2026年7月1日 · 西安 · 阴 35°C

上周跟团队的一个新入职的产品经理开会，他当我面打开 Cursor，花了不到十分钟写了一个数据看板的原型页面。我当场愣住——这活儿以前至少要拖前端同学排期做两天。

不是说他做得有多完美，而是"能用"的门槛被拉低到这种程度，这件事本身就很值得思考。

我从年初开始深度用 AI 辅助工作，到现在三个月，有几个真实感受想跟同行们聊聊。

第一，PRD 的写作方式变了。

以前写需求文档，我最怕的是"写得太细"和"写得太粗"之间的平衡。现在我的做法是：先用口语化描述把核心逻辑讲清楚，丢给 AI 帮我生成结构化的 PRD 初稿，我再基于初稿做删减和补充。效率大概提升了 40%，而且框架不容易遗漏。

但有个坑要提醒：AI 生成的 PRD 看起来特别"专业"，术语一堆，格式规范，很容易让人产生"这已经写完了"的错觉。实际上，业务逻辑的边界条件、异常流程、数据埋点，这些才是 PRD 的灵魂，AI 目前替代不了。

第二，数据分析的门槛在消失。

我不是技术出身，SQL 只会写最简单的查询。现在用自然语言描述我要什么数据，AI 能直接生成 SQL 并跑结果。上个月我想分析一个功能的留存漏斗，从提需求到拿到数据，只花了二十分钟。

但这带来一个新问题：当获取数据变得太容易，产品经理更需要判断"什么数据值得看"的能力，而不是"怎么跑出这个数据"的技术能力。

第三，也是最重要的一点：产品经理的核心竞争力，正在从"执行力"向"判断力"迁移。

AI 能帮你写文档、画原型、跑数据，但它不会告诉你：这个功能用户真的需要吗？这个需求优先级排对了没有？这个商业模式跑得通吗？

这些判断，来源于你对用户、业务、行业的理解深度。而这，恰恰是未来三年产品经理最该花时间建设的能力。

一个预测：2026年下半年，懂 AI 工具的产品经理和不懂的，工作效率会拉开明显差距。但再过两年，当大家都会用了，差距又会缩小。真正拉开距离的，还是你对业务的理解深度。