“人工智能将使产品经理过时。”
“每个产品经理都需要成为人工智能专家。”
“如果您不使用人工智能，就会落后。”
这些只是充斥在我们的 LinkedIn 订阅源和行业时事通讯中的一些头条新闻。作为一名产品经理，您很可能遇到过类似的说法，每一种说法都会给这个本已要求苛刻的角色又增加了一层压力。然而，当我与产品团队交谈时，我听到的往往是另一种说法—一种困惑、怀疑，有时甚至是对没有在日常工作中更全面地采用人工智能的内疚。
炒作背后的现实
麻省理工学院对 1000 多名使用人工智能工具的科学家进行了一项研究，研究人员发现了一些意想不到的情况：虽然工作效率显著提高，但工作满意度实际上却下降了，82% 的科学家表示对工作的满意度降低了。
这种工作效率提高而满意度下降的悖论告诉我们，采用人工智能对于人的方面而言，重要的是什么。
一位科学家说：“我不禁感到，我所受的大部分教育现在一文不值。”
这种观点可能会引起许多产品经理的共鸣，他们对人工智能的发展既着迷又不安。
尽管存在这些挑战，但人工智能对我们工作方式的潜在影响实在巨大，不容忽视。
Atlassian 团队合作实验室的最新研究表明，要想从使用人工智能中获得最大成效，思维模式远比采用人工智能更重要，它也是人工智能走向成熟的关键。
研究结果显而易见：未来的工作将是人类-人工智能协作。我们的数据证明，最具战略眼光的人工智能合作者：
- 利用人工智能让他们的工作获得 2 倍的投资回报率
- 每天节省 105 分钟—相当于每周多出一个工作日
- 将节省下来的时间重新投入学习新技能的可能性高出 0.5 倍
- 被视为创新型团队伙伴的可能性高出 0.8 倍
我们发现了人工智能工具如何既能加强又可能阻碍产品管理工作的模式。在本文中，我们将探讨一种侧重于在利用人工智能分析能力的同时保持人类判断力和创造力的模式—研究表明，这种平衡对于人工智能的成功采用至关重要。
要想在新的人工智能支持的工作环境中获得成功，我们建议采取以下步骤：
- 了解人工智能的工作原理及其局限，
- 与人工智能团队伙伴协作，逐步为这种交互建立起肌肉记忆，
- 并最终预测人工智能可以在哪些方面为您的工作带来最大价值。
了解您的人工智能团队伙伴
在深入探讨利用人工智能培养习惯之前，我们首先需要了解它们是如何运作的。
想象一下，您正在参加一个聚会，每个人都在同时进行多个对话。您正试图关注某个特定的对话，但您需要注意各种因素：正在说的话、语气、之前的评论以及整体背景。这与转换器模型（现代人工智能的支柱）处理信息的方式类似。
2017 年推出的转换器模型能够同时关注输入的多个部分，就像您可以同时处理对话的不同方面一样，为人工智能带来了革命性的变化。这种处理上下文和不同信息之间关系的能力，正是现代人工智能工具的强大之处。
大型语言模型 (LLM) 正是建立在这一基础之上。可以把它们想象成几乎阅读过互联网上的所有内容—书籍、文章、代码、对话。它们已经学会了这些海量数据中的模式，从而能够理解上下文和细微差别，生成类似人类的文本，识别模式和关系，并根据对话调整自己的回应。
在本文中，我们将特别关注人工智能支持人员—用于与 LLM 交互的最常见界面之一。这些支持人员作为对话界面，让我们能够以自然、基于对话的方式与 LLM 交互。虽然 LLM 可以通过多种方式集成到产品和工作流中（如代码补全、内容生成或自动分析），但支持人员代表了一种特殊的模式，在这种模式中，人工智能扮演着更具协作性、类似助手的角色。无论是通过 ChatGPT 和 Claude 这样的通用工具，还是通过 Rovo 这样的专业工作场所支持人员，这都是大多数产品经理在日常工作中直接与之交互的界面。
功能和局限
