我把產品經理一半的活交給了 AI，剩下這幾件死活沒敢交

先說個也許有點反常識的事：這一年我把產品經理日常裡差不多一半的活，實實在在交給了 AI，而且交得毫不心疼。 但另外幾件事，我一件都沒敢交，往後大概也不會交——不是因為 AI 做不了，是因為那幾件事交出去、一旦錯了，我根本發現不了，等發現就已經太遲了。

我發現，區分這兩堆活的，根本不是「難還是簡單」，也不是「無聊還是有趣」。而是另一個問題：這件事要是 AI 做錯了，我能不能當場看出來？ 能，我就敢交；不能，我就死死攥在自己手裡。

這篇我就按這條線，把我這一年「交出去的」和「留下的」一件件攤開，也講講我交出去之後差點栽的那幾個跟頭。你要是也在糾結哪些該讓 AI 做、哪些不該，也許能幫你省點試錯。

先說交出去的：那些「我一眼能驗對錯」的活

第一件，寫各種文件的初稿。 PRD、週報、需求說明、給老闆的簡報——這些我基本上都讓 AI 先起草。它給我一個七八十分的底子，我在上面改。為什麼敢交？因為文件對不對，我一讀就知道，它哪句是空話、哪個點沒講到，逃不過我的眼睛。它負責把我從「對著空白頁發呆」裡撈出來，我負責把它那七十分改到我要的九十分。這活它做得比我快，我驗得也快，是筆划算的買賣。老實說，寫文件最耗人的從來不是打字，是從零起頭那一下的卡關——這一下被它接走，我省下的是心力，不只是時間。

第二件，扒資料、做第一遍競品調研。 我要了解一個新領域、或者摸清幾個競品，會先讓 AI 把公開資訊整理一版給我：這幾家分別怎麼做的、路線有什麼不一樣、大致的優劣。它半小時做完我一天的資訊蒐集。這裡的關鍵還是「我驗得出來」——它整理的東西對不對、有沒有亂編，我拿兩個我熟悉的點一對就知道靠不靠譜，靠譜就用，不靠譜就重來。有一次它給某個競品編了一個「上線了付費會員體系」的細節，講得有鼻子有眼，可那家我正好熟、根本沒這回事——我隨手拿兩個熟悉的點一對就露餡了。所以它扒的資料我從不直接信，永遠抽兩個我懂的地方先戳一戳，戳穿了這一版就整個不要。能交給它的從來不是「我信它」，是「我隨時能抓它」。

第三件，把一大堆使用者回饋分類、找共通點。 幾百上千條留言和回饋堆在那兒，一條條讀能讀到眼瞎。我現在直接丟給 AI，讓它分類貼標籤、把反覆出現的抱怨挑出來。它給我一張「使用者到底在罵什麼、誇什麼」的地圖。這活以前要占我大半天，現在半小時，而且它比我有耐心，不會讀到第兩百條就開始恍神漏看。

第四件，會議紀要和把討論變成待辦。 開完會，讓 AI 把錄音或紀錄整理成會議紀要、把誰該做什麼拎出來，我掃一眼補兩句就發出去。以前散會後那半小時的整理活，沒了。我掃的那一眼也不是白掃——它偶爾會把某件事的負責人排錯，或者把一句隨口說說當成了正式結論，這些一眼能挑出來，改掉就好；但也正因為它會犯這種錯，這一眼我從不省。

還有做原型。 這個我上次專門寫過——一句話的想法，一個下午讓 AI 做成能點的東西。也在「交出去」這一堆裡。

你把這五件連起來看，會發現它們有個共同點：它們都有一個我能當場檢驗的對錯。 文件好不好我讀得出來，資料真不真我對得出來，回饋歸得準不準我抽查得出來。AI 負責把我從又累又耗時的「體力活」裡解放出來，而最後那道「對不對」的關，始終是我自己在把。 這是我敢放心交的全部底氣。

再說留下的：那些「錯了我也看不出來」的活

交出去的越多，我越清楚哪幾件我絕不能交。因為它們全踩中同一個雷：AI 做錯了，你當場看不出來，甚至一直看不出來。

第一件，決定做不做、先做哪個。 也就是優先順序和取捨。AI 能幫我把選項列全、把每個的利弊擺出來，這我歡迎。但「這三個需求，砍掉哪個、先上哪個」這個決定，我從不交給它。因為優先順序沒有一個能驗對錯的標準答案——它取決於我們這一季到底要什麼、賭哪個方向、願意放棄什麼，這些藏在我腦子裡和無數沒寫進任何文件的脈絡裡。AI 給我的排序永遠看起來很合理，可「看起來合理」恰恰最危險——一個錯誤的優先順序，要好幾個月、等一整攤資源砸下去打了水漂，你才發現方向從一開始就錯了。 這種「當時看不出、事後追不回」的錯，我不敢外包。

