Skip to content

🗺️AI与未来

产品经理 · 决定公司接下来该做什么、为什么要做——把顾客需求、商业目标和工程限制,整合成一份没有其他人能完全独自拥有的共同计划。

分享本页

对于一份建立在判断力而非技术执行之上的工作而言,产品管理对语言模型自动化的暴露程度异常高,因为它的日常产出很大一部分是文字:规格文档、调研摘要、路线图更新,以及在团队之间谈判协调的邮件。能起草、总结和分析这些文字的工具,已经成为许多产品经理日常工作流的一部分。

但这并不意味着这份工作的战略核心已接近可自动化。以下部分区分了这份工作中已经被人工智能工具重塑的部分,与那些至今被证明更难交给模型来做的部分。

48 / 100
中等

机器可替代的工作占比

产品经理写作与分析工作中相当一部分——规格文档初稿、用户访谈摘要、常规竞品调研——如今用人工智能工具来产出,速度已经可以相提并论。真正难以自动化的,是决定到底哪个问题值得解决、在意见相左的人之间协调取舍,以及在一场赌注失败时承担责任。

按任务计分,而非头衔。越低越安全。

AI难以取代的职业 →

机器夺不走的

为这场赌注负责

88

当一项代价高昂的产品决策证明是错的,必须有人为此负责——模型可以提出一个选项,但无法承担选择它所带来的后果。

决定哪个问题值得解决

80

在数十个看似合理的想法中,权衡哪一个真正值得团队用下一个季度去做,需要对战略和时机的判断力,而模型对做对这件事没有任何切身利害。

跨职能谈判

76

让工程、销售和一位不满的高管就同一份计划达成一致,是一种政治和人际技巧,而不是一项文本生成任务。

读懂用户没说出口的东西

70

在一场真实的用户研究访谈中察觉犹豫、困惑或变通做法,依然依赖单纯一份文字记录无法完全捕捉到的人类注意力。

判断数据何时具有误导性

66

知道一项指标何时正被操纵、一个样本何时存在偏差,或一项实验结果何时违背常识,需要模型运用得不如人类可靠的情境判断力。

它们已经在夺的

规格文档初稿

68

人工智能工具如今能在几分钟内,把一段粗略的问题描述转化成一份结构化的需求文档初稿,剩下的工作是让人来修正和打磨,而不是从空白页开始。

整合用户研究

72

把几十份访谈记录或调查回复总结成反复出现的主题,曾经是耗时数小时的人工工作,如今人工智能工具能在极短时间内完成。

竞品与市场调研

60

汇总一份关于竞争对手提供什么、定什么价、宣称什么的初步材料,越来越多是一项快速的人工智能辅助任务,而不再是一个耗时数天的调研项目。

常规数据查询与报告

55

回答一个关于某项指标趋势的简单问题,不再需要等分析师,人工智能工具能直接查询数据看板并总结结果。

工作如何变化

从撰写规格文档到编辑规格文档

产品经理越来越多的写作工作,是审阅和修正一份人工智能起草的规格文档,而不是从空白页开始撰写。

更小的产品团队覆盖更多领域

过去需要专职研究员或分析师的团队,如今越来越期待产品经理直接用人工智能工具来填补这个空缺。

判断力和品味成为区分因素

随着起草和总结变得越来越廉价,真正脱颖而出的产品经理,是那些在建什么这件事上判断更常正确的人。

更快、更便宜的实验抬高了门槛

人工智能辅助的原型制作和分析,让团队能在一个季度里测试更多想法,这也提高了人们对产品经理能生成和评估更多选项、而非更少选项的期望。

分岔出的新职业

人工智能产品经理

专注于围绕一个机器学习模型不可预测行为构建的产品,其成功指标和用户预期都与传统软件不同。

增长产品经理

通过快速实验,专注于获客、留存和变现相关指标——这是2010年代从通用产品管理中分化出来的一个专精方向。

产品运营

一门较新的学科,构建让产品组织能大规模顺畅运转的流程、数据管道和工具,从而让产品经理能专注于战略。

人工智能提示词/上下文工程师

设计一项人工智能驱动的功能如何检索信息、如何被指示——这个专精方向在2020年代初之前几乎不存在,常常与产品管理紧密相邻。

展望

产品管理在未来十年很可能仍将保持需求,但这份工作的入门级版本已经在变化:纯粹为撰写规格文档或总结调研而存在的岗位会越来越少,更多岗位会期待一位初级产品经理几乎立刻就能指挥人工智能工具、并对其产出负责。

优势将越来越多地属于那些能框定正确问题、在真实的不确定性下做出可辩护的赌注、并让一屋子意见相左的利益相关方达成一个决定的产品经理——这种判断力,在人工智能工具出现之前就很重要,如今只是底下多了更快、更便宜的草稿在支撑它。

相近职业

不限同一领域,六项评分最接近的职业。

继续探索

继续探索

商业·金融领域的其他职业