AI 时代的产品经理

管着 ChatGPT 的 Tibo 认为「调 loops、搭 graphs」这类人工精调的 agent 编排只是过渡阶段：他自己的 agent 团队每逢模型突破就缩编一次，长期要的是一个理解你目标、从反馈里学习的常驻 agent（他们叫 Dots），而不是一套更精巧的循环。

Vas 的总论点是别「应用」AI：AI 不是刷一层漆，真正的活儿是流程再造。进场先用访谈、挖记录系统、翻现有文档三个来源，把一件事实际怎么跑测绘出来（他举的上市软件公司报价流程，文档上 7 步，日志里是 20 步、7 个回路），再把每一步按「删掉 → 纯代码 → agent → 人做决策」的顺序归进四个桶——幻灯片上那 20 步里被删掉的有 8 步，比交给 agent 的 5 步还多。

首席 AI 官是个还没定型的岗位：她引的 IBM 调研数字从 2024 年约 11% 涨到现在 76%，可同一个头衔在不同公司干的活天差地别。Rania 把它拆成三根滑块——科学家（探索实验）、架构师（定战略、改产品）、教练（布道教育），每根落在哪，看公司卖不卖软件、员工技术底子如何、AI 走到了哪一步。

几乎什么都能造出来之后，PM 的价值不再是「把事情推到做完」，而是判断——Google Search 产品副总裁 Robby Stein 说，PM 的手艺不是样样都会一点，而是一件事：做决策，并且要认清很多决策会是错的。

AI builder 这个岗位是真的，但在一万多人的公司里，角色不是合并成一个，而是各自在扩张：PM 的职责（找到 PMF、做出人们喜爱的产品、让人肯付钱）没变，变的是做法；至于「怎么跟上所有工具」，Atlassian 首席产品官 Tamar Yehoshua 的回答是「跟不上」，该盯的是什么对你的客户真正管用。

产出不是产品。工具一直在变强，但「做出更好的东西」并没有因此自动发生；你可以建软件工厂，但别让组织自己变成一座只盯产出效率、把活儿和思考都外包出去的工厂——客户买的不是代码行数。

PM 没有消失，反而更吃重：Mike 转做 IC 后以为项目「有 Claude 顶着」，PM 一加入才看见大客户、客户成功团队、Safeguards 这一串事眼看要掉地上；Claude 已经能提醒你组织里别处在发生什么，但还当不了把人和 agent 聚到一起把活干成的「召集人」。

执行跑赢了发现：Claire 手握 40 个 Grok Bot、PR 涨了 3 倍、能把 ChatPRD 重构 70 次，却坦白「好点子用完了」——她几乎一次成型、功能对标竞品的「产品图谱」只有竞争力、没有差异化；瓶颈已经从「我能造什么」挪到了「我相信什么值得造」。

AI 让「造」变得极其容易，也在重演战后建造热潮：LLM（大语言模型）只给「最可能的答案」、界面几秒就显得「做完了」、做得太快就被当成一次性的，结果是满屏千篇一律、没人用心的「僵尸 UI」。

Marty Cagan 把整场演讲用来清算自己几十年的产品建议，挑出十个真心后悔的点：最难堪的是低估商业可行性（2008 年《Inspired》第一版只讲价值、可用性、技术可行性三种风险，十年后才补上），其次是让大家扎堆当「这是不是个问题」的守门人——而公司真正付钱请 PM 做的是方案探索。

Zapier CEO Wade Foster 的 AI 流利度评分表 V2 把 PM 分成四档——不合格（unacceptable，即不录用线）→ 胜任（capable）→ 适应型（adaptive）→ 变革型（transformative）：2026 年用 AI 总结、写作、写基础 PRD 只是入场门槛，他希望大部分 PM 大部分时间落在适应型、手里拿得出一个变革型的例子；而变革型意味着「n of one」——你是第一个做这件新事的人，30 到 40 个 PM 半年大概才出一个，他给自己在大多数方面也只打适应型。

赢比赛靠的不是车手开得更快，而是清除驾驶之外的瓶颈；AI 不会消灭瓶颈、只会把它挪走——写代码变容易之后，瓶颈已经挪到了 PM 自己身上（定义、协调、测试、发布），所以产品领导者要少盯交付的产品，多盯那座造产品的「工厂」。

团队要按「恐怖组织」来设计：一套人人当信仰的战略（再提炼成「香蕉摊里永远有钱」「长期贪婪」这类能反复念叨的短语）加一张「谁能被托付哪类决策」的清晰结构，就能省掉过度协作的协调成本——「你的速度只能和系统里最慢的那个节点一样」——让 PM 接住以前得由创始人拍板的决策；配套是容得下 Nikita Bier 这类尖刺型人才，并且把最强的人往死里用、而不是花时间去救一般的人。