第二件，判斷 AI 自己給的東西到底對不對。 這話有點繞，但特別要命。AI 會非常自信地把錯的東西講得跟真的一樣——一個不存在的數據、一個想當然耳的使用者結論、一段聽起來滴水不漏其實站不住的邏輯。如果連「判斷它對不對」這件事我都交給 AI（比如再找個 AI 去核它），那就沒有任何一道關是人在把了，錯的東西會一路綠燈衝到線上。 所以越是它信誓旦旦的時候，我越要自己停下來驗一遍。這道關我一旦鬆手，前面那五件「敢交」的活立刻全變成雷——因為它們敢交的前提，就是我這道關還在。

我為這個栽過跟頭。有次它幫我分析一批數據，結論漂亮、邏輯順暢，我看著太順就沒細究，直接寫進了簡報。後來才發現它把兩個指標的口徑搞混了，整個結論是反的。那次之後我給自己立了條鐵規矩：越順的結論越要停一下，它越自信我越不能偷懶。

第三件，和真人之間那些要讀空氣的事。 安撫一個因為需求被砍而憋著火的同事、說服一個死活不認同的老闆、在兩個吵起來的團隊中間找平衡——這些我從沒想過交給 AI。AI 能幫我把郵件措辭改得客氣點，但它讀不出對面那個人此刻是真生氣還是只是要個台階、能不能開個玩笑還是必須嚴肅。這些藏在語氣、停頓、和你倆過往交情裡的東西，是這份工作最難、也最不能外包的部分。 一封 AI 代寫的、四平八穩的漂亮郵件，有時候比你自己笨拙但真誠的兩句話，殺傷力大得多。

第四件，也是最根本的一件——對「什麼是好」的品味，和出了事我來扛的那份責任。 同樣是能點的原型，哪個「對味」、哪個彆扭，那條線是我這些年攢下來的，我說不清但一眼能認；而一旦這個產品出了問題，站出來認的那個人，是我，不是 AI。你沒法讓一個模型去承擔責任——它不會為一個錯誤的決定失眠，不會被扣績效，不會在檢討會上臉紅。 而產品經理這個職位，某種程度上，賣的就是「有一個具體的人，在為這些判斷負責」。這份東西，我交不出去，也不該交出去。

一件新活來了，我怎麼當場決定交不交

上面兩堆是我一年攢下來的結果，但真到手上冒出一件沒做過的新活，我不會去翻這張清單，我就問自己三個問題，很快能定。

第一個：它要是做錯了，我當場看得出來嗎？ 看得出，偏向交；看不出、或者要等很久才暴露，攥住。寫文件它錯了我一讀就知道，所以敢交；排優先順序它錯了我好幾個月後才知道，所以不敢。

第二個：這件事有沒有一個能對照的「標準答案」，還是全看此刻的取捨、關係和品味？ 有客觀對錯的（資料真假、分類準不準），交；答案藏在「我們這一季到底要什麼」「對面這人此刻什麼情緒」裡的，留。

第三個：這件事出了岔子，需不需要一個具體的人站出來扛著？ 需要有人負責的，我不外包——因為責任這東西壓根沒法交給一個不會失眠、不會被究責的模型。

舉個例子你就明白怎麼用了。前陣子要不要給一個功能加「AI 智慧回覆」，我拆成這三問：效果好不好，我上線一試使用者點不點就知道（第一問：看得出，可驗）；但「該不該為這個功能投這些資源、值不值得押這個方向」，沒有標準答案、全看我們的賭注（第二問：靠判斷，留），而且真做砸了是我背鍋（第三問：要扛責，留）。所以結論很清楚——讓 AI 去做那個回覆功能的原型，但做不做、押不押這一注，我自己拍板。 三個問題過一遍，交與不交的邊界就自己浮出來了。

那條線，其實一直在往一個方向挪

把兩堆攤開你會發現，我留下的這幾件，沒有一件是靠「AI 還不夠聰明」守住的。恰恰相反——論寫郵件的漂亮、論列優先順序的條理，它可能比我還強。

我留下它們，是因為它們的價值本身就在於「由一個人來做」：一個要有人負責的決定、一次要有人扛責的判斷、一份要有人用真心去接住的關係。這些東西的稀缺，不來自 AI 做不到，來自「必須有個具體的人在這兒」。 這也是為什麼我不擔心這條線會哪天突然崩掉——它不是畫在「AI 的能力邊界」上，而是畫在「誰來負責、誰有品味」上，而後者，短期內還只能是人。

至於「交出去」那一堆，我很清楚它只會越來越大。今天 AI 幫我寫初稿、扒資料，明天它可能連初步的方案設計都能給我八十分。我要做的不是死守著某幾樣活不放，而是盯緊那道「對不對」的關別鬆手，同時不停地問自己：現在輪到把哪件舊活交出去了？

不過老實說，交出去這件事本身也有它的代價，這是我到現在還沒完全想明白的一塊。文件初稿全讓 AI 寫，寫久了，我會不會慢慢忘了怎麼從零想清楚一份 PRD？資料全讓它扒，我會不會失去那種自己一頭栽進去、栽出手感的能力？有些活我現在還堅持偶爾自己從頭做一遍，不完全是因為 AI 做不好，是怕自己那塊肌肉萎縮掉——真到了需要我判斷它做得對不對的時候，我怕我已經沒那個手感了。 交與不交之外，好像還有個「交多少、留多少給自己練手」的問題，這個我還在摸索，也想聽聽你是怎麼權衡的。