AI让人人都能做产品之后，真正稀缺的是什么？

AI让想法落地变得极简，却让判断与协作成为新难题。本文从个人、团队到组织，带你拆解AI时代的生存法则：珍贵的不再是头衔，而是人人必备的“产品力”。

———— / BEGIN / ————

十几年前，“人人都是产品经理”，是在邀请更多人，用产品思维去理解和改善身边的世界。今天，AI让这种意识有了直接行动的条件。

9月24日，在云栖大会“AI时代，人人都是产品经理”分论坛的圆桌上，我问了大家一个问题：都说AI提效，用了AI之后，工作时间减少的人有多少？

举手的人不多。几位嘉宾也谈到，具体任务确实变快了，只是省下来的时间，又被更多尝试、打磨和协作填满了。

这正是我策划这场活动时想讨论的：看到问题的人，现在可以先做一个原型，拿给别人试一试。但当更多人有能力把东西做出来，什么才值得做，怎样才算做好？个人、团队和组织又该如何应对？

这场活动由阿里云与湖畔良仓联合出品、人人都是产品经理社区协办。我作为《人人都是产品经理》丛书作者担任主持，邀请三位嘉宾，从个人与小团队、传统企业、大型科技企业的实践出发，重新聊聊“人人都是产品经理”。

我在开场时用三个词概括这种变化：

执行下沉、判断上浮、边界消融。

具体意味着什么？不妨从“一个人”开始看。

图1｜苏杰在开场分享中提出：执行下沉、判断上浮、边界消融。

01. 一个人能做得更多，首先要学会判断什么值得做

Shirley是APEA青年领袖、大厂／初创AI产品专家。她既做过团队里的AI产品，也在搭建自己的个人写作系统。两种实践里，她都遇到一个问题：执行变容易之后，怎样知道自己在往对的方向走？

图2｜Shirley在现场分享如何构建AI产品判断力。

她在PPT里写道：“当生产力不再是瓶颈，判断力就是一切。”这里的判断力可以拆成三个问题：做之前，什么值得做？做出来以后，怎样判断能不能用？用起来之后，接下来改什么？

做之前：用原型判断，这个方向值不值得继续

在Lovart的产品实践中，Shirley发现用户生成网站、PPT之后，往往还要修改文字、数字、图片和布局。静态图片可以很漂亮，但接下来的修改仍然很麻烦。“效果好看”和“方便继续使用”，是两种不同的需求。

为了探索Coding Agent能否改善这个问题，她先做了一个Demo，让团队围绕可以体验的东西讨论：文字能不能改？修改一个模块，会不会影响其他部分？完成一次修改，到底要付出多少步骤？抽象的“提高可编辑性”，由此变成了一组具体问题。

在现场，她也建议，无论产品经理还是工程师，有了新想法，都可以先向Agent、千问办公之类的工具描述需求，做出一个Demo再讨论。

原型不用一开始就很完整。它先帮助我们判断一个关键假设：用户在意的问题，这种做法有没有可能解决？能回答这个问题，就有了继续投入或调整方向的依据。

做出来以后：把“看着不错”变成可以检验的标准

方向值得尝试，不等于产品已经能稳定使用。Shirley在另一个项目——配图Agent——里，就碰到了这个问题。

她不断调整提示词，可能A场景变好了，B场景却变差了。忙了很久，仍然说不清哪些修改值得保留：究竟是产品进步了，还是碰巧生成了一个好结果？

于是，她开始把“什么算好”拆成标准：有没有表达文章主题？是否符合指定风格？构图和文字是否清楚？有没有违反明确的使用要求？

接下来，挑选一小批真实案例，由人先判断，再与模型评分对照。如果人认为不能用，模型却给了高分，就需要追问：标准没有说清楚，还是模型理解错了？调整之后，再用更多案例检验。

这套评测的用处，是让每次修改有依据。我们可以检查它改善了什么、又影响了什么，而不只是凭这一次输出的观感决定去留。至于做到什么程度可以上线，还要结合实际用途和可接受的风险来判断。

图3｜Shirley：把“什么算好”变成可检验的评测标准。

用起来之后：让真实反馈决定下一步改什么

通过评测，也不意味着已经理解了用户的全部需要。Shirley分享的社交内容技能，最初按照平台组织；用户实际使用后，封面、连续图片的一致性等具体任务变得更加突出，产品也需要跟着调整。