Palantir 是「一类一家」——一体化平台、精英驻场工程师、关键任务政府/国防环境三件事同时拔尖，估值达明年营收 77 倍；而满街喊「我们是 X 领域的 Palantir」的创业公司大多只抄到驻场这层皮，最后会沦为顶着软件估值的昂贵服务生意，用作者的话说是「前端更漂亮的 X 领域的 Accenture」。

AI 产品正在走过三个纪元：第一个是聊天，第二个是「和 agent 一起干活」（迄今主要是编码 agent），第三个——「可能很快到来」——是和一个常驻、不下班的 AI 同事协作：它干一大堆活、你给输入、它接着干，你们按不同节奏碰头看彼此没做完的活，甚至几个人带着各自的 agent 一起把事做完。

今天几乎所有公司的组织架构图，底盘还是两千年前罗马军团那套「靠人当传导管道」的科层结构——指令一层层往下传、报告一层层往上收，中间每一环都是人；AI 真正拆掉的不是某个具体岗位，而是「组织必须按层级搭、人是那个协调机制」这个从没被质疑过的默认假设。

设计师是 Lenny 那份全行业心态调查里最不开心的人群——每一个维度都垫底（最不堪重负、最焦虑、最不乐观、最疲惫、最不愿把这行推荐给新人）。Ian Silber 的诊断不是"要被取代了"，而是"不知道别人期待你干什么"：工程师那边的转型已经走完了一轮，设计这边还悬在半空。

AI 时代活不下来的只有两类人：一是「纯 people manager」（只管人、不碰活儿的管理者——日程排满一对一、像员工的心理咨询师那种），二是僵化、不肯改变的人。Chesky 的判断是往后每个人都必须是「管人 + IC（individual contributor，一线亲手做事的人）」的混合体：工程主管得写代码，律师得亲自读判例，设计负责人得亲手做设计。他的原话是「你管的不是人，你管的是活儿」。

ChatGPT 的增长可以拆成三个整齐的三分之一：三分之一来自「消除摩擦」（最大的一笔是去掉登录墙）、三分之一来自研究与产品合力做的核心产品投入（搜索、个性化、写作块）、三分之一来自纯模型进步——而分发本身证明不是护城河，Google 和 Meta 手握三四十亿用户也没能一按开关就赢。

企业软件有条老规律：客户每花 1 美元买软件，就要再花 6 美元把它用起来——AI 时代这 6 美元的生意正在被重新分配，这是 OpenAI、微软（25 亿美元 + 6000 工程师的 Microsoft Frontier Company）、亚马逊集体从 C 端杀回 B 端的原因。

产品判断力可以被写成 skill，跑在跟工程师同一个 repo 里。 Oji Udezue（Typeform / Calendly / Parable 三度出任 CPO，前 Twitter 创作与创新产品负责人）的判断是：GitHub 上的 skill 仓库全堆在写代码这一层，但一家科技公司其实是三层——软硬件、产品（客户与商业模式）、生意（资源怎么分配）；只优化最底下那层，工程一提速，PM 就成了整条链的瓶颈。

一种新面试轮次正在铺开：vibe coding 轮——不是 product sense，也不是工程 coding，而是两者的混合：45 分钟里拿出 30 分钟，当着面试官的面把一个功能从想法推到能在浏览器打开的原型。Google、Meta、OpenAI、Anthropic 这类岗位年薪 30 万到 100 万美元以上，有的 CPO 会直接让你共享屏幕看你怎么用 AI。

「我们后悔产品经理这个岗位存在」不是要裁 PM，是要炸掉「每招 6 个工程师就配 1 个 PM」这条 HR 默认配比。 Whatnot 首席产品官 Tom Verrilli（前 Twitch CPO、前 Twitter 增长产品总监）的论证很硬：产品管理「是一门手艺，不是一纸资格证」，靠一组组练（reps）才长出来的肌肉；你越是把工程师和设计师从产品决策里抽离，他们那块肌肉越萎缩——「招这么多 PM，其实是在把工程师和设计师当小孩养，他们本来完全有能力做好决策，只是从来不需要做，因为身边永远有个 PM 替他们兜着」。跑出美国史上增长最快市场平台体量（GMV 已超 80 亿美元）的 Whatnot，今天只有 21、22 个 PM，而且不绑团队、只绑问题。

连造模型的人也说不准下一步会发生什么——能力是「不连续地跳」上来的（模型可能一夜之间从算不对 1+1 变成稳定算对），而没有 eval，你根本不知道这次跃迁已经发生了。所以这行的核心功夫不是预测，是「适应力 + 第一性原理」：新信息一来，你敢不敢当场推翻原计划。

