AI抹平技術(shù)鴻溝卻吵更兇？產(chǎn)品經(jīng)理與研發(fā)的高效協(xié)作實(shí)戰(zhàn)心法

AI工具雖已深度融入職場(chǎng)，卻在產(chǎn)品經(jīng)理與研發(fā)之間制造了新的協(xié)作摩擦。本文從一線實(shí)戰(zhàn)經(jīng)驗(yàn)出發(fā)，揭示AI時(shí)代特有的'半懂不懂'認(rèn)知墻現(xiàn)象，提出重構(gòu)協(xié)作標(biāo)尺的三大維度，供大家參考。

———— / BEGIN / ————

距離生成式AI火遍職場(chǎng)已經(jīng)三年，產(chǎn)品經(jīng)理用AI寫需求文檔、畫產(chǎn)品原型，研發(fā)人員靠AI敲代碼、搭演示版本，早成了職場(chǎng)日常。

我們?cè)鴿M心期待，AI能填平產(chǎn)品經(jīng)理和研發(fā)之間那道“你不懂技術(shù)，我不懂業(yè)務(wù)”的鴻溝，讓跨團(tuán)隊(duì)協(xié)作順風(fēng)順?biāo)？涩F(xiàn)實(shí)卻是，協(xié)作摩擦沒減少，反而因?yàn)锳I多了新的“掐架由頭”，甚至形成了“各自為戰(zhàn)”的小幫派。

作為帶了近十年產(chǎn)品團(tuán)隊(duì)的老兵，我?guī)е鴪F(tuán)隊(duì)踩了很多AI時(shí)代協(xié)作的坑，也摸出了一套能落地、能見效的實(shí)戰(zhàn)方法，把產(chǎn)品經(jīng)理和研發(fā)從“互懟冤家”拉回了“共創(chuàng)戰(zhàn)友”。

今天就用一線的真實(shí)案例、實(shí)打?qū)嵉穆涞貦C(jī)制，跟各位同行聊聊，AI時(shí)代，產(chǎn)品經(jīng)理和研發(fā)該怎么打破協(xié)作壁壘，讓工具回歸工具，讓協(xié)作回歸本質(zhì)。

舊平衡徹底崩了：AI抹平信息差，卻造了新的“半懂不懂”認(rèn)知墻

在AI沒普及的時(shí)候，產(chǎn)品經(jīng)理和研發(fā)的協(xié)作邏輯其實(shí)特別簡(jiǎn)單，甚至可以說“靠信息差分工”。

產(chǎn)品經(jīng)理不懂代碼、不懂架構(gòu)，所以我們只聚焦一件事：把“為什么要做”講透，搞清楚用戶要什么、業(yè)務(wù)價(jià)值在哪、需求的核心痛點(diǎn)是什么；

研發(fā)人員不懂用戶調(diào)研、不懂業(yè)務(wù)場(chǎng)景，所以他們也只聚焦一件事：把“該怎么做”落地，算清技術(shù)難度、開發(fā)周期、成本投入。

那會(huì)兒就算有摩擦，大多是“隔行如隔山”的溝通問題，邊界清晰，吵完了該干嘛干嘛。

但AI一來，直接打碎了這套運(yùn)行了十幾年的平衡，問題也從“不懂”變成了更棘手的“我以為我懂”。

去年底我們團(tuán)隊(duì)啟動(dòng)了智能周報(bào)生成工具的項(xiàng)目，這事讓我徹底看清了新的協(xié)作矛盾。

按傳統(tǒng)流程，本該是產(chǎn)品經(jīng)理先寫需求文檔，研發(fā)再做架構(gòu)設(shè)計(jì)。

結(jié)果這邊研發(fā)小哥用AI編程工具Cursor，吭哧兩天就搭出了一個(gè)能跑的演示版本，能自動(dòng)抓取數(shù)據(jù)生成周報(bào)；那邊產(chǎn)品經(jīng)理也沒閑著，讓ChatGPT生成了一份20頁的需求文檔，邏輯看著密不透風(fēng)，里面寫滿了業(yè)務(wù)場(chǎng)景的細(xì)節(jié)，比如部門數(shù)據(jù)拆解、周報(bào)模板自定義、跨崗數(shù)據(jù)聯(lián)動(dòng)。

