夜雨聆风昨天晚上7点多，我坐在工位上改一份AI帮我生成的需求文档。
改到第三轮的时候突然反应过来：这份文档如果我自己写，大概半个小时能搞定。现在让AI先出一版再改，前前后后花了快1个小时，还没改完。
不是AI写得烂。恰恰相反，它十几秒吐出来的初稿结构是完整的、逻辑清楚，乍一看需求文档该有的什么都有。
但问题是一对业务逻辑，全是坑。
跨境电商的刊登流程、各个平台的规则差异、卖家实际的操作路径，这些东西很难在公开的数据里面找全。
AI遇到没见过的东西，就只能猜。猜出来的东西像模像样，但就是对不上我们的业务。
我花在"检查AI写得对不对"上面的时间，比它帮我省的时间还多。
后来看到一个数据才知道，这事不只是我一个人的感受。
英国有份调查说，员工每周平均花6.4小时"看管AI"，喂上下文、抓幻觉、核对输出。比实际用AI产出东西的时间还长。研究者管这叫botsitting，"给AI当保姆"。
ActivTrak今年分析了4.43亿小时的工作数据，结论也很直接：用了AI之后，员工协作时长激增34%，周末加班涨了40%以上。
但，各家AI工具宣传里都在说AI能提速300%。
提速300%，加班涨40%。这两个数字放一起，怎么算都不对。
但我不觉得这是AI的问题。
我干了八年多的产品经理，2023年就开始接AI功能，到现在使用用户3000多。我越来越确定一件事：AI能做到，前提是你得让它足够了解你的业务。
它不是不会写需求文档，是它不知道我们的业务规则、历史需求、各平台的差异逻辑。
这些东西如果能沉淀成一套知识库喂给它，它写出来的东西会靠谱得多。
问题在于，大多数公司，包括我们，这套业务知识库还没搭好。
没有这个基建，AI就只能靠猜。猜对了省时间，猜错了你得花更多时间改。这就是为什么很多人觉得"用了AI反而更忙"。不是AI不行，是它需要的那个前提条件，大部分人还没准备好。
我自己也踩过类似的坑。
去年底的时候两周搭了大概20个AI工作流，搭的时候特别上头，觉得什么都能自动化。搭完回头看，真正用起来的也就那么几个。有些场景太低频，维护成本比手动还高。有些AI处理的中间环节快了，但前面整理输入、后面核对输出，加起来反而更耗精力。
搭完20个才想明白：什么都能搭，但不是什么都该搭。该搭哪些、怎么搭，取决于你的业务基础够不够扎实。
所以现在有人问我，2026年了，AI到底值不值得用？
值。而且我相信它能做到很多事。
但得反过来想：不是先用AI再补基建，是先把业务知识库搭起来，再让AI基于这些去跑。顺序反了，就变成了"给AI当保姆"。
AI放大的不只是效率，也放大了"基建没跟上"的代价。
我们公司现在也在搭这套东西，把业务规则、历史需求结构化沉淀下来。搭好之后再让AI基于这些去写需求文档，我觉得体验会完全不一样。具体怎么搭，还在试，有进展再聊。
我是Jett，干了八年多的产品经理，目前在跨境电商SaaS做AI应用落地。以上是我自己踩坑之后的体感，你的情况可能不一样，欢迎来聊。