人工智能支持人员擅长模式识别，能从大量数据中发现人类可能无法察觉的趋势和联系。它们在处理语言、理解和生成各种风格和格式的类人文本方面也非常出色。它们能够在长时间对话中保持上下文，并同时考虑问题的多个方面，这使它们在产品管理等复杂任务中显得尤为重要。
不过，了解它们的局限性也至关重要。尽管它们自信满满，但也会毫不犹豫地提供错误信息。它们不能真正理解因果关系，依靠的是模式匹配，而不是真正的理解。它们的知识往往局限于训练数据，这意味着它们无法帮助了解实时市场变化或新兴趋势，尤其是当它们无法访问互联网和搜索功能时。
了解这些优势和局限有助于我们将人工智能作为工作的有力补充，而不是我们核心技能的替代品。在此基础上，让我们来探讨如何与人工智能工具建立有效的工作关系。
了解细微的影响
想想看：十五年来，Google 一直是毋庸置疑的首选在线搜索工具。这是一种肌肉记忆—需要信息吗？打开一个新选项卡，输入“google.com”。这种根深蒂固的习惯似乎不可动摇。然而，就在过去的一年里，这一沿袭了几十年的行为习惯被彻底改变了。首先是 Arc Search 的“Browse for me”（为我浏览），然后是 ChatGPT、Claude、Perplexity 快速推进，现在是用于工作相关搜索的 DeepSeek R1。
这种转变说明了人工智能采用的一些关键点：当人工智能工具提供真正更好的体验（更快、更高效、更有洞察力）时，它们甚至可以在极短的时间内重塑我们最根深蒂固的行为。我们改变工具并不是因为别人告诉我们要这样做，也不是因为这是潮流，而是因为这些新的人工智能支持的解决方案从根本上更好地满足了我们的需求。
我们不能将人工智能视为威胁或良方，而应将其视为新型团队伙伴。与任何优秀的同事一样，人工智能也有其特定的优势和局限。关键是要学会如何有效合作。
与您的人工智能团队伙伴合作
当前的人工智能使用环境揭示了一个重要模式：大多数人都在使用根据通用数据训练出来的通用人工智能支持人员来询问有关他们工作的具体问题。这种不匹配往往是令人失望和沮丧的根源。
有效人工智能协作的未来在于使用专业数据训练的专业支持人员。以 Atlassian 的 Rovo 为例。这款人工智能助手可以访问您的整个工作环境—包含战略文件和 PRD 的 Confluence 知识库、显示当前团队工作和进度的 Jira 项目、公司目标以及季度规划方案。当您向它提出有关您工作的问题时，它的回答将以您的具体组织环境为基础。
这代表了人工智能支持我们工作方式的根本转变。这些专业的人工智能团队伙伴可以提供与贵组织的具体挑战、优先事项和工作方式直接相关的洞察信息，而不是基于全网训练数据的通用回答。了解这一区别并据此采取行动的公司（在与其知识库和工作流深度整合的人工智能系统方面进行投资）将在其团队如何运作和决策方面获得显著的竞争优势。
虽然专业的人工智能工具越来越普遍，但现实情况是，大多数产品团队并没有在日常工作中使用人工智能。
弥合这一差距的关键在于培养“人工智能优先思维”—在处理每项任务或挑战时，首先考虑人工智能如何能帮助更有效地解决它。
这并不是要把人工智能用于所有事情，而是要建立起判断力，知道人工智能何时以及如何才能真正提升您的工作。
养成可持续的人工智能习惯
通过让员工从基本的人工智能使用转向战略合作，公司可以充分发挥人工智能的潜力，推动显著的投资回报率。但是，转变人工智能思维方式不仅仅是为了节省时间，它的意义远不止于此。人工智能协作可以促进持续改进、提高工作质量并推动有意义的创新，从而为公司带来额外的竞争优势。
有意义地采用人工智能的关键在于培养可持续的习惯。
在一天的工作中，您可以将它作为一个决策咨询人，探索解决用户问题的不同方法，或完善与利益相关者的沟通。