等到評(píng)審會(huì)把倆東西擺一起，倆人都懵了，接著就吵起來了。

研發(fā)說：“你這需求文檔就是紙上談兵，我這架構(gòu)根本撐不起這么多自定義功能，硬做的話算力成本高到離譜，而且系統(tǒng)會(huì)卡死。”

產(chǎn)品經(jīng)理也委屈：“你這演示版本就是個(gè)技術(shù)殼子，用戶要的是能適配各部門的周報(bào)，不是單純抓數(shù)據(jù)堆文字，根本沒法用。”

事后我?guī)е鴤z人復(fù)盤，問題根本不是誰對(duì)誰錯(cuò)，而是AI帶來的“半桶水”認(rèn)知錯(cuò)位：AI讓產(chǎn)品經(jīng)理能看懂研發(fā)的架構(gòu)圖，卻不懂架構(gòu)落地的隱性成本、算力限制這些技術(shù)細(xì)節(jié)；也讓研發(fā)能聊明白產(chǎn)品的業(yè)務(wù)場(chǎng)景，卻抓不住用戶的核心痛點(diǎn)、需求的優(yōu)先級(jí)排序。

倆人都跨進(jìn)了對(duì)方的領(lǐng)域，卻只摸到了皮毛，結(jié)果就是越界指手畫腳，把協(xié)作變成了博弈。

這就是AI時(shí)代產(chǎn)品經(jīng)理和研發(fā)協(xié)作的核心痛點(diǎn)：信息差消失了，但基于專業(yè)深度的協(xié)作共識(shí)，還沒建立起來。

先重構(gòu)協(xié)作標(biāo)尺：別再糾結(jié)“能不能做”，要先算“值不值得做”

我剛?cè)胄凶霎a(chǎn)品經(jīng)理那會(huì)，嘴邊上總掛著一句話：“這個(gè)功能技術(shù)上很簡(jiǎn)單吧？”

現(xiàn)在回頭看，這就是典型的外行話，說白了就是想通過低估技術(shù)難度，逼著研發(fā)趕進(jìn)度。

相信不少產(chǎn)品同行都有過這經(jīng)歷，也因此沒少被研發(fā)懟。

但在AI時(shí)代，這話徹底失效了。

有Copilot、通義靈碼這些AI工具加持，單純的“寫代碼”早就不是什么稀缺技能了，甚至很多標(biāo)準(zhǔn)化功能，研發(fā)連手都不用動(dòng)，AI就能直接生成。

既然“技術(shù)能不能實(shí)現(xiàn)”不再是核心矛盾，那產(chǎn)品經(jīng)理和研發(fā)就必須建立新的協(xié)作標(biāo)尺——我們不再迷信技術(shù)難度，而是回歸價(jià)值密度，所有需求的討論，都從“能不能做”轉(zhuǎn)向“值不值得做”。

這大半年，我們團(tuán)隊(duì)把這套標(biāo)尺落地成了三個(gè)具體維度，每一個(gè)都有真實(shí)案例支撐，踩過的坑也都給各位避好了。

維度1：算清ROI，業(yè)務(wù)價(jià)值必須覆蓋算力成本

以前評(píng)估需求，產(chǎn)品經(jīng)理追著研發(fā)問的永遠(yuǎn)是“這個(gè)功能要做多久？多少人？”；現(xiàn)在研發(fā)會(huì)直接反問產(chǎn)品經(jīng)理：“這個(gè)功能上線后帶來的收益，能蓋過模型推理、訓(xùn)練的算力成本嗎？”

這話不是研發(fā)故意“卡脖子”，而是AI時(shí)代的客觀規(guī)律。去年我們團(tuán)隊(duì)想做一個(gè)7×24小時(shí)用戶情緒識(shí)別系統(tǒng)，初衷特別好：實(shí)時(shí)抓取APP里的用戶評(píng)論，用大模型分析情緒，自動(dòng)生成安撫話術(shù)，還能給運(yùn)營團(tuán)隊(duì)推送預(yù)警。

