AI时代，提出好的问题=好的品味

AI时代，好的产品品位，是选对值得解决的问题

AI能帮我们写需求文档和画原型，也能做数据分析、辅助写代码。工具越来越顺手，产品经理更需要想清楚，应该先解决什么问题。

2024年下半年，我开始负责基于智能体的AI产品。在设计产品、交付智能体、解决客户业务问题时，我越来越看重一种能力：从日常工作里发现值得解决的问题。我理解的“品位”，就是对问题价值的判断，包括谁需要它、值不值得投入，以及做到什么程度才算有效。

今天，和公司一位客户成功经理聊天，他今年的经历，让我对这个判断变得更加坚定。他面对几百个工作群，每天上千条消息，一个人处理不过来。我问他为什么要做资源运营系统，他说是被逼得没办法，开始用AI工具自救。

他自学代码，找能借鉴的现成项目，用AI编程工具搭系统，也研究公司现有系统能提供哪些功能。他还找产研同事研究怎么接通工作群，让群机器人自动处理任务，发送运营时报、日报和异常告警。

据他介绍，这套系统支撑他一个人覆盖800家门店的资源运营工作。

他既是使用者，也承担了产品经理的工作。他清楚每天被什么问题困住，又把这些事情变成系统要完成的任务。AI帮他把想法做了出来，但能不能选中有价值的问题，仍然需要基于业务洞察力来做判断

这个案例给我很大的触动，也给了我启发，就是从自己每天处理不过来的事情中寻找AI能解决的场景。写清需求和画好原型，仍然是基本功；但选择先解决哪个问题，更需要认真下功夫。

业务人员可以翻一翻反复出现的工单和问题，看看同事每天在哪些操作上花时间。产品经理也可以跟着业务人员走一遍处理流程，记录具体的困难。

准备动手时，先把问题问清楚：谁受到影响？不解决会有什么后果？现有系统能提供需要的数据和功能吗？做完以后，用什么结果判断有没有帮助？

拿群消息处理来说，可以比较上线前后，漏处理的任务有没有减少，整理报表花的时间有没有缩短，异常是否能更早被发现。

能从日常需求中选出值得做的事，再验证它是否有用，是我认为值得长期练习的产品判断力，也是AI时代好品味最直观的体现。