别再卷 AI 工具了,二/八原则中真正拉开差距的是决策习惯

前天晚上刷到 Jeff Gothelf 的一篇文章，标题大意是：有三种习惯，比 AI （人工智能）工具熟练度更能赢。

我第一反应是：这话有点耳熟。

现在谁还没几个 AI （人工智能）工具收藏夹？写文案用一个，画原型用一个，写代码用一个，做 PPT （演示文稿）再用一个。朋友圈里隔三差五有人晒：“我用某某工具 10 分钟做了一个产品原型。”

厉害是真厉害。

但问题也在这里。原型越来越快，方案越来越漂亮，团队反而更容易吵起来：到底哪个版本更好？谁的 Prompt （提示词）更高级？谁生成的页面看起来更像能融资？

说白了， AI （人工智能）把“做出东西”的门槛打低了，却把“判断什么东西值得做”的问题放大了。

这才是最烦的地方。

工具越快，团队越容易掉进“漂亮废稿”里

Jeff Gothelf 在文章里讲了一个产品设计场景：一家 AI-first startup （人工智能优先创业公司）的设计师，正在和一个利益相关方同时迭代同一个 UX （用户体验）问题。两个人都用 Lovable 、 Claude Code 这类 AI （人工智能）工具做出了很完整的 Mockup （视觉原型），然后各自拿着成果去说服团队：“我的更好。”

听起来是不是很熟。

以前这种内耗没那么容易发生。不是因为人更成熟，是因为成本高。设计稿要画，交互要接，开发要排期，谁都不能天天开新坑。

现在不一样了。你一句话，工具给你三个版本。再一句话，换配色、换布局、换交互、换信息架构。精致得像刚从发布会后台端出来。

坏就坏在“精致”。

精致会让人误以为它已经接近正确。其实很多时候，它只是接近好看。

麦肯锡 2025 年关于 AI （人工智能）的全球调研里有个数据挺刺眼： 88% 的受访组织说自己已经在至少一个业务职能里常规使用 AI （人工智能），但多数公司还停留在实验或试点阶段，真正开始企业级规模化的只有约三分之一。另一组数字也很有意思： 62% 的组织已经在实验 AI Agent （人工智能代理），但在单个业务职能里规模化部署的比例普遍不超过 10%。

这说明什么？

不是大家不会用。大家太会试了。问题是，试完以后不知道怎么收。

第一件事：写 Prompt （提示词）之前，先写结果

Jeff 给的第一条习惯是：在写 Prompt （提示词）之前，先命名结果。

这句话看着简单，做起来特别反人性。因为我们现在太容易直接开干了。

“帮我优化一下首页。”

“帮我做一个更高级的登录页。”

“帮我把这个流程改得更顺。”

这些话不是需求，是愿望池。 AI （人工智能）听了当然会干活，而且干得很卖力。它会生成一堆看似合理的输出，然后你在里面挑。挑到凌晨一点半，眼睛发干，脑子也发干。

不对。

正确的起点应该是：用户行为要发生什么变化？

比如，不要说“登录体验更好”，而是说“新用户能在 30 秒内完成注册，并且不需要问客服验证码在哪里”。不要说“页面更有转化率”，而是说“在 20 个目标用户里，至少 14 个能准确说出这个产品解决什么问题”。不要说“这个功能更智能”，而是说“用户第二次回来时，愿意继续沿用上一次生成的结果”。

这就是 Outcome （结果）和 Output （产出）的区别。

Output （产出）是页面、文案、原型、代码。 Outcome （结果）是用户真的改变了什么行为。

如果你说不清 Outcome （结果）， AI （人工智能）会无限满足你的 Output （产出）欲望。

嗯。

这个坑太滑了。

第二件事：别等做到精致了才决定停

Jeff 的第二条习惯是：提前决定停止标准。

我特别喜欢这个点，因为它有点残酷。

大多数团队不是没有迭代能力，而是没有刹车能力。尤其在 AI （人工智能）工具进来以后，“再试一版”的成本低到像不要钱。真的，太容易瞎折腾。

今天换成卡片式。明天换成对话式。后天加一个 Agent （人工智能代理）头像。再过一天，老板说能不能更年轻化一点。

然后大家都很忙。

忙得像在推进项目，其实是在经营一个抛光工厂。

停止标准可以很土，但必须提前写。比如：

我们只做 3 轮迭代。 我们只比较 2 个方向。 我们找 5 个真实用户试用， 3 个以上完成关键任务就先进入下一步。 周五中午 12 点之前还没有显著差异，就保留当前版本，不再加新方案。

