The Real Value of AI for Product Managers Is Not the Answer, but the Better Question
以前做產品，PM 最容易被問：
「所以你為什麼要做這個？」
但這個問題不好回答。
功能可以列、時程可以排、競品可以截圖、數字可以拉出來講。但「為什麼」這三個字，常常會碰到一件尷尬的事：很多時候，我們只是因為有人提了需求、老闆說要做、客戶提到、競品剛好有，所以就開始做了。
AI 出現後，這件事變得更快，也更明顯。
現在不只是 PM 會問 AI
設計師會問 AI 怎麼優化使用流程；工程師會問架構、程式、除錯方式；行銷會問文案、受眾與 campaign；業務會問客戶產業分析；高階主管會問市場趨勢與競爭策略。每一個 function，都可以在幾分鐘內拿到一份看起來有邏輯、有架構，甚至比會議裡多數意見更完整的答案。
這當然是好事。工作效率變高，資料整理變快，過去需要花半天找的資料，現在可能十分鐘就有初步輪廓。
但也有一個很容易被忽略的風險：大家開始太快得到答案，卻更少確認自己問的是不是對的問題。
「幫我設計會員分級機制。」
「幫我想提升留存的方法。」
「幫我規劃一個 AI 功能。」
「幫我分析這個市場值不值得做。」
這些看起來是問題，但很多時候，它們其實只是已經預設好答案的指令。
真正值得多問一句的是：
- 為什麼使用者需要會員分級？
- 為什麼留存下降？
- 為什麼現在要做 AI？
- 為什麼客戶沒有買單？
- 如果不做，會發生什麼事？
- 這究竟是使用者的問題，還是組織內部的焦慮？
AI 很擅長沿著你給它的方向加速
你問它如何蓋一座橋，它可以幫你列出結構、材料、工法與風險；但它不會主動保證河的對岸有人要去。方向錯了，答案再完整，也只是更有效率地往錯的地方前進。
而且，AI 會錯。這句話大家都知道，卻很少真的放在心上。
每次打開對話框，
底下通常都會有一排灰色小字：「AI 可能會出錯。請查核重要資訊。」大部分人不會看它，更不會因為這句話停下來驗證。因為 AI 的語氣太篤定，段落太完整，邏輯太流暢，很容易讓人誤以為它說的就是事實。
但 AI 會編造不存在的來源、混淆時間與數據、把不適用的案例講得很合理，也可能只是根據機率，生成一句「聽起來像答案」的話。尤其當問題涉及市場規模、使用者洞察、法規、技術可行性、成本估算或商業決策時，AI 給的內容可以當作起點，不能直接當作結論。
這也讓 PM 的角色變得更有意思
未來 PM 不再是唯一會整理需求、寫 PRD、做競品分析的人。因為這些工作，設計、工程、行銷、業務，甚至每一位使用 AI 的同事都做得到一部分。但 PM 應該做的，也從來不只是產出文件。當各個 function 都帶著 AI 整理好的答案進會議室時，PM 要做的不是把它們再整理成另一份簡報，而是質問那些答案背後的假設。
- 設計說要優化 onboarding，為什麼？
- 工程說要重構系統，真正卡住的是效能、維護成本，還是團隊協作？
- 行銷說要增加投放預算，是因為流量不夠，還是產品轉換本身有問題？
- 業務說客戶需要這個功能，那是單一客戶的需求，還是可被複製的市場需求？
PM 不是負責反對，而是負責把「看起來合理」變成「確定值得做」
例如，當團隊說：「使用者不回來，我們做推播吧。」PM 應該先問：使用者為什麼不回來？
是忘記了？是第一次體驗卡住？是產品沒有持續價值？還是他們其實根本沒有這個需求？
如果只是忘記，推播可能有效；如果 onboarding 有問題，你需要改善新手體驗；如果核心價值不夠強，再多推播都只是打擾；如果一開始就找錯使用者，做再多功能也救不了。
AI 可以一次給你二十種提升留存的方法，但它無法替團隊承擔選錯問題的代價。
所以，AI 時代真正稀缺的，不是答案
答案會越來越便宜，產出會越來越快，簡報也會越來越漂亮。真正稀缺的，是能在資訊很多、意見很多、答案也很多的情況下，還能辨識什麼值得相信、什麼需要查核，以及什麼問題根本還沒被問到的人。
下次打開 AI，也許可以少問一句「怎麼做」，多問幾次 Why。
- 為什麼這件事現在重要？
- 為什麼是這群使用者？
- 為什麼他們會在意？
- 為什麼現在的做法沒有效？
- 這個答案的根據是什麼？
- 如果 AI 說錯了，我們要怎麼驗證？
- 如果這個假設錯了，最早會從哪裡發現？
AI 講不過會思考的人
但它很可能先取代那些只會把別人的問題，快速變成漂亮答案的人。對 PM 來說，競爭力不在於解法，而在於能不能在大家急著找答案時，停下來問一句「這真的是對的問題嗎？」與「答案」….
YinOnMars 
發表留言