我不想再教 AI 做事了：一个 AI 产品经理对工作方式的重新理解
输入“/”快速插入内容
我不想再教 AI 做事了：一个 AI 产品经理对工作方式的重新理解
我不想再教 AI 做事了：一个 AI 产品经理对工作方式的重新理解
用户9633用户96334月6日修改
写在前面
那篇文章里，我写了自己为什么离开传统制造，为什么会被 AI 这股浪潮推着往前走，也写了这半年里我是怎么靠一个个项目、一点点实践，把自己从原来的工作惯性里拽出来，最后真正拿到一份 AI 产品经理的工作。那篇文章更像一段转型复盘，讲的是选择、冒险、试错和跃迁。
但真正入职以后，我很快意识到，拿到一个新的职位并不意味着真正理解这份工作。因为当我真的坐到这个岗位上，开始用 AI 去处理日常业务、推进需求、做调研、想方案、出概念、拉原型的时候，我才发现这份工作的变化比我想象得更彻底。它不是简单地在原来的产品工作流里塞进一个 AI 工具，而是在反过来重写整套工作方式。很多过去默认应该由人亲自完成的动作，现在都开始显得笨重、迟缓，甚至有些多余。
如果现在要我给 AI 产品经理下一个尽量朴素的定义，我会把它理解成两层。第一层是用 AI 工具开展业务，让它真正进入调研、分析、方案、原型和交付这些日常工作里；第二层是做 AI 相关的产品，去理解模型能力、用户场景、成本边界，以及这些能力到底该怎么落进具体产品。前者决定你怎么工作，后者决定你做什么。也正因为这两层同时存在，所以 AI 产品经理并不是给传统产品经理换一个新名字，而是一个连工作对象和工作方式都在一起变化的角色。
所以这篇文章，算是上一篇转型故事的后续。上一篇更多在讲我是怎么走到这个岗位上的，这一篇想写的，则是当我真的开始以 AI 产品经理的身份工作时，这份工作的内核到底变了什么。对我来说，AI 产品经理最值钱的能力，不是更会写 prompt，而是更会定义工作流、组织 AI 产出，并对结果负责。
我最早误以为，自己已经很会用 AI 了
一开始我并不是这样想的。刚开始把 AI 用进日常业务时，我的兴奋点其实很朴素：终于有一个工具，可以帮我搜资料、写文案、出方案了。那时候我的工作方式，和现在很多人还在重复的动作差不多。开着 ChatGPT 这类网页对话框，把我要调研的问题一句句发过去，看它吐出一段结论，再顺手点开它给的引用资料，自己继续往下追。它回答得不够准，我就继续补问题；它回答得太散，我就继续缩范围；它没打到我真正想知道的点，我就换一种说法再问一次。
表面上看，这已经比纯手工查资料快很多了。但做久了以后，我会有一种非常明显的疲惫感：我看起来是在用 AI，实际上只是把原来自己做的信息搜集工作，拆成了无数轮更零碎的人机对话。我还是那个最累的人。方向要我自己想，框架要我自己搭，问题要我自己追，最后再由我把那些碎片拼成一个结论。AI 只是被我塞进了某个关键节点，替我搬了一点砖，但整个工作流依旧是人扛着走的。
第一次转变：我不想再亲自做调研里的“脏活累活”
我真正开始意识到这件事，是在做市场调研的时候。那次我要研究一个品类，最开始还是老方法，把问题丢进聊天框里，读它的答案和引用，再根据它给出的内容继续追问。这个过程一开始会让人产生一种“效率很高”的错觉，因为你确实比从前少打开了很多网页，也少做了很多人工整理。但只要任务稍微复杂一点，比如你不是想知道一个零散事实，而是需要一份成体系、能拿去支撑决策的调研，问题就会暴露得很明显。单点问答式的数据获取，效率其实很低。你永远在对话框里追着信息跑，而不是让信息主动按你的目标组织起来。
后来我开始改用 Deep Research。这个变化看起来只是“换了一个功能”，但对我来说，它第一次让我感受到什么叫真正的提效。因为我不再需要扮演那个不停追问、不断补洞的人了。我只需要把需求讲清楚，让它围绕这个目标去做细、做全、做深。那种感觉非常不一样。以前是我带着 AI 一步一步走，现在变成了 AI 带着一整套搜索、筛选、验证、汇总流程走完一圈，再把结果端回来给我看。我从“信息采集员”变成了“结果判断者”。
这件事后来给了我一个非常清楚的判断：我真正发挥价值的，不应该是不断想下一个问题是什么，而应该是判断最后这个结论能不能支撑业务决策。我的大脑不该被浪费在没完没了的初筛和拼接上。凡是那种需要我苦思冥想找方向、搭框架、补问题的工作，本质上都不该继续由我来主导。AI 应该先给我一组可判断的结果，我只负责做选择题和判断题，而不是永远亲自下场写论述题。
第二次转变：我开始为自己的工作流造工具
如果说调研这件事，是我第一次意识到“使用 AI 的方式比是否使用 AI 更重要”，那么后面做产品 ID（产品外观设计）图的经历，则让我第一次真正开始为自己的工作流造工具。
那时候我需要让 AI 帮我设计产品的 ID 方案。最开始我还是老老实实守在 Gemini 的网页前，一遍遍写需求，一遍遍等它出图，一次只生成一张。结果不符合预期，就继续改，再继续等。那个过程最折磨人的地方，倒还不只是效果好不好，而是整个动作本身太慢了。你会被一个网页界面绑住，被一次一张的生成节奏绑住，也被没完没了的等待绑住。很多时间并没有花在思考上，而是花在重复点击、反复试错和干等结果上。
我后来实在受够了这种低效。既然网页端一次一张、反复守着等的方式太慢，我就直接换了一个思路：不用网页了，让 AI 编程工具帮我写一个接入 Gemini API 的批量生图桌面软件。这个变化对我的冲击很大，因为它第一次让我从“使用一个现成工具”变成了“为自己的工作流造工具”。以前我必须守在网页前，一张一张试；后来我只要把需求输进去，点一下，后台就可以批量生成很多候选图。我不需要再被一个界面绑住，不需要反复点击，也不需要把大量时间耗在等待上。我去做别的事情，回来之后，一整批结果已经在文件夹里等我筛选。
这个工具解决的，主要还是执行效率的问题。它让我从繁琐、重复、低速的操作里解放了出来，也让我第一次意识到：产品经理不一定只能适应工具，也可以反过来让工具适应自己的工作流。