產(chǎn)品經(jīng)理做的方案里，寫滿了這個(gè)功能能提升用戶體驗(yàn)、減少投訴率，聽著特別香。

研發(fā)那邊也確認(rèn)了，技術(shù)上完全能實(shí)現(xiàn)，甚至還做了個(gè)小的測(cè)試版本。

但就在立項(xiàng)前，研發(fā)總監(jiān)給我算了一筆明明白白的賬：我們平臺(tái)每天大概有10萬條用戶評(píng)論，調(diào)用大模型API做情緒識(shí)別和話術(shù)生成，單條推理成本約0.00011元，光這一項(xiàng)，一年的算力成本就高達(dá)40萬元；再加上后期的模型調(diào)優(yōu)、服務(wù)器維護(hù)，一年成本至少50萬。

而我們預(yù)估，這個(gè)功能能帶來的用戶留存提升，轉(zhuǎn)化成實(shí)際的營收增量，一年撐死也就18萬元。

一筆賬算完，產(chǎn)品經(jīng)理自己都放棄了這個(gè)需求。

這件事之后，我給團(tuán)隊(duì)定了死規(guī)矩：所有需求提報(bào)前，產(chǎn)品經(jīng)理必須和研發(fā)一起算清三本賬——功能上線后的業(yè)務(wù)收益（轉(zhuǎn)化率、留存率、營收提升等，必須量化）、模型推理/訓(xùn)練的算力成本、數(shù)據(jù)標(biāo)注/清洗的人工成本。

如果ROI為負(fù)，哪怕技術(shù)再炫酷、方案再完美，直接打回，連評(píng)審的資格都沒有。

AI時(shí)代，產(chǎn)品經(jīng)理如果沒有數(shù)據(jù)ROI的敏感度，連需求的決策權(quán)都握不住，這不是危言聳聽，是一線的現(xiàn)實(shí)。

維度2：先盤數(shù)據(jù)，沒有數(shù)據(jù)的AI就是空中樓閣

做產(chǎn)品的都知道，AI的核心是數(shù)據(jù)，沒有優(yōu)質(zhì)的數(shù)據(jù)，再牛的算法都是白搭。

但很多產(chǎn)品經(jīng)理做AI相關(guān)需求時(shí)，總?cè)菀紫萑胍粋€(gè)誤區(qū)：光顧著設(shè)計(jì)功能邏輯，卻忽略了“我們有沒有對(duì)應(yīng)的數(shù)據(jù)源”。

傳統(tǒng)的需求評(píng)審會(huì)，我們聊的是邏輯流程圖、產(chǎn)品原型；現(xiàn)在我們團(tuán)隊(duì)的評(píng)審會(huì)，第一步永遠(yuǎn)是數(shù)據(jù)盤點(diǎn)，沒有數(shù)據(jù)支撐的需求，直接暫停。

去年做個(gè)性化推薦改版時(shí)，就有一位產(chǎn)品經(jīng)理栽了這個(gè)跟頭。

他花了一周時(shí)間做方案，在評(píng)審會(huì)上眉飛色舞講了半小時(shí)，核心是“基于用戶的興趣偏好，做千人千面的內(nèi)容分發(fā)”，還放了AI生成的用戶畫像、推薦邏輯圖，看著特別專業(yè)。

結(jié)果數(shù)據(jù)挖掘工程師一句話，就讓他啞口無言：“你說的這6個(gè)興趣偏好標(biāo)簽，我們平臺(tái)目前只有30%的用戶有數(shù)據(jù)覆蓋，剩下70%的新用戶全是冷啟動(dòng)，算法根本跑不起來，而且這些標(biāo)簽的臟數(shù)據(jù)占比高達(dá)15%，根本沒法用。”

更尷尬的是，這位產(chǎn)品經(jīng)理壓根沒提前和研發(fā)、數(shù)據(jù)團(tuán)隊(duì)溝通，不知道公司的用戶數(shù)據(jù)現(xiàn)狀。

這場(chǎng)評(píng)審會(huì)最后成了“大型社死現(xiàn)場(chǎng)”，也讓我們意識(shí)到，產(chǎn)品經(jīng)理必須從“功能設(shè)計(jì)師”轉(zhuǎn)向“數(shù)據(jù)資產(chǎn)管理者”。

