AI 这么热闹,我却在重新翻一本产品的旧书

最近在带一个实习生做产品。

这件事很有意思。带新人最难的地方，不是告诉她"这个地方不对"，而是你要把那些自己早就默认知道、但其实从来没有认真说清楚的东西，重新讲一遍。

讲着讲着我发现，被教育的人好像不只是她。很多我以为自己早就懂了的东西，在 AI 满天飞之后，突然又变得重要起来。

比如怎么定义一个问题。比如怎么判断一个需求值不值得做。比如怎么区分"看起来很完整"和"真的有用"。

这几天零零散散有三个感受，先记下来。

01 经典老书的质量真的很好

最近我又翻出 Garrett 那本《用户体验要素》。

以前看这本书，觉得它是产品经理的基础书。战略层、范围层、结构层、框架层、表现层，五层拆下来，非常经典，也非常朴素。

但这次重新翻，我突然觉得它在 AI 时代反而更有用了。

因为 AI 做产品的时候，很容易让人直接跳到后面几层。你让 AI 帮你设计一个功能，它很快就能给你一套方案：页面怎么排、按钮放哪里、交互怎么走、用户点击之后发生什么。这些当然有用。但问题是，它太快了。快到你还没来得及问前面的事情：

「这个功能到底为谁做？」

「用户现在真的卡在这里吗？」

「我们为什么要解决这个问题？」

「这个问题是战略层的问题，还是只是表现层看着不顺眼？」

以前没有 AI，人可能还要慢慢想、慢慢画、慢慢写。慢一点，有时候反而给了人一点反应时间。现在 AI 一下子把后面的东西都铺出来了，很容易让人误以为：我已经在做产品了。但其实可能只是进入了一个"方案很丰富、问题没想清"的状态。

所以我最近给实习生讲需求的时候，又开始把五层框架拿出来用。不是为了显得多专业，而是为了逼自己慢下来：先别急着画图，先别急着问 AI 页面怎么设计，先把最前面的几句话写清楚。

谁在用？他遇到了什么问题？这个问题为什么值得我们做？

这三句话写不清楚，后面 AI 生成得再漂亮，也可能只是漂亮地跑偏。

02 AI 很擅长给你一个"看起来有道理"的答案

第二个感受，是我自己踩过的坑。

有一段时间，我很习惯把产品问题直接扔给 AI。比如：

"帮我分析一下这个功能要不要做。"

"帮我判断一下这个方案的优缺点。"

"帮我看看这个页面怎么改更好。"

AI 每次都能给我一大段回答，而且看起来挺有道理。

一开始我会觉得很爽。因为它把很多我脑子里模糊的东西说出来了，而且说得比我更完整、更体面。但后来我慢慢发现，这里面有个很微妙的问题：有时候我不是在用 AI 做判断，而是在让 AI 给我的模糊直觉做包装。

我脑子里其实已经隐约倾向某个方向了，只是还没想清楚。然后 AI 给了我一套逻辑完整的表达，我就会很容易点头："对对对，就是这个意思。"但这不一定代表它是对的。它只是把我的模糊，整理成了一种看起来成立的样子。

所以我后来给自己定了一个小规则：AI 的第一次答案，我先不信。

不是说它一定错，而是我不想让自己太快进入"接受答案"的状态。我会先问：

这个结论的前提是什么？

它有没有默认一个并不存在的用户场景？

它有没有忽略我们的资源边界？

它有没有把"行业里常见的做法"当成"我们也应该这么做"？

如果反过来想，这个方案哪里站不住脚？

很多时候追问几轮之后，AI 自己就开始松动了。不是因为 AI 不好，而是因为它一开始给出的答案，往往是基于最常见、最顺滑、最容易成立的路径。但产品判断经常不是选最顺滑的路径。它要回到更具体的上下文里：我们的用户是谁，我们的产品现在在哪个阶段，我们的团队擅长什么，我们愿意把资源压在哪个地方，这个东西做了之后真的能改变什么。

