分鐘內，不必再排 ticket 等工程師看。
⠀⠀
上述兩個情境都指向同一件事：PM 的判斷不再卡在資訊取得。
過去擔任產品經理時，常面臨一種困境「直覺某件事不對，但為了要拿到佐證，需要開單請工程師看 Code 或檢查邏輯是否有錯」，但現在這個資訊落差幾乎被弭平了。
但這裡有個反直覺的點，也是我想整理的一個點：「能力擴張不會自動轉成更好的決策」，AI 把讓 PM 擁有更多資訊，但如果產品判斷力沒跟上，只會用這些權限和資訊去做出更多錯的判斷。
那個判斷是指什麼？以現在 PM 社群在討論的，就是 (1) 訂定假說、(2) 產品品味。
⠀⠀
三、AI 讓 PM 的「訂定假說」更容易
⠀⠀
之前的產品團隊對於「要做什麼、要解決什麼問題」的前期假說設定非常嚴謹，必須要經過層層的用戶調查、產品辯論、效益評估，才能決定要不要做，原因也很能理解，因為功能做下去就要花 1–2 個月，對於產品團隊來說，無法接受做完才發現功能不符用戶需求。
但現在很多功能 2 周就能做出來，重做也就 3–5 天，對於假設錯誤的容錯空間變大了。
- 開發成本昂貴的年代：一年大概能跑 12 次完整的功能週期（假設每個功能都做 1 個月），每次都能學到東西，因為每次都是仔細討論的結果。
- 開發成本便宜的年代，一年可以經過 50 次的功能週期，但這 50 次裡有多少是「真的學到東西的迭代」，要看 PM 的假設品質。
開發成本下降不會讓學習成本下降，不是指「假設可以更輕易」，而是「假設品質直接決定 PM 的學習曲線」，每次做錯決策都是浪費開發。
⠀⠀
但什麼叫「制定高品質的產品假設」，用幾個維度判斷：
- 業務願不願意一起賣這個功能：以 B 端產品為例，一個低品質假設像是：「PM 覺得加上 OO 功能，客戶就願意付費買單或續約」，這個假設不是錯，但最常接觸客戶的是 BD / AM，PM 需要先透過 BD / AM 收集「客戶不續約的原因有哪些」，先收集市場聲音，再來訂出產品假說。
- 功能能不能帶來實質數字效益：以 B 端產品為例，「這個功能會提升使用者體驗」只是猜想，但「這個功能會讓首週留存從 X% 提升到 Y%」才是假設，任何結果都能被主觀解讀成「有提升一點」但也等於沒有假設。
- 失敗時能不能學到東西：有些假設驗證失敗，可以透過 A/B Test 學到「使用者其實在意的是另一件事」，設計假設的時候要問自己「如果這個假設是錯的，我能否更懂用戶和產品」。
AI 很容易針對產品現況去擴寫產品路線圖，以可以去歸納出潛在的用戶輪廓，但最終仍只有 PM 才能和第一線的 BD / AM / CS 去挖掘用戶真正的痛點和需求，在「能不能做出好假設」這件事上，會讓資深 PM 的價值更被放大。
⠀⠀
四、AI 讓 PM 的「產品品味」更稀缺
⠀⠀
過去開發成本高，所以選擇有限，PM 不會輕易丟出三個功能版本同時都做；但開發成本變低之後，決定「要做什麼、什麼不做」變成 PM 在探討的話題。
在 AI 設計工具可以數分鐘內產出 Prototype 的年代，可以用 AI 針對某個場景做出五個功能原型。
但接下來怎麼選？這就是品味的時刻。
哪一個對使用者比較好？哪一個跟產品整體調性比較合？哪一個有利於產品長期迭代？哪一個版本其實根本不該考慮？
缺少產品品味的人，會在這五個版本之間糾結，最終選出一個主觀上看起來好用的版本。
⠀⠀
品味這件事我會這樣定義：對「用戶路徑友善」的直覺判斷，加上對「產品迭代」的長遠思考，最終收斂出「必須要做什麼、不做什麼」的清晰立場。
前者是產品審美，後者是產品洞察。
- 審美不只要「哪個畫面好看」而是要能講出功能的「決策邏輯」，像是這樣設計如何有利於用戶操作。
- 洞察的另一個面向是拒絕，PM 的工作裡至少一半的時間花在拒絕 — — 拒絕 短期看起來合理但長期會傷產品的客製化方案、拒絕會產生技術債的功能堆砌。
跟制定假設一樣，產品品味也不是工具能立即補上，AI 可以告訴 PM「這個介面的邏輯是什麼」，但最終判斷的還是回到 PM 身上。
⠀⠀
五、AI 讓 PM 的「注意時間」更稀缺
⠀⠀
開發成本便宜的年代，PM 很容易把時間花掉，常見的模式包含：
- 試玩工具：新的 AI 工具每周都有，很常要花時間去試 Cursor、Claude Cowork、Claude Code，玩工具本身很佔時間。
- 親自動手：因為 PM 現在也能改 code，包含我自己每天都會花一點時間在「我自己改一下這個小功能」。
- 長線判斷：AI 的副作用是回饋速度提升了，短時間會從 AI 獲得各種資訊，包含競品分析、產品建議，一不小心會失去長線判斷力，所有重要的產品決策都需要靜下心來仔細思考。
我自己現在的時間分配：
- 2 hr 和 AI 持續審視產品現況：一直和 AI 討論產品趨勢、海外產品發展樣貌、整理不同競品的特色，收斂出一包參考資源作為接下來的產品決策依據。
- 2 hr 和 AI 釐清需求範圍：針對上述透過 Claude Code 去了解現在產品架構，了解修改幅度和預估時程。
- 1–2 hr 透過 Claude Code 開發：過往很多小票要另外整理成 PRD，都可以自己和 Claude 對話去發 PR。
- 1–2 hr 利害關係人會議：剩下時間都在和不同利害關係人的會議，持續從 BD / AM / CS / 客戶身上收集產品回饋。
⠀⠀
六、AI 如何讓 PM 價值更突出？
⠀⠀
回到文章開頭：當 Senior PM 跟 Junior PM 都用同一套 AI 工具，產品經理價值要怎麼被看見？如何透過 AI 加速做決策？
我不認為答案是「Senior 的 Prompt 寫得比較好」，雖然這在短期裡是真的，但這個差距很快就會被追上。
我認為真正的差距在於 Senior PM 做的決定更精準。
當什麼都能做，做了一堆不重要的功能是最浪費的事，Senior PM 的價值會體現在「我們堅持不做的事是哪些」、「我們在 3 個月前看到一個明顯的商機並提早準備了」。
前一篇文章提到 Senior PM 的價值在於：「透過調研與邏輯，將模糊的大問題，拆解成可執行的行動方案」，但我想要修正文字：
「透過調研與邏輯，將模糊的大問題，拆解成可迭代的長期解決方案」。
Senior PM 不在於「能做出什麼」，而在「能不做什麼」、「能在別人之前看到什麼」、「能在所有訊號都模糊的時候錨定正確的方向」，這幾件事的本質是承擔責任，AI 可以給你一百個建議，但建議的後果不需要它承擔。
產品決定的後果由 PM 承擔，在這個層次上 PM 的工作不是「做出最好的東西」，而是「在不完整的訊息下，做出 PM 可以承擔後果的決定」。
⠀⠀
如對這系列文章有興趣可以再觀看：