之后我們建立了數(shù)據(jù)資產(chǎn)前置評(píng)審機(jī)制，要求產(chǎn)品經(jīng)理提需求前，必須和研發(fā)、數(shù)據(jù)團(tuán)隊(duì)一起確認(rèn)三件事：

1. 目標(biāo)數(shù)據(jù)是否存在，有沒有可調(diào)用的數(shù)據(jù)源；

2. 數(shù)據(jù)清洗度是否達(dá)標(biāo)，臟數(shù)據(jù)占比不能超過5%；

3. 如果需要新標(biāo)注數(shù)據(jù)，標(biāo)注成本和周期是否可控。

比如今年初我們做的用戶分層運(yùn)營工具，產(chǎn)品經(jīng)理提前兩周就和研發(fā)、數(shù)據(jù)團(tuán)隊(duì)盤數(shù)據(jù)：用戶的行為數(shù)據(jù)覆蓋92%，消費(fèi)、興趣標(biāo)簽的臟數(shù)據(jù)占比僅3%，新增的2個(gè)標(biāo)簽標(biāo)注成本約1.2萬元，遠(yuǎn)低于功能上線后預(yù)估的20萬營收增量。因?yàn)榍捌跀?shù)據(jù)盤得透，這個(gè)需求從開發(fā)到上線只用了3周，而且零返工，這就是數(shù)據(jù)前置的價(jià)值。

維度3：看懂架構(gòu)圖，用技術(shù)的語言聊業(yè)務(wù)，這是產(chǎn)品經(jīng)理的新基本功

我見過不少非技術(shù)背景的產(chǎn)品經(jīng)理，總把“我懂用戶就夠了”掛在嘴邊，覺得研發(fā)的架構(gòu)圖、技術(shù)邏輯都是天書，沒必要看。但在AI時(shí)代，如果你看不懂架構(gòu)圖，連和研發(fā)“吵到點(diǎn)子上”都做不到，更別說高效協(xié)作了。

華為云的一位AI專家曾聊過一個(gè)觀點(diǎn)：技術(shù)架構(gòu)圖是產(chǎn)品經(jīng)理和研發(fā)之間的溝通貨幣。

這話我深以為然。

今年年初，我給團(tuán)隊(duì)定了一個(gè)硬要求：

• 所有高級(jí)產(chǎn)品經(jīng)理必須能看懂技術(shù)架構(gòu)圖，甚至能參與繪制；

• 初級(jí)產(chǎn)品經(jīng)理至少要能看懂核心的技術(shù)邏輯層，搞清楚需求和技術(shù)實(shí)現(xiàn)的關(guān)聯(lián)。

我們還梳理了一套分層溝通機(jī)制，把技術(shù)架構(gòu)拆成三層，給產(chǎn)品經(jīng)理定了不同的掌握要求，不用懂太深，但必須懂關(guān)鍵：

• 基礎(chǔ)層（算力/存儲(chǔ)）：不用記GPU型號(hào)、存儲(chǔ)協(xié)議，但要明白算力擴(kuò)容需要2周左右的周期、存儲(chǔ)成本按TB計(jì)費(fèi)，知道這些，就能在做需求時(shí)合理規(guī)劃時(shí)間和成本；

• 技術(shù)邏輯層（模型訓(xùn)練/推理引擎）：這是產(chǎn)品經(jīng)理必須吃透的核心層，要能參與討論，判斷一個(gè)需求是“改模型參數(shù)就能實(shí)現(xiàn)”，還是“需要重新調(diào)業(yè)務(wù)規(guī)則”，甚至是“要重新訓(xùn)練小模型”；

• 應(yīng)用層（用戶功能）：這是產(chǎn)品經(jīng)理的傳統(tǒng)陣地，但設(shè)計(jì)時(shí)要給模型迭代預(yù)留空間，比如按鈕的布局、功能的入口，要能適配后續(xù)模型升級(jí)后的新功能。

