2026-06-23

成為 AI 時代的產品經理 04｜判斷「該不該做」，第一次比「能不能做」更貴

先看一個最該信、卻被判反了的判斷。

METR 在 2025 年 2 月到 6 月做了一個隨機對照實驗，方法跟藥物臨床試驗同一個等級。16 個資深開發者，平均五年經驗、在自己維護的專案上提交過上千次程式碼，用當時最強的 AI 工具幹 246 個真實任務。事前他們以為 AI 能讓自己快 24%；幹完了，還覺得快了 20%。實際一測：慢了 19%。

注意這裡被判錯的是什麼——不是什麼複雜的策略，是「AI 到底有沒有讓我自己變快」，最簡單的一個判斷，發生在他們最熟的程式碼、最熟的專案上。最懂行的人，憑感覺，判反了。

這件事跟 AI 快不快關係不大。它真正戳中的地方是：當「做出來」變得又快又便宜，你最不能信的就是「感覺」。而產品經理每天都在憑感覺做一個更貴的判斷——這個東西，該不該做。

一、別再拿「這個難不難做」當門檻

過去你篩想法，有一道天然的門檻替你把關：工程師說「這個要三個迭代」，你掂量一下投入產出，多半就把它放下了。實作難度幫你斃掉了大量「想做但不值得做」的東西——你以為是自己在判斷，其實有一半是難度在替你判斷。

現在 AI 說「這個下午就能給你」。門檻沒了。結果不是你做成了更多對的事，是你一口氣上線了五個功能，其中四個沒人用。Marty Cagan 2026 年說得直接：AI 沒解決「該做什麼」的問題，只是讓公司更快地做出一堆沒人要的東西——同樣爛的產品藍圖，只是跑得更快了。

所以第一個動作是反直覺的：把「能不能做、多久能做」從你的決策依據裡劃掉。它現在的答案永遠是「能、很快」，對你篩選想法不再提供任何資訊。

二、動手前，先問「不做會怎樣」

實作免費之後，最容易漏掉的一問是反過來的：這個東西不做會怎樣？

假設我們這個迭代不做這個「智慧推薦」，會發生什麼？誰會因此真的受影響、影響到什麼程度？有沒有人會因為沒有它而走？

如果你誠實回答完，發現「不做也沒什麼事」，那這就是答案——它不該排在這個迭代。這一問之所以有用，是因為它繞開了「做起來很爽、AI 一個下午就能出」的誘惑，直接逼你面對價值。一個功能能不能被「不做會出事」撐住，比它做起來多快重要得多。

三、動手前，寫下「做完之後，什麼會變成真的」

Cagan 說產品經理真正擁有的是兩樣：why（為什麼這個問題值得解）和 what（做完之後，我們期望什麼變成真的）。第二樣要在寫程式之前就落成一句能被證偽的話。

上線這個新手引導後，我們期望：新使用者第一週的留存從 35% 提到 45% 以上；如果兩週後沒動，就是我們判斷錯了，砍掉。

寫不出這句話，說明你其實不知道自己為什麼要做它。能寫出來，你就有了一把尺：用你自己事先立的、可以被打臉的預期來量，別拿「老闆喜不喜歡」「同行有沒有」當尺。這把尺 AI 給不了你，它不知道你的生意裡什麼算成。

四、讓 AI 攤選項，判斷留給你——但別信「感覺對」

AI 最適合幹的，是把可能性攤開：同一個問題給你三五種解法、各自的代價、別人怎麼做的。Cagan 的說法是 AI 把選項攤出來、人來判斷哪個值得。這一步你儘管用它。

但選的時候，回到開頭那個實驗：別信「感覺對」。那 16 個專家憑感覺判斷「變快了」，集體判反。你憑感覺判斷「這個方案更好」，一樣不可靠。拿它去對第三步那把尺——哪個選項最可能讓你寫下的那句預期變成真的，以及有沒有真實證據（使用者說過、數據看過），而不是哪個讀起來最順。

今天能做的一件事：挑一個你正打算做、而且「AI 很快就能做出來」的功能，先別寫任何東西，把兩句話寫下來——不做會怎樣、做完之後什麼會變成真的。哪句寫不出來，就是你今天用最低成本撿到的一個判斷。

成為 AI 時代的產品經理 04｜判斷「該不該做」，第一次比「能不能做」更貴

一、別再拿「這個難不難做」當門檻

二、動手前，先問「不做會怎樣」

三、動手前，寫下「做完之後，什麼會變成真的」

四、讓 AI 攤選項，判斷留給你——但別信「感覺對」

延伸閱讀

討論