夜雨聆风导读：最近大家都在“卷”AI代码生成率，恨不得让AI写出80%的代码。可问题是，代码写得再快，需求评审卡三天、合规审核拖两周、跨部门协调扯皮一个月，项目交付照样延期。
管好项目，不能只盯着“干活”那个环节。瓶颈往往不在敲键盘的速度，而在流程。
DPM网站上周对欧洲产品管理公司Product People创始人Mirela Mus进行访谈。Mirela用AI Agent的整体思路是——不追求AI辅助代码率，而是用AI去啃“高维护、低价值”的脏活累活。这是笔者人为的AI+项目管理的正确打开方式。
01 大部分PM的时间花在了“不产生价值”的事上
你作为项目经理/产品经理，一天下来，真正用在“做正确决策”上的时间有多少？
Mirela Mus团队服务过Amazon、Zalando、DeepL、WHO等客户，她发现一个普遍问题——PM们的大量精力，被三类“高维护工作”消耗掉了：
合规与法务核对：一个PRD写完了，发出去等法务反馈，来回修改，三五天就没了。
催审批、追进度：方案卡在某位总监桌上，PM用自己的人情分去“求签字”，耗神、低效。
重复性的进度汇报：每天/每周手动拉数据、写报告，占用了本该用来思考策略的时间。
这些事的共同点是：不做不行，做了也没什么增量价值。用Mirela的话说，就是“unglamorous hands-on work”——不体面的、琐碎的、低价值的执行活。
这不就是我们很多PM的日常吗？白天开会、催人、填表，晚上才有时间真正思考项目风险、业务逻辑。工具把人变成了“流程的附庸”。
02 解题思路：用AI Agent啃“脏活”，让人回归“决策”
Mirela团队的核心原则就六个字：“Low maintenance, high results” ——低维护，高产出。
翻译成项目管理语言就是：把那些维护成本高、但价值不高的活儿交给AI，让人专注在真正能产出结果的事情上。
他们不是买一个大而全的AI平台，而是部署了多个轻量级的AI Agent（智能体），每个Agent解决一个具体的流程痛点。
这是Mirela在访谈中提到的典型Agent整理，AI翻译的可能不十分准确，大家领会精神：
| 合规守门员 | |||
| 审批小助手 | |||
| 进度自动播报 | |||
| 魔鬼代言人 | |||
| 干系人周报生成器 |
这个做法的精髓在于“小而专”——每个Agent只做一件事，做好一件事。不像很多领导一上来就想搞个“AI中台”，结果大而无当、落地困难。Mirela的思路更符合敏捷原则：小步快跑。
03 把“等待审批的死时间”砍掉
Mirela分享了一个他们最近处理的实际案例：
团队面临一个经典瓶颈——从想法到开发的时间被拉得太长。PM们花大量精力手动核对法务约束、追着干系人签字。这些“高维护工作”没有任何战略价值。
他们部署了一套内部AI Agent系统：
合规Agent：在PRD送审前自动预检，标记监管风险
催签Agent：通过Slack自动处理审批流程，PM不用亲自去“求人”
进度Agent：自动生成状态报告，主动推送给干系人
结果：
速度：从想法到开发的平均时间显著缩短，“等待审批的死时间”几乎消失
满意度：干系人更满意了——他们收到了及时、主动的进度更新，而不是被PM追着问
这里有一个容易被忽视的洞察——AI不仅提升了效率，还改善了人际关系。PM不再扮演“催命鬼”的角色，干系人也不用被频繁打断。流程自动化，反而让人与人之间的互动更健康。
04 他们不做什么？
Mirela团队的做法，和很多公司的“AI转型”形成鲜明对比：
他们不做的：
❌ 长期甘特图 + 固定时间表的刚性计划
❌ 为了用框架而用框架的“流程臃肿”（她称之为Agile的“cargo cult”——盲目崇拜）
❌ 把“按时发布”当成功标准，而不是“达成业务指标”
他们做的：
✅ 轻量级策略：用机会解决树(OST)和OKRs，但只用在关键处
✅ 运营卓越：自研的评审流程，评估PM是否真的交付了业务结果
✅ “常识框架”：一切流程服务于结果，而不是服务于流程本身
Mirela说：“很多公司失败，不是因为流程不够复杂，而是因为流程承载不了它们被强加的重量。”流程是工具，不是目的。AI时代更是如此——AI应该是帮你简化流程的，不是帮你把流程变得更复杂的。
05 对PM的新要求：
Mirela提出了一个非常值得关注的判断：
五年内，初级项目经理/产品经理的工作将被AI大幅自动化。入门门槛会改变——你不是靠写用户故事入行，而是靠战略思维、系统设计、以人为本的领导力入行。
PM的角色会分化成两类：
AI增强的战略领导者：聚焦愿景和人心
AI增强的系统/流程架构师：设计AI Agent的理想工作流
她给交付负责人的建议是：
停止优化你自己的时间，开始设计你的团队将在其中运作的AI增强系统。
具体三步：
把你的“优秀实践”文档化：AI Agent的训练数据，就是你团队的知识沉淀
聚焦“为什么”：用AI省出来的时间，去成为一个更好的人性化领导者
目标是规模化地“强制执行”你的优秀标准——不是替换团队，而是让团队更强
这段话说到我心坎里了。很多管理者把AI当成“省人力”的工具，恨不得一个人干三个人的活。但真正聪明的做法是：用AI把团队的下限拉高，让每个人都达到“优秀”的标准线，然后人去做那些AI做不了的事——判断、共情、拍板、鼓舞士气。
06 笔者的三条心得
结合Mirela的实践和国内企业的落地经验，近期笔者产生三条心得：
心得一：先画“痛点地图”，再选Agent
别一上来就买工具。拿出纸笔，画出你的项目交付全流程，标出每个环节的“等待时间”、“重复劳动”、“跨部门扯皮”。最痛的那个点，就是第一个Agent的切入点。比如你团队最烦的是催审批，那就先搞审批自动化；最痛的是合规返工，就先搞合规预检。
心得：每个Agent只解决一个问题
不要指望一个Agent干所有事。Mirela的做法是“多个轻量级Agent各司其职”，这和微服务架构的思路一致——松耦合、易迭代。你可以从Slack机器人、n8n工作流、Notion AI这类低门槛工具开始，不用一上来就上大模型平台。
心得三：把“设计AI工作流”纳入PM的职责
未来的PM，不仅要懂业务、懂用户，还要懂“怎么设计人-AI协同的工作流”。这是一项新能力。建议团队里安排专人（或轮岗）负责探索和配置AI Agent，把经验沉淀成内部知识库——这就是你团队的“AI护城河”。
写在最后
AI不会取代你，但会用AI的人会取代你。
那怎样才算是会用AI的人？不是那些“用得最多”的人，而是“用得最对”的人。
Mirela团队的案例告诉我们，AI在项目管理上的价值，不是让PM写得更多、更快，而是让PM从琐碎中抽身，去做那些真正需要人的事——判断优先级、平衡干系人利益、在混乱中给出方向。
这才是“人机协同”该有的样子：AI做AI擅长的事，人做人擅长的事。
你团队的项目交付流程里，最让你头疼的“脏活累活”是什么？欢迎聊聊，