之前做用戶行為分析系統(tǒng)升級(jí)時(shí)，這套機(jī)制立了大功，還避免了一次上線事故。

當(dāng)時(shí)研發(fā)為了節(jié)省成本，打算復(fù)用兩年前的用戶行為分析模型，說能省不少模型訓(xùn)練的時(shí)間和錢。

結(jié)果負(fù)責(zé)的產(chǎn)品經(jīng)理當(dāng)場(chǎng)就提出了質(zhì)疑：“我查了去年的技術(shù)數(shù)據(jù)，這個(gè)模型對(duì)我們今年新推出的企服業(yè)務(wù)線，用戶行為識(shí)別準(zhǔn)確率只有65%，而我們的業(yè)務(wù)要求準(zhǔn)確率不低于90%，上線后肯定會(huì)出現(xiàn)數(shù)據(jù)分析偏差，導(dǎo)致運(yùn)營策略誤判，反而會(huì)流失核心用戶。”

這話一出，研發(fā)團(tuán)隊(duì)當(dāng)場(chǎng)就服了，趕緊調(diào)整方案，重新訓(xùn)練了適配新業(yè)務(wù)的小模型。

這位產(chǎn)品經(jīng)理不是技術(shù)出身，就是靠著看懂架構(gòu)圖、吃透技術(shù)數(shù)據(jù)，贏得了研發(fā)的尊重。

說到底，產(chǎn)品經(jīng)理看懂架構(gòu)圖，不是為了“裝技術(shù)大佬”，而是為了用研發(fā)能懂的語言，聊清楚業(yè)務(wù)的核心訴求，讓協(xié)作更高效。

落地新的協(xié)作范式：從“流水線開發(fā)”到“種植園共創(chuàng)”，讓矛盾變合力

傳統(tǒng)的產(chǎn)品開發(fā)，像一條標(biāo)準(zhǔn)化的流水線：產(chǎn)品經(jīng)理出需求文檔→研發(fā)做架構(gòu)開發(fā)→測(cè)試做功能驗(yàn)證→上線，一步一步線性推進(jìn)，出了問題就互相甩鍋，產(chǎn)品怪研發(fā)做的不對(duì)，研發(fā)怪產(chǎn)品需求改來改去。

但在AI時(shí)代，這套流水線模式徹底不適用了。

AI的開發(fā)特性是“不可精確控制”，你沒法像要求研發(fā)寫固定代碼那樣，要求AI生成完全符合預(yù)期的結(jié)果，只能引導(dǎo)、篩選、優(yōu)化。Perplexity的設(shè)計(jì)總監(jiān)說過，AI時(shí)代的開發(fā)是“種植”而非“制造”，這話特別貼切。

這大半年，我們把這套“種植園思維”落地成了兩個(gè)核心機(jī)制，把產(chǎn)品經(jīng)理和研發(fā)從“流水線的上下游”變成了“同一片園子里的共創(chuàng)者”，團(tuán)隊(duì)的協(xié)作效率直接提上去了，拌嘴的次數(shù)也少了80%。

機(jī)制1：創(chuàng)意花園——2-3人微型戰(zhàn)隊(duì)，并行探索取代線性執(zhí)行

過去我們做產(chǎn)品，總怕“試錯(cuò)成本太高”，一個(gè)需求做完再做下一個(gè)，結(jié)果往往陷入“路徑依賴”，做出來的東西未必是用戶想要的。

現(xiàn)在有了AI，試錯(cuò)成本被降到了最低，我們索性成立了微型戰(zhàn)隊(duì)，讓產(chǎn)品經(jīng)理和研發(fā)一對(duì)一、二對(duì)一組隊(duì)，針對(duì)同一個(gè)業(yè)務(wù)目標(biāo)，用AI輔助并行做出2-3個(gè)高保真的演示版本，用數(shù)據(jù)說話，選最優(yōu)的那個(gè)。

比如今年3月做用戶注冊(cè)流程改版，我們就組了兩個(gè)微型戰(zhàn)隊(duì)，目標(biāo)都是“提升注冊(cè)轉(zhuǎn)化率、降低注冊(cè)耗時(shí)”。

• A戰(zhàn)隊(duì)：產(chǎn)品經(jīng)理用AI生成極簡(jiǎn)注冊(cè)的產(chǎn)品原型，還通過AI做了快速的用戶調(diào)研，確定了“手機(jī)號(hào)一鍵驗(yàn)證+后續(xù)補(bǔ)全信息”的核心邏輯；研發(fā)則用AI搭后端架構(gòu)，做接口開發(fā)，3天就做出了可運(yùn)行的演示版本。