别嫌粗糙。粗糙的停止标准，也比“谁职位高谁说了算”靠谱。

这里我想插一句题外话。很多公司嘴上说数据驱动，开会时还是审美驱动；嘴上说用户第一，真到拍板时还是老板第一。 AI （人工智能）没有改变这个毛病，只是给它穿了一件更时髦的外套。

扯远了。说回正题。

停止标准不是为了限制创造力。它是为了保护团队的注意力。因为注意力一旦被无限版本吃掉，真正该被讨论的问题就没人管了：用户到底有没有更快完成任务？有没有更愿意回来？有没有少骂两句？

第三件事：每个方案都要能被证伪

第三条习惯更像 Lean UX （精益用户体验）的老传统：把每个方案当成 Hypothesis （假设），设计一个能证明你错了的测试。

这句话不好听。

谁愿意证明自己错了？尤其你刚用 AI （人工智能）做出一个漂亮得要命的原型，按钮有微动效，配色很克制，文案还带一点人味儿。你看着它，心里已经开始给自己鼓掌了。

但用户不会因为你生成得快就买账。

Jeff Gothelf 本人长期写 Lean UX （精益用户体验）、 Product Discovery （产品发现）和 OKR （目标与关键结果）。这套思想里有个很硬的底层逻辑：产品工作不是比谁产出更多，而是比谁更快接近真实。

真实通常不温柔。

一个方案看起来高级，用户可能根本不知道下一步点哪里。一个流程看起来完整，销售同事可能第一天就发现客户不认这个价值主张。一个 AI Agent （人工智能代理）看起来全能，用户可能只想让它做好一件小事。

所以测试要便宜，要短，要能杀死幻觉。

比如你有两个首页版本，不要让内部同事投票“哪个更好看”。拿给 5 个目标用户，让他们用 30 秒说出产品帮谁解决什么问题。说不出来，这个版本就别硬撑。

比如你做了一个 AI （人工智能）需求分析助手，不要先开发完整工作流。让 3 个产品经理拿真实 PRD （产品需求文档）试一下，看它能不能指出遗漏的边界条件。指出不来，说明“智能”只是个壳。

这就是证伪。

不是找证据证明我对，而是找最便宜的方法看看我是不是错得离谱。

真正的 AI （人工智能）能力，是把判断前置

我现在越来越觉得，未来 18 个月里， AI （人工智能）工具熟练度会变成基本功。

不是加分项。

就像会用搜索引擎、会做表格、会写邮件一样。到某个时间点，大家都会。你会用 Claude Code （ Claude 代码工具），别人也会；你会用 Lovable （无代码应用生成工具），别人也会；你能一晚上生成 20 个方案，别人也能。

那差距在哪里？

差距在三个问题：

我们这次到底要改变哪个用户行为？ 做到什么程度就停止？ 用什么测试证明自己可能错了？

这三个问题不性感。没有新工具截图，也没有“10 倍效率”的爽感。但它们决定了团队是不是在靠近价值，还是只是在制造更多看起来很厉害的东西。

AI （人工智能）最危险的地方，不是它会胡说八道。胡说八道还能查。

更危险的是，它会把一个方向不清楚的团队，武装成一个产能很高的团队。

产能很高，方向很湿。

那就麻烦了。

这个星期，可以先试一张纸

如果你团队正在用 AI （人工智能）做产品、设计、运营方案，别急着换工具。

拿一张纸，写三行：

第一行：这次迭代服务哪个具体结果？ 第二行：什么数字或现象出现，我们就停止？ 第三行：哪个测试能最快证明当前方向不靠谱？

然后再打开 AI （人工智能）工具。

顺序别反。

工具应该服务判断，不应该替代判断。 Prompt （提示词）写得再漂亮，也救不了一个没定义结果的任务。原型生成得再快，也掩盖不了团队不敢拍板的事实。

我也不敢说这三件事能解决所有问题。产品世界没那么乖。

但它能帮人少一点无效兴奋。

AI （人工智能）已经让“做出来”变得便宜了。接下来，贵的是判断。