这些问题，AI 可以帮我一起拆。但它不能替我最后拍板。

我现在越来越觉得，AI 更像一个特别能干的讨论对象。它可以帮你展开、帮你补充、帮你找盲区。但那个"我到底信不信这个判断"的部分，还是得留在自己这里。

03 抄竞品最容易抄到表面

第三个感受，是关于竞品。

AI 做竞品分析真的很方便。你让它分析一个产品，它很快就能列出功能、页面、卖点、定价、用户路径，看起来非常完整。但我最近也越来越警惕这种完整。

因为很多时候，竞品分析最重要的不是"别人做了什么"，而是：别人为什么这么做？这个原因在我们这里还成立吗？

如果这个问题没想清楚，抄竞品基本很容易抄歪。

你看到别人有一个 onboarding，于是你也想做一个。你看到别人把 pricing 放得很前，于是你也想这么放。你看到别人 dashboard 里有一堆入口，于是你也开始加入口。但用户是不是同一类人？业务阶段是不是一样？他们想解决的问题，和我们现在最痛的问题是不是同一个？他们那个设计背后的约束，我们有没有？

这些东西 AI 不一定知道。它可以帮你看到别人做了什么，但它不一定能帮你还原别人为什么这么做。而产品真正难的地方，恰好经常在这个"为什么"里。

我最近在看产品的时候，会尽量逼自己多想一层：

用户来到这里，他真正想干什么？

他在这条链路上有哪些犹豫？

哪些需求我们必须满足？

哪些需求看起来合理，但其实不该现在满足？

哪些是别人没有满足，但我们刚好有机会做的？

这个过程很慢，也不如让 AI 直接给一张表爽。但我发现，真正有用的判断，往往就是在这种很慢的地方长出来的。

AI 很擅长把已有方案重新组合。但产品有时候不是组合方案，而是重新定义问题。

04 不是不用 AI，而是别太快把自己交出去

这三个感受说出来，好像都不是什么新鲜道理。先想清楚问题，不要盲信答案，不要照抄竞品——听起来都是产品经理入门第一课。

但很奇怪的是，AI 越强，这些基础反而越容易被跳过。因为 AI 太会给答案了。它会让你觉得自己已经在思考了，会让你觉得方案已经很完整了，会让你觉得竞品已经分析完了，会让你觉得事情已经往前推进了。

但有时候我也会问自己：我是真的想清楚了吗？还是只是拿到了一个看起来很完整的回答？这两个状态差别很大。

我现在越来越相信，一个比较好的顺序可能是：人先下场，有一点自己的判断；AI 再进来，帮你把判断展开、补充、挑战、整理。而不是一上来就把问题丢给 AI，让它先生成一个答案，然后人再在里面挑一个看起来最顺眼的。

这不是 AI 的问题。这更像是人的偷懒被 AI 温柔地接住了。以前你没想清楚，可能写不下去；现在你没想清楚，AI 也能帮你写出一大段。这才是我觉得需要警惕的地方。不是 AI 会让人变笨，而是它太容易让人误以为，自己已经想过了。

最近跟朋友聊天，她说了一句话，我觉得特别好：

AI 替你省下来的时间，应该花在更深的思考上，而不是花在更快的执行上。

这句话我很喜欢。因为它不是反 AI。恰恰相反，正是因为 AI 能帮我们省下很多时间，我们才更需要想清楚：省下来的时间，到底要拿去做什么。如果只是更快地产出更多东西，那人很容易变成 AI 的执行器。但如果能把时间花在理解用户、定义问题、判断取舍、建立体感上，AI 才真的变成了杠杆。

带实习生讲完这些之后，我发现我好像也重新学了一遍。有些东西以前觉得是基础，现在才发现，基础之所以是基础，是因为每一轮工具变化之后，它都还在那里。

我是李乐意，AI 创业中，前大厂产品经理。记录我在一线做 AI 产品、带团队、做增长时的真实观察：聊 AI，聊产品，也聊一个想法怎么从模糊判断，变成能跑起来的结果。