• B戰(zhàn)隊(duì)：產(chǎn)品經(jīng)理用AI分析了10家競(jìng)品的注冊(cè)流程，設(shè)計(jì)了“社交賬號(hào)一鍵登錄+微信/支付寶授權(quán)補(bǔ)全信息”的邏輯；研發(fā)則用AI優(yōu)化了數(shù)據(jù)同步接口，解決了社交賬號(hào)登錄的隱私問題，4天做出了演示版本。

一周后，我們沒開冗長(zhǎng)的評(píng)審會(huì)，而是直接把兩個(gè)演示版本放到測(cè)試環(huán)境，找了200名真實(shí)用戶做測(cè)試。

數(shù)據(jù)很直觀：A戰(zhàn)隊(duì)的注冊(cè)耗時(shí)20秒，轉(zhuǎn)化率28%；B戰(zhàn)隊(duì)的注冊(cè)耗時(shí)12秒，轉(zhuǎn)化率35%。

結(jié)果一目了然，直接選B戰(zhàn)隊(duì)的方案推進(jìn)開發(fā)，還把A戰(zhàn)隊(duì)的“后續(xù)補(bǔ)全信息”邏輯融合了進(jìn)去。

這種模式下，產(chǎn)品經(jīng)理和研發(fā)不再是“甲方乙方”，而是并肩作戰(zhàn)的伙伴。

產(chǎn)品負(fù)責(zé)業(yè)務(wù)場(chǎng)景和用戶驗(yàn)證，研發(fā)負(fù)責(zé)技術(shù)可行性和落地，AI則是雙方的效率助手，最終的決策依據(jù)是真實(shí)數(shù)據(jù)，而不是誰的話語權(quán)大、誰的嗓門高。

試錯(cuò)的成本低了，做出來的產(chǎn)品也更貼合用戶需求。

機(jī)制2：協(xié)同攻堅(jiān)——產(chǎn)品和研發(fā)共背價(jià)值KPI，綁在一條船上

協(xié)作的核心矛盾，很多時(shí)候源于“考核目標(biāo)不一樣”：產(chǎn)品經(jīng)理的KPI是需求交付量、用戶活躍度，研發(fā)的KPI是代碼完成率、系統(tǒng)穩(wěn)定性，結(jié)果就是雙方各顧各的，出了問題互相推諉。

今年1月，我們借鑒了航天科技集團(tuán)一院一部的“協(xié)同攻堅(jiān)”模式——人家造火箭，設(shè)計(jì)師和工人共背“火箭發(fā)射成功”的目標(biāo)，我們做產(chǎn)品，產(chǎn)品經(jīng)理和研發(fā)也該共背價(jià)值創(chuàng)造KPI，而不是各自的小KPI。

我們把產(chǎn)品經(jīng)理和研發(fā)綁在同一個(gè)項(xiàng)目組，所有項(xiàng)目的考核指標(biāo)，都從“過程指標(biāo)”變成了“價(jià)值指標(biāo)”。

比如針對(duì)“用戶注冊(cè)轉(zhuǎn)化率提升”這個(gè)核心目標(biāo)，考核規(guī)則很清晰：

• 產(chǎn)品經(jīng)理負(fù)責(zé)：用AI分析用戶注冊(cè)流失的原因，設(shè)計(jì)優(yōu)化方案，做用戶測(cè)試驗(yàn)證；

• 研發(fā)負(fù)責(zé)：用AI重構(gòu)注冊(cè)流程的后端架構(gòu)，優(yōu)化接口性能，降低系統(tǒng)卡頓率；

• 考核結(jié)果：雙方共享一個(gè)KPI——注冊(cè)轉(zhuǎn)化率提升10%，團(tuán)隊(duì)一起拿獎(jiǎng)金、評(píng)優(yōu)秀；沒達(dá)標(biāo)，雙方一起復(fù)盤，找問題，不單獨(dú)追責(zé)。

