AI越强,＂想清楚＂越贵

做过企业软件的人大概都有过这种感觉：需求改了四轮，最后做出来的东西和第一版差了80%——但改的那80%全不是功能，是"到底要什么"。

你有没有算过：真正花在做东西上的时间可能只有5天，剩下15天全花在了"反复确认到底要什么"上面。

这笔钱有名字。我叫它意图税。

需求变更不是原因。需求从第一天起就没被翻译清楚，才是。

一笔没人算过的账

先看一个场景。

业务说"我要个报表"。

产品经理画了8页原型，写完PRD，流转开发。两周后交付演示，业务看了一眼：

"不对。我要的不是报表——我要的是每天早上花5分钟就知道昨天出了什么问题。"

产品经理回去改。开发再改。又一轮。又一轮。

四轮之后，终于"做对了"。

但回过头看：那四轮里改的80%不是功能，是意图的精度。业务从一开始就知道自己要什么——只是没有人帮他们翻译出来。

意图税就是这样收的：不是你做了多少次，是你做了多少次"不该开始的那一次"。

需求变更是结果。意图没被澄清，才是原因。

而意图税税率最高的那种PM，有一个名字：传话筒。

传话筒

传话筒产品经理不是偷懒的人。恰恰相反——他们加班加点画原型、写文档、跑评审、协调资源。

他们做的事看起来很完整：接收业务需求→写成PRD→画原型→排优先级→流转开发。

但有一件事他们跳过了：追问"你到底想解决什么问题"。

业务说"需要审批流程"，传话筒写"系统需支持审批流程，含发起、审批、驳回"。

看起来很专业，但信息增量为零。业务的话换了一种格式，意图没有澄清，问题没有收敛。

打个比方：有人跟你说"我渴了"，你跑去端来一杯温水、一杯冰水、一杯柠檬水、一杯气泡水让他选。很勤奋，很周到。但他渴的可能是"我想离开这个会议去透透气"。

你解决的是表达，不是意图。

传话筒的隐性账单

一个传话筒搬运的成本传导链：

业务提需求→PM原样转发（0%意图澄清）→开发按字面做→业务说不对→PM回去改→开发再改→循环

算一笔账：

业务：每轮评审0.5天 × 5轮 =2.5天

PM：每轮重写+协调1天 × 5轮 =5天

开发：每轮返工2天 × 5轮 =10天

合计：17.5天意图税

而"做对的那一次"，可能只要5天。

传话筒PM省了1天的翻译时间，整个团队付了17天的意图税。

这不是效率问题。这是一笔选择性失明的债务。

PM觉得自己在"快速响应"，业务觉得自己在"逐步明确"，开发觉得自己在"反复返工"。三方都觉得自己是受害者，但没人看到这笔账的总额。

AI加持的传话筒：跑得更快，税照收

现在有了AI，传话筒跑得更快了。

以前手写PRD，改一轮要3天。现在用AI生成，改一轮只要3小时。

速度提升了，但核心问题没变——意图还是没被澄清。改变的只是：以前5轮返工要一个月，现在5轮返工只要一周。

AI没有治意图税，它只是让账单来得更快了。

还有一个新陷阱：因为AI出方案太快，大家更容易掉进"先做出来看看"的循环。做了3个方案，每个都"不太对"，但说不清哪里不对。不是方案的问题，是意图从没被锁定。

比如业务说"要个权限管理"。传话筒用AI一口气出了三版：基于角色的、基于部门的、混合管控的。业务看了都说"差不多"。

为什么差不多？因为没人问过一个关键问题：权限管的是什么？是怕人看到不该看的，还是怕人改了不该改的？两个答案指向完全不同的方案。

AI不知道要问这个，传话筒也不知道。三方在"差不多"里又转了两轮。

"差不多"是意图税最隐蔽的收款方式。

OpenAI 的 Greg Brockman 最近说了一句话：做事变容易了，但判断"这是不是我想要的"变得极其昂贵。