执行已经不是瓶颈，「搞懂这门生意到底怎么跑」才是。 模型智能够用了、工具层（harness）也够健壮了，AI 端到端干完一件事今天人人都做得到；真正卡住的是——医疗公司的销售部和 SaaS 公司的销售部压根是两回事，你能不能把上下文从员工脑子里掏出来、喂进系统还不崩。

按 ACV（average contract value，平均合同价值，即单个客户一年在你身上花多少钱）排，Fortune 500 里的上市 SaaS 公司是 Palantir 400 万美元、ServiceNow 120 万、Workday 60 万，再往下没有任何一家能突破 50 万——这道悬崖就是 FDE（forward deployed engineer，前置部署工程师）存在的地方。

Clay 被叫做「七年的一夜成名」，但 Kareem 自己的拆法是「两年在做东西、两年处在很迷茫的状态，然后我们才终于做了决定、重建了一些东西、全力投入，接着几乎立刻就看到了结果」——难的从来不是想点子，而是有勇气公开选定一个听起来很蠢的小方向，并停止听所有人（包括客户）的意见。

AI 没有让职能消失，但让"极窄极深的专精"贬值、让"系统思考者"升值——Netflix 现在招的是能横着看完所有业务领域、然后抽象出"我们需要哪几块积木"的人，而不是"我是支付专家/我是前端专家"。

Company OS = 把整个公司的知识与流程沉淀成 GitHub 里的文件夹 + skill 文件，再装进 Claude：每个职能一个目录、每项活动一个 skill，让那 1% 重度 AI 用户设计出的最佳玩法，铺开给其余 90–99% 不知道"什么时候该用什么"的员工。

造东西越容易，"想清楚该造什么"越值钱——品味、判断力、审美、真实性成了 AI 时代最稀缺、最难被自动化掉的资产；能吃到红利的人，是那些看清 AI 擅长/不擅长、还对它"将来会擅长什么"有嗅觉的人。

FDE 不是专业服务、更不是人力外包——先用「客户数字化成熟度 × 你产品的可定制性」这个 2×2 矩阵判断哪一格才值得投入你最贵的工程师，只有"高成熟高定制"和"低成熟需嵌入转型"那条带才是 FDE 的战场。

写代码不再是瓶颈，天花板被整个抬高，剩下的只剩"你能有多大野心"。 Anthropic 工程师如今平均每季度交付的代码量是 2025 年的 8 倍——曲线"平、平、平、平，然后砰地冲上月球"；瓶颈从"写"转移到了"验证"，而且现在工程师、设计师、PM 全在提交代码。理论上一切都做得到了，问题变成"你敢想多大"。

AI agent 正在把工程团队的"金字塔"拆掉、压成"眼睛形"：过去成熟产品要靠经理 + 资深工程师 + 一大批初级人组成的金字塔来写代码修 bug，现在 agent 只要配上合适的 harness（脚手架/护栏）就能干掉大量杂活甚至部分设计活，团队变得越来越"头重脚轻"，只留下真正懂"该做什么 + 该怎么做"的人。

正因为 AI 让东西太好做，「想得透」才成了真正稀缺的差异化。 Tony 的原话：「正因为东西太好做了，真正能脱颖而出的，恰恰是那些经过深思熟虑、想得特别透的东西。」（the things that stand out are the things that are really well thought through）你今天写个 prompt「啪」一下就生成出来，可那是「建在一个特别糟糕、特别脆的地基上」，拿到的是「短期的爽快，换来的是长得多的长期损失」（short-term game for very very long-term loss）。真正脱颖而出的，是那些像奢侈品一样被精心打造、经得起反复使用的东西。

AI 时代真正变难的不是「动手建」而是「想清楚该砍什么」。 嘉宾原话：「今天的 model 很擅长往产品里加功能，但不太擅长判断该砍掉什么」——而「该砍什么」的直觉只能靠大量真实世界使用慢慢磨。Claude 能在几小时内把产品从零做到头（zero to end，不是 zero to one），但它一路替你拍了一大堆板。

builder PM 不是"配好 Claude Code/OpenClaw 就成"，而是能跟客户聊、搞清该造什么、亲手把第一版造出来、做到 10 个客户全程不找开发者的人——原话："builder PM 就是能跟客户聊、搞清该造什么、把第一个版本造出来、做到 10 个客户，全程根本不用跟任何一个开发者说一句话（without talking to any developer at all）的人"。以前写 PRD→出 mock→可跑原型→拉客户看信号要 2-3 个月，如今被 Claude Code 整体压缩。

