AI能干活之后,产研团队该怎么重新分工

# AI能干活之后，产研团队该怎么重新分工

智识神工创始人楚庆在2026年ITValue Summit数字价值年会闭门会上说了一句话：他们团队的代码几乎全部由AI生成，人不再写代码。但他紧接着说了一个让在场高管不安的观察——当AI大幅减少工作量后，很多团队成员并没有转向系统分析、知识创造等更高价值工作，反而出现了全方位的能力退化。

这个细节戳破了一个普遍的幻觉：很多人以为AI替代了执行，人自然会去做更有价值的事。现实是，如果协作方式不变，人不会自动升级，只会一起退化。

### 从"你问它答"到"它自己干"

2025年之前，大模型在产研团队里的角色很明确：你问一句，它答一句。写邮件草稿、生成代码片段、整理会议纪要，本质上都是搜索的增强版。它需要你全程盯着、分段下指令，做出来的东西经常要返工。

到2026年，形态变了。AI Agent开始具备"路径规划"和"多步骤执行"的能力。你给它一个目标——"调研AIGC视频生成领域最近三个月的头部产品动态，输出一份带数据对比的分析摘要"——它会自己拆解任务：列搜索关键词、分头拉取信息源、交叉验证、按分析逻辑组织内容。过程中你只需要在关键节点审核。

背后的技术变化有四个模块在成熟：任务规划让模型拆解大目标，工具调用让模型操作外部系统，记忆管理让模型记住上下文和业务规则，结果校验让模型自查是否达标。这四件事叠加，AI从"嘴替"变成了"执行者"。

对企业来说，评价标尺也在变。过去统计"多少员工在用AI"，现在看AI能不能真正踏进经营现场。一家企业的销售负责人要定位本月销售额下滑原因，以前需要手动导数据给AI分析，拿到结论后还要跳转CRM核对客户、ERP校验订单，再线下确认区域情况——AI只完成片段式分析，完整任务靠人串联。现在的方向是AI直接读取业务数据、调用业务流程、推动执行，人从中间的"连接器"变成目标设定者。

### 产研的旧契约正在失效

产品经理和工程师之间有一条长期存在的默契：产品经理负责发现需求、写PRD、画原型，工程师负责把设计变成可运行的代码。中间靠文档、评审和排期来衔接。

这条默契的前提是：人写代码、人画原型、人做竞品分析，这些执行环节需要大量时间，所以分工是为了让两端各自专注。

当这些执行环节被AI接走，契约的前提没了。

产品经理的工作流已经在变。以前从发现需求到交付开发，要经过用户故事、用户旅程、功能设计、原型图、交给设计和开发——每个环节都需要投入精力。现在有能打的Agent后，流程压缩成三步：发现需求、把问题和呈现形态发给Agent、测试反馈迭代。有人已经验证过：把"搭建一个定时筛选AI资讯并推送到飞书的系统"交给Agent，半小时交付，而这个人半年前就想用Workflow搭建，一直因为流程太复杂而搁置。

工程师这边变化更直接。当代码几乎全部由AI生成，"写代码"这个核心能力是否还需要作为职业存在，已经有人在公开讨论。楚庆的判断是，软件可能会像英语一样，从一种职业能力变成一种基础技能。

但这里有一个被忽视的问题：楚庆团队的观察表明，当AI接走执行后，人如果不去主动找新的价值位置，能力退化是全方位的——不只是不写代码了，连系统分析、文档输出的能力也在退化。原因不复杂：这些能力的维持本来就要靠实践，执行环节被AI接走后，如果没有刻意的重新分工，人就会从"不写代码"变成"什么都不会"。

### 新的三个位置

旧分工是"产品经理提需求、工程师写代码"，新分工需要在AI已经能执行的前提下重新定义人的位置。从已有的实践中能看出三个方向。

**定义问题，而不是定义方案。** 当AI能快速生成方案甚至原型时，产品经理的价值不在"画出来"而在"想清楚做什么、为谁做、解决什么真实问题"。有一个做AI作文辅导产品的案例值得展开：团队最初想让AI无所不能——改错别字、写金句、甚至直接帮孩子写范文。产品经理最终做的工作不是设计功能列表，而是划定边界：AI只能"评"和"导"，不能"替写"；孩子输入"帮我写一篇关于春天的作文"，AI直接拒绝，引导孩子自己表达。这个边界不是AI能自己判断的，它需要对教育场景的理解、对合规风险的把握、对产品定位的坚持。

工程师的价值也在往定义端迁移。当AI生成代码后，工程师从"写"变成"审"——审查架构合理性、评估技术债、判断AI方案在真实运行环境中的可靠性。这要求更高的系统思维，而不是更快的编码速度。

**划定AI的行为边界。** 2026年大模型已经从"拼谁更聪明"进入"拼谁更靠谱"。用户被AI的幻觉坑过——有AI客服直接给用户编了一个不存在的退款政策，差点引发客诉。监管也在收紧。给AI制定行为准则——什么事能做、什么不能碰、不确定时找谁——正在成为产品经理的核心工作。这不是写PRD的旧路径能覆盖的，它更接近给一个新同事写岗位说明书和红线规则。

**做AI做不了的最后判断。** AI能拆解任务、调用工具、执行流程，但在几个点上仍然需要人：对用户痛点的深度共情、对市场时机的直觉判断、对商业模式的整体构思。这些不是"更高级的执行"，是不同性质的判断。AI能做竞品分析，但"这个市场现在该不该进"是人的判断；AI能生成方案，但"这个方案对不对得起用户的信任"是人的判断。

### 人不会被替代，但旧分工会被替代

回到开头那个让人不安的观察：楚庆团队的人没在AI替代执行后自动升级。问题不在AI太强，在于分工没有跟着变。

如果产品经理还在画原型、工程师还在写代码，AI不是在帮他们，是在替代他们。但如果产品经理在做"定义问题"和"划定边界"，工程师在做架构决策和运行时判断，AI就真的是工具——它做了执行，人做了判断。

这不是一个乐观的结论。因为"定义问题""划定边界""做最终判断"这些能力的门槛，比"画原型""写代码"高得多。旧分工能容纳大量执行者，新分工能容纳的判断者少。AI把旧分工里那些不需要判断的环节暴露了出来，让它们变得不值得专门设一个岗位。

对产研团队来说，真正要回答的问题不是"AI能不能替代我"，而是"我做的事情里，有多少是AI替了也不影响结果的"。如果答案是大部分，那不是AI的问题，是岗位设计的假设已经过时了。

---