这时要判断的，是下一步把精力花在哪里。沿着原有分类继续增加功能，还是根据真实任务重新组织能力？用户怎样用、哪里用不下去，会给出比我们事先猜测更具体的线索。

这三个问题，也可以放回她的个人写作系统里理解。她让不同Agent承担写作、编辑排版、复盘等工作，一个人能推进更多环节。其中，复盘尤其值得注意：把这一次的反馈留下来，用于下一次改进，才有可能越做越好。

图4｜Shirley的个人写作系统：写作、编辑排版与复盘分工。

从原型、评测到使用反馈，这几个案例讲的是不同项目，却都在回答同一件事：怎样知道自己做得对不对。

AI可以缩短从想法到原型、到产品的距离。从产品到价值，仍然需要人的判断。

一个人可以用这套办法改善自己的工作。进入团队之后，还要多问一步：这些有效的判断，怎样让同事也用得上？

02. 人人都开始做产品，专业经验怎样变成团队能力谁来做：最懂问题的人，开始自己动手

我在开场中说过一句让产品经理有点共鸣的话：最大的竞争对手，可能就是甲方。

原来等你帮忙解决问题的人，现在开始自己动手了。

森马集团数据产品专家李平平分享了她在公司里看到的变化：商品运营、店铺运营和管理者开始参与产品建设。他们未必先写一份需求文档、画一套界面，也可能直接把某种分析方法、某个工作流程变成可以使用的能力。

图5｜森马集团数据产品专家李平平分享业务共创实践。

这让“产品”的边界也发生了变化。产品可以是一个系统，也可以是一项分析技能，或者围绕岗位任务组织起来的工作台。

据李平平介绍，森马的协同工作使用钉钉体系，产品和业务团队也在使用千问办公。工具进入日常工作后，熟悉业务的人有了更多直接尝试的机会。

怎样做成：先把业务问题和口径理清楚

有了动手的条件，接下来要看对业务问题理解得够不够深。

以全域目标管理系统为例，过去多个品牌使用各自的表格，目标口径、版本和调整方式不尽相同。表面上是汇总数据很慢，更深一层的问题是：大家说的“目标”，可能根本不是同一种东西。

团队从七个品牌的真实访谈中梳理需求，区分预算标、运营标、挑战标和低标，明确哪些规则统一、哪些调整权留给品牌。

如果一个人说的是预算标，另一个人拿运营标来比较，表格做得再快，仍然要反复核对。

在这个项目里，产品经理、开发工程师加上Agent，组成了小规模交付团队。千问办公等工具帮助整理调研材料；原型、文档、开发测试和推广准备等环节，也有AI参与。与此同时，走进现场、理解差异、决定取舍，仍然需要团队扎实完成。

李平平分享，目标汇总从过去的数天缩短到了约两小时。支撑这个结果的，既有执行环节的提速，也有业务口径的统一。

业务没有想清楚，AI可能只是更快地生成几套互不相同的答案。

怎样复用：让一次有效的分析，变成大家能用的能力

再看“森小智”。业务人员可以通过对话问数、追问异常原因、生成报告，并把有效分析方法沉淀成技能。

李平平在现场作了一个很有价值的区分：前面的分析能力解决一次问题，技能沉淀则面向下一次、每一次。

比如，一个经验丰富的经营人员，看到某项波动，会判断应该先看商品、再看渠道，还是先排除活动影响。这些经验如果始终留在个人脑子里，团队每遇到类似问题，都要重新寻找那个人。

把经验沉淀下来，意味着要把判断依据、适用条件和分析步骤表达清楚，让其他人也能调用、检验和改进。

图6｜森马：通过共建共创，让高手经验成为团队可复用的能力。

这件事需要持续运营。森马组织不同角色共同参与：有人识别好的业务经验、把关口径，有人一线试用、反馈和推广，也有人建设底层能力、检查权限与规范。技能发布之后，还要看有没有人用、是否真正有效，继续调整。

数据治理同样绕不过去。如果指标口径不同、权限不清晰，一个对话框并不能让分析自然变得可靠。李平平强调的“先治理后智能”，正是在提醒我们注意这些不那么显眼的基础工作。

一次成功的AI使用，只有在别人也能稳定使用时，才开始成为团队能力。

这也回答了专业产品经理的新价值在哪里：理解业务、统一口径、建设公共能力，让更多人的经验能够被复用。业务人员越能直接参与，专业团队越需要把这些基础做好。

然而，当更多人、更多团队都能快速行动，新的协调问题也就出现了。

03. 每个人都变快了，组织为什么还没有变快

阿里巴巴ATH事业群、MaaS业务线产品总监王自宇，分享的题目是《让AI慢下来，让团队快起来》。听起来有些矛盾，却很贴近复杂组织中的现实。

图7｜王自宇分享《让AI慢下来，让团队快起来》。

慢在哪里：局部产出快了，对齐的工作还在

文档、方案、代码都生成得更快了，项目从提出到上线，却未必同样提速。

过去一个人交一份方案，大家讨论能不能做；现在每个人很快拿出几份方案，其他人要花更多时间比较。过去有些业务规则由老同事默默掌握，现在交给AI执行，才发现它们从未被明确写下来。