企业跟不上 AI，根因不是技术不行而是「集成（integration，把彼此孤立的旧系统、旧数据打通对接）」过不去——这是 Aaron 全场的「主旋律」，他用几乎一字不差的同一句话开场和收尾：任何「超过 1000 人、或成立超过 10 年的企业」都堆着「一大坨东西在那儿等着被集成（a massive stuff that's sitting there waiting to be integrated）」，而「AI 其实根本帮不上集成的忙（AI actually doesn't help to integrate anything）」——agent 解决不了、什么都解决不了，这才是真正的墙。Gilfoyle 那种「我只写代码、别烦我」的硅谷工程师典型，到了企业「只会在集成这一关撞墙」。

Block 在 2025 年初执行了一次略超 40% 的裁员，刀口绝大部分落在开发侧（销售/客户管理几乎没动），背后是 Owen 口中"12 月第一周"那个非黑即白的拐点——Opus 4.6 与 Codex 5.3 让 AI 从"擅长写新代码"变成"能驾驭已有复杂代码库"，人数与产出几十年的相关性就此断裂。

瓶颈已经转移，旧流程会"悄无声息地不再奏效"（quietly stops working）——当编码（写代码）不再是瓶颈，从规划、评审到组织形态的所有团队规范（team norms，团队内部约定俗成的做事规矩）都得拿出成长型心态（growth mindset，相信能力可以持续成长、旧办法该被新办法替代的心态）重写一遍。 这不是行业第一次换瓶颈：21 世纪初"云"还不存在、一次只能合并 6 个 PR 时，瓶颈是构建队列；云和持续构建来了瓶颈就移走了。如今在 Claude Code 团队，"编码真的已经不是慢的那部分了"，所以上下游流程都得改。

「自动化是个谎言，每个 agent 背后都需要一个人」——Dan Shipper（Every 联合创始人兼 CEO）是个自相矛盾的人：一方面「极度信仰 AI」（extremely AI pilled），另一方面又「特别看好人」（very bullish on humans）。证据就摆在公司账上：Every 过去一年从 15 人翻倍到近 30 人、还在招工程师，他用了这么多自动化、这么多 AI，结果「反而工作得多得多」（I also work way more）。他的判断是，所谓「AI 抢饭碗大灾难」（AI job apocalypse）根本不存在，而背后的底层道理是——每自动化一件事，就得有一个人在上面盯着确保它跑得对。

AI 时代真正稀缺的不是技能而是「能动性（agency）」。 过去你可以拿「我缺某项技能（skill issue）」当永远的挡箭牌；现在 LLM 把各种技能放在指尖（你身边有个「接近 AGI 的模型」在帮你），分水岭就变成了「你是否意识到周遭世界是由一群不比你聪明的人造出来的、因此是可被改变的」。Max 原话：「就算你随手就能调用各种技能，真正起决定作用的是能动性，而我不觉得它在世界上分布得很均匀。」培养它的唯一正道是「动手做东西（make things）」——不是去想着怎么绕过坏老板。

Anthropic 正在用 AI 自动化它自己的增长：14 个月内 ARR 从 10 亿涨到 190 亿（这还是二月底的过时数字），且是在"历史上规模最小、资金最少"的处境下做到的——没有 Meta/Google 的现金流和分销，也没有 OpenAI 的先发优势。增长负责人 Amole 把大量工作交给 Cowork（Anthropic 桌面端 agent）：每天扫 20-25 张图、每周用 Slack MCP 跨部门找"错位"、自动报销、清收件箱、甚至模拟经理 Army Vora 会给的反馈。这是"吃自己狗粮（dogfooding）"做到极致的活样本。

PM 角色正在根本性转变：嘉宾 Nikhyl Singhal（Meta、Google 前资深高管，Credit Karma 前 CPO，四次创业者，顶级产品负责人社区 Skip 创办人）定调——「信息传递者（information mover）本质上会变成恐龙」。未来 12-24 个月公司会先大规模裁员、再大规模重招，量级是「裁 30,000、招 8,000」，新招的 8,000 人 100% 是 AI-first。

Anthropic 把 PM 重塑成两件事：消除一切发布障碍 + 定义一个月后的产品长什么样。功能从想法到上线的时间线压到 6 个月→1 个月→1 周乃至 1 天；几乎所有 PM 都工程出身；research preview（明确标注"早期实验、可能不会永远支持"的发布姿势）是默认上线方式，用来把承诺成本压到最低；工程师内部 dogfood 满意后把功能贴进常驻的 evergreen launch room，文档/PMM/DevRel 第二天就能出营销公告。

产品愿景之所以重要只有两件事：让自己坚定——相信自己在做的、将要做的事情；让别人坚定——别人认同、相信并追随你。