這套機(jī)制運(yùn)行了半年，我們拿到了一組實(shí)打?qū)嵉臄?shù)據(jù)：產(chǎn)品迭代周期縮短了22%，因溝通不暢導(dǎo)致的需求返工率下降了35%，團(tuán)隊(duì)的跨部門協(xié)作滿意度從60分漲到了89分。

更重要的是，團(tuán)隊(duì)的氛圍變了。

以前產(chǎn)品經(jīng)理和研發(fā)見面，聊的都是“你這個(gè)功能什么時(shí)候做完”“你這個(gè)需求根本沒法做”；

現(xiàn)在見面，聊的都是“這個(gè)模型的準(zhǔn)確率怎么提”“怎么用AI優(yōu)化流程，既能省成本又能提體驗(yàn)”。

大家不再糾結(jié)于“誰比誰更懂”，而是開始琢磨“怎么讓AI更懂我們的產(chǎn)品”，從互相指責(zé)的冤家，變成了面對(duì)共同問題的戰(zhàn)友。

終局思考：AI是放大鏡，協(xié)作才是產(chǎn)品團(tuán)隊(duì)的核心競(jìng)爭(zhēng)力

常有剛?cè)胄械漠a(chǎn)品新人問我：“AI這么厲害，能寫需求、能敲代碼、能畫原型，產(chǎn)品經(jīng)理會(huì)不會(huì)被取代？研發(fā)會(huì)不會(huì)被取代？”

我的答案始終很明確：只會(huì)用AI寫需求文檔的產(chǎn)品經(jīng)理，只會(huì)用AI敲代碼的研發(fā)，早晚會(huì)失去價(jià)值；但能通過AI放大彼此優(yōu)勢(shì)，把用戶洞察和技術(shù)落地完美結(jié)合的團(tuán)隊(duì)，價(jià)值會(huì)呈指數(shù)級(jí)增長(zhǎng)。

AI從來都不是產(chǎn)品經(jīng)理和研發(fā)之間的“新幫派”，也不該成為彼此博弈的工具。

它更像一面放大鏡——

• 放大產(chǎn)品經(jīng)理對(duì)用戶的敏感度、對(duì)業(yè)務(wù)的判斷力

• 放大研發(fā)對(duì)技術(shù)的把控力、對(duì)成本的計(jì)算力；

但同時(shí)，它也會(huì)放大團(tuán)隊(duì)的協(xié)作問題，如果產(chǎn)品和研發(fā)不能達(dá)成共識(shí)，AI只會(huì)讓矛盾更突出。

做產(chǎn)品這么多年，我始終堅(jiān)信一個(gè)道理：好產(chǎn)品從來都不是一個(gè)人做出來的，也不是一個(gè)崗位做出來的，而是產(chǎn)品經(jīng)理、研發(fā)、測(cè)試、運(yùn)營一起共創(chuàng)出來的。

就像航天人造火箭，火箭能成功上天，不是設(shè)計(jì)師比工人更厲害，也不是工人比設(shè)計(jì)師更懂行，而是他們都懂，唯有協(xié)作，才是穿越大氣層的唯一燃料。

AI時(shí)代，產(chǎn)品經(jīng)理和研發(fā)的協(xié)作，終究要回歸本質(zhì)：放下對(duì)“話語權(quán)”的執(zhí)念，握緊彼此的手，用產(chǎn)品經(jīng)理的用戶視角、研發(fā)的技術(shù)視角，共同定義“什么是真正有價(jià)值的產(chǎn)品”。

畢竟，工具再強(qiáng)大，也替代不了人與人之間的同頻與共創(chuàng)，而這，正是產(chǎn)品團(tuán)隊(duì)最核心的競(jìng)爭(zhēng)力。

（本文由某不愿透露姓名的產(chǎn)品總監(jiān)供稿，經(jīng)AI輔助整理成文，但每一個(gè)標(biāo)點(diǎn)符號(hào)都代表著人類的思考。）

本文來自公眾號(hào)：嚕嚕貓 作者：嚕嚕貓

想要第一時(shí)間了解行業(yè)動(dòng)態(tài)、面試技巧、商業(yè)知識(shí)等等等？加入產(chǎn)品經(jīng)理進(jìn)化營，跟優(yōu)秀的產(chǎn)品人一起交流成長(zhǎng)！