以下是培养这些习惯的一些实用方法和示例：
在产品发现期间
利用人工智能分析访谈记录，找出可能遗漏的模式，生成新的测试假设，并确定用户反馈中新出现的主题。
例如，Sauce AI 等工具可以收集来自多个来源的反馈，并对其进行分析，以为决策提供依据，同时识别不同社区群体提出的主题和共同挑战。
在产品策略中
利用人工智能探索不同的市场情景，从新的角度分析竞争态势，并生成另一种战略说明。
Perplexity Pro 等工具能够以令人难以置信的速度对各种来源进行研究。它不会为您做研究，但会提供一个切入点，让您决定下一步该怎么走。
人工智能团队伙伴通常在工作流开始或结束时表现最佳—在构思过程的开始阶段帮助激发想法，或在写作结束阶段帮助加强内容。始终核实外包给人工智能支持人员的任何研究的来源。
在产品开发期间
关键是在这些流程中将人工智能作为合作伙伴，而不是替代品。这有助于确保人工智能增强而不是削弱创造力，从而解决麻省理工学院研究中出现的工作满意度问题。
预测人工智能团队伙伴的下一步发展方向
麻省理工学院的研究为我们提供了关于人工智能合作伙伴关系走向何方的宝贵线索。具体到产品经理，以下是需要注意的事项：
专业人工智能的崛起
我们很可能会看到底层模型日益商品化，更多的处理发生在客户端。为了保持竞争力，人工智能功能将变得更加专业化，并向“更高层次”发展，为开发人员和最终用户提供更加精细化和个性化的功能。我们已经从 Cursor 等工具中看到了这一点，这些工具通过将上下文感知智能直接嵌入开发人员的工作流，将通用人工智能功能转化为既能理解代码又能理解意图的专用助手，从而展示了专业人工智能的变革潜力。
赢家不一定是那些拥有最强大模型的公司，而是那些能将人工智能与现有工作流和用户体验完美结合的公司。
专家混合 (MoE) 模型
专家混合模型就像一家拥有专业部门的公司。
它有一个“路由器”，可以快速决定模型中的哪些“专家”部分应该处理任务，而不是像传统的 LLM 那样将每个问题都发送到整个系统。这意味着只有相关的部分才会为每项具体工作激活—比如使用物理专家处理科学问题，使用语言专家处理写作任务。
这样做的好处是什么？以更低的成本实现更高的效率，使您能够制造出更专业、更高效的产品，在不增加成本的情况下处理各种任务。
产品管理中的人为因素
也许最重要的是，随着人工智能变得无处不在，人们将越来越渴望真实、质量和意义。我们可能会看到：
- 高接触客户服务和技能的复兴
- 更加重视世界一流的故事讲述和情感参与
- 提供独特个性化体验的小企业重新崛起
- 利用人类独特能力的新机遇
在这个新时代中，最终的赢家将是那些明白商业的科学在于规模化，而商业的艺术往往存在于无法规模化的事物（那些人工智能无法复制的人情味）中的人。
这对产品经理意味着什么
我们已经讨论过产品经理如何与人工智能合作，让他们的工作变得更轻松，但还有一个问题是，产品经理如何更好地将人工智能融入他们的产品中。成功可能需要：
- 了解如何协调多种人工智能能力，而不是依赖单一模型
- 专注于作为关键差异化优势的界面设计和用户体验
- 将个性化融入核心产品体验
- 保留赋予产品意义和情感共鸣的人文元素
- 创建能够增强而非取代人类能力的工作流
我们都还在摸索中。当然，随着使能技术的不断进步，它也是一个不断变化的目标。我们已经取得了实实在在的进步，但仍处于起步阶段。
最重要的是，我们现在对提出正确的问题以及如何确定答案有了更好的认识。
未来的旅程并不是要成为过时的人，也不是要成为人工智能专家，而是要学会在人工智能只是我们工具包中的另一种工具的世界里，成为一名更好的产品经理。虽然这段旅程有时会让人感觉不舒服，但它值得一走。