生产变快之后，原有的协作问题变得更加突出。

王自宇分享了一个复杂业务中台的改造案例。系统有历史积累，也有多个模块和上下游依赖。把现成需求分别交给AI，局部实现可以很快；放到一起时，接口、字段和规则却未必一致，一个模块的产出也未必能被另一个模块直接使用。

花在对齐产出上的时间，可能抵消之前节省的时间。

个人提效发生在任务里，组织提效还发生在任务之间。

王自宇把它概括为生产成本与共识成本的区别。执行工具增强了，共识仍然需要建设。

怎样协作：围绕共同产物，把边界和验收说清楚

他们的应对方式，有三个地方值得借鉴。

首先，让协作围绕共同产物展开。每个阶段留下明确的需求、方案、代码或验证结果，下一个阶段依据这些产物继续推进。谁改了什么、为什么修改，能够被追溯。

在现场问答中，他进一步谈到，各方可以借助AI检查同一份材料，把问题和修订持续积累进去。这不保证比开会更快，他强调的价值是减少遗漏。

其次，明确阶段边界与变更机制。上游一边改需求，下游一边生成实现，即使双方都很勤奋，也可能制造更多返工。什么时候可以继续推进，什么变化需要重新确认，要有共同约定。

第三，把验收标准前置。像“体验要流畅”“异常要有提示”这样的要求，每个人都可能作出不同解释。哪些情况下发生什么、用户还能做什么，需要说得足够具体，才能成为执行和检查的依据。

他的PPT里有一句话：“如果你想不出这件事该怎么验收，说明你还没想清楚自己要什么。”

图8｜王自宇：把验收标准前置，写成能被执行的形式。

什么时候快，什么时候慢：看要解决哪种不确定性

看到这里，可能会产生一个疑问：Shirley鼓励先做原型、尽早反馈，王自宇强调先对齐、再执行，到底应该快一点还是慢一点？

需要看我们正在减少哪一种不确定性。

如果方向还不清楚、试错成本较低，一个小原型可以帮助我们判断是否值得继续投入。如果已经涉及多个模块、真实业务和相互依赖，就需要明确边界、验收与变更规则，避免局部修改影响整体。

同一个项目，也会同时存在需要快速探索的部分和需要稳定交付的部分。

把三位嘉宾的实践放在一起，会发现一条相通的线索：Shirley把个人判断写成评测标准，森马把业务经验沉淀成可复用技能，王自宇把协作要求变成共同产物和验收规则。

AI让经验被放大的前提，是我们先把经验中那些说不清的部分，逐渐说清楚。

04. 岗位会变化，产品力会成为更多人的需要

“当公司里不再有产品经理这个岗位，才是真正的人人都是产品经理。”

这是我在开场中抛出的一个大胆设想。它把趋势往前推了一步：如果更多人都能理解问题、作出取舍、参与创造，产品能力就会成为组织里的共同素养。

但圆桌现场并没有关于岗位消失的一致答案。王自宇谈到，他身边的平台型Agent团队仍然有不少产品工作；李平平看到业务自建与专业公共能力建设同时发展；Shirley则更关注角色边界的融合。

我觉得这几种看法可以先放在一起。不同业务、不同阶段，本来就会有不同的分工方式。更值得关注的是：自己正在积累的能力，能否帮助别人创造价值。

图9｜圆桌交流：AI时代，产品力如何变化？

理解用户，听懂用户背后真正的困扰；定义需求，说清楚要解决谁的什么问题；作出取舍，在很多可能性中选择值得先做的事；验证价值，检查用户的工作或生活是否得到改善。

这些很“古典”的产品能力，正在进入更多岗位的日常。

对于想开始的人，也许不必先设计一套宏大的AI转型方案。找一个自己熟悉、反复发生的问题，用现有Agent做一次最小尝试。事先说清楚怎样算有效，请真正使用它的人给反馈。如果有效，再考虑让更多人复用。

AI时代，人人都是产品经理，但，珍贵的不再是产品经理这个头衔，而是人人可习得的产品力。

本文来自公众号：iamsujie 作者：iamsujie