他说的"判断力"，就是意图税的另一个名字。

AI对两种产品经理的作用完全相反。

会思考的PM，用AI更快验证假设——"业务说X，我理解其实是Y，对吗？"AI帮他三个方向同时试探，意图澄清的效率翻倍。

传话筒PM呢？试错太便宜了，干脆不想了。

以前改一轮要两周，想到头皮发麻也得想清楚再动手。现在改一轮三小时，"先做出来看看"变成了默认选项。

不是AI让他们变懒，是AI让"不用想清楚"的代价暂时消失了。直到某一天发现，离开了AI自己连需求都不会接了。

思考的肌肉，是用进废退的。

意图税不是新问题

手工时代，传话筒也存在。但因为做一轮需求要两周，大家被迫在开工前多想几遍。不是那时候意图更清晰，是执行慢强制给了思考时间。

工具时代，做一轮改一周。意图税开始暴露，但还能用"敏捷迭代"粉饰。

现在，AI让执行趋近于零成本。意图不清的代价再也没地方藏了。

不是AI制造了这笔税，是AI撕掉了执行的遮羞布。税一直是那个金额，只是以前它混在执行成本里，你看不到。现在执行成本归零了，它就变成了全部账单。

怎么降意图税

三个反直觉判断，每个背后藏着一个动作。

一、先别动手，先回答三个问题

写PRD之前先回答三个问题，答不出来别开工：

业务现在卡在哪里？

注意，不是"要什么功能"。把功能描述翻一层：他们现在的工作里，哪一步最痛苦？痛点才是意图的入口。

做出来之后，谁在什么场景下用它做什么？

限定一个人、一个场景。如果答案是"所有人都能用"，说明意图还没收敛——通用往往是模糊的借口。

怎么判断做对了？

一个可验证的标准。不是"好用""方便"这种词，是"以前要30分钟的事，现在5分钟做完"这种可衡量的变化。

这三个问题不需要写在文档里，不需要走流程。可以在白板上、在咖啡厅、在电梯里花10分钟聊完。但必须聊完。

答不出来就开工，不是敏捷，是给意图税交预付款。

二、评审会的前10分钟，只聊一件事

传统需求评审：PM讲方案，大家挑毛病。方案已经画出来了，原型已经排好了，评审会变成了"改哪里"的讨论。

问题在于：意图还没对齐就讨论方案，每个人脑中的"对"都不一样。

换个做法：PM先不讲方案，先讲"我理解业务要解决的问题是XX"。业务确认或纠正后，再出方案。

一个实操技巧——评审会前10分钟，只聊两件事：

业务方用一句话说"我想要的效果是……"

PM复述一遍，业务方点头或纠正

这10分钟省下的，是后面3天的返工。先对齐意图，再讨论方案。顺序反了，就是在交利息。

三、AI帮你提问降税，帮你回答加税

降税用法：让AI帮你追问。

业务说"要个报表"，你把这句话丢给AI，问："如果业务要的是报表，我还需要确认哪些问题才能开始设计方案？"

AI可能帮你列出：报表给谁看？多久看一次？看完之后要做什么决策？数据从哪来？

你看，AI没有直接给你方案，但它帮你把意图拆开了。用AI做意图澄清的催化剂，而不是方案生成器。这才是AI正确的用法。

加税用法：让AI直接生成PRD。

业务说"要个报表"，你让AI写一份报表功能的PRD。拿到30页文档，直接流转开发。

这就是传话筒升级为AI传话筒。速度翻倍，税率也翻倍。

判断标准很简单：AI是在帮你提问，还是在帮你回答？提问降税，回答加税。

最后

那个四轮返工的报表需求，最后做出来的版本——和第一版的差异，80%不在功能上，在意图的精度上。

业务从一开始就知道自己要什么。只是没有人帮他们翻译出来。

下一次业务说"需求又变了"，先别改。

问一句：它真的变了吗？还是从第一天起，就没被听懂过？