产品经理过去常常花费大量时间编写 PRD、调整团队、等待设计草案、向工程师解释需求以及管理冗长的产品路线图。这些责任仍然很重要，但人工智能正在开始改变产品工作的实际完成方式。
人工智能不会取代产品经理，但它正在改变产品工作的完成方式。人工智能工具现在允许产品经理更快地构建原型、分析数据、总结用户研究、探索代码库和测试想法，而不是在验证之前花费数周时间编写长 PRD。本文解释了产品经理的工作流程如何从文档优先转变为演示优先，以及为什么人工智能时代最好的产品经理可能会成为更快的验证者和原型构建者。
这种变化不仅仅是人工智能可以帮助产品经理更快地编写文档。更深层次的变化是，人工智能允许产品经理从长时间的讨论和静态文档转向更快的原型、更快的验证和更直接的用户反馈。
过去，一个产品创意往往需要经历一个漫长的过程才能让任何人真正与之互动。项目经理编写了 PRD，与利益相关者一起对其进行审查，等待设计，等待工程估算，直到很久以后，团队才终于看到了可点击的内容。
现在，借助 Claude Code、Cursor、Codex 等 AI 编码工具和其他 AI 辅助开发工具，产品经理有时可以在数小时内将一个想法转变为粗略的交互式原型。原型可能还没有准备好投入生产，但它足以测试方向、暴露不明确的假设并获得真实的反馈。
这就是为什么我认为人工智能不会取代产品经理。它正在重写产品经理的工作流程。
从 PRD 优先到原型优先
传统的产品工作流程通常从 PRD 开始。
PM 编写需求、定义用户故事、解释业务逻辑、列出边缘案例、准备成功指标并对文档进行审查。然后，团队讨论该文档，讨论优先事项，估计开发工作量，并最终决定是否构建。
这个过程是可行的，但它有一个主要弱点：许多假设直到很晚才被隐藏。
人们可能会就某个需求争论数周，但用户可能根本不关心该需求。团队可能会花费大量时间讨论功能结构，但后来才发现真正的用户痛点在其他地方。
This is where prototype-first product work becomes powerful.
借助人工智能工具，产品经理可以更早地创建粗略的原型。原型不需要是完美的。它只需要足够真实，让用户、团队成员、设计师和工程师能够对其做出反应。
不要问用户“这个要求有意义吗？” PM 现在可以问：“试试这个流程。你会在哪里陷入困境？你预计接下来会发生什么？”
这种反馈更有用，因为用户对他们看到和触摸到的东西反应更好。
两小时的原型可以击败三周的辩论
对我来说真正引人注目的一个例子是一个产品团队使用人工智能编码工具在短短几个小时内构建了一个交互式原型。在与目标用户测试原型后，团队发现他们争论了数周的事情实际上对用户来说并不重要。
用户不太关心团队一直争论的内部选项。他们真正想要的是更简单、更实用的东西：提交反馈后，他们想看到处理状态。
这是一个小例子，但教训却很大。
长 PRD 可以描述许多可能性，但工作原型揭示了真实的行为。用户可能不知道如何回复长文档。但当他们点击流程时，他们的困惑、期望和优先事项就会变得更加清晰。
这并不意味着 PRD 毫无用处。这意味着 PRD 的时间和目的可能会发生变化。
在人工智能时代，PRD不应该只是一个充满未经检验的假设的文档。它可以成为已经通过原型、用户反馈和数据进行测试、验证和澄清的内容的记录。
该文档不应取代验证。它应该捕捉验证给团队带来的教训。
人工智能为产品经理提供了新的工具堆栈
许多产品经理已经使用人工智能，但通常方式有限。
他们可以使用 ChatGPT 或 Claude 重写文本、总结文档、起草会议记录、集思广益或准备演示文稿。这些用例很有用，但它们只是第一层。
更高级的产品经理工作流程针对不同的角色使用不同的人工智能工具。
基于聊天的人工智能工具可以充当思考伙伴。它可以帮助产品经理阐明策略、探索权衡、比较产品方向、起草文档、准备利益相关者沟通以及思考用户问题。
人工智能编码工具可以充当执行伙伴。它可以帮助创建原型、探索代码库、构建小脚本、分析数据、连接 API 或生成内部工具。
生产力人工智能工具可以处理低价值的重复性工作，例如清理笔记、组织研究、总结电子邮件、创建幻灯片或将粗略的想法转化为结构化草稿。
关键是不要将人工智能视为一个搜索框。关键是将人工智能放入产品经理工作流程的不同部分。
人工智能可以帮助产品经理思考、构建、分析、记录和自动化。
PM 工作流程的四大转变
第一个转变是从漫长的路线图转向较短的实验。
过去，许多产品团队试图提前几个月进行计划。他们编写了很长的文档，等待工程周期，并将每个功能视为一个主要项目。现在，人工智能可以更轻松地更快地测试较小的想法。产品经理可以在早上探索一个想法，在下午构建一个简单的原型，然后决定该想法是否值得更多投资。
这并不意味着战略消失。这意味着策略变得更具实验性和适应性。
第二个转变是从文档优先到演示优先。
产品经理可以使用人工智能创建一个粗略的原型，然后让团队对具体的事情做出回应，而不是花太多时间讨论书面想法。这减少了抽象的争论，并使反馈更加有根据。
第三个转变是需要更频繁地重新审视旧的产品假设。
人工智能模型正在迅速改进。六个月前感觉不可能或太昂贵的事情在模型更新或更好的人工智能工具发布后可能会变得容易得多。在旧的技术限制下做出的产品决策可能不再是以后的最佳决策。
对于产品经理来说，这意味着产品思维需要变得更加灵活。曾经因为人工智能不够好而被拒绝的功能可能值得重新审视。
第四个转变是转向有效的简单解决方案。
在快速发展的人工智能产品中，为可能在下一代工具中消失的限制构建复杂的解决方法可能存在风险。有时，更好的策略是构建解决当前问题的最简单的解决方案，同时保持产品足够的灵活性以适应明天的变化。
产品经理的六个高价值人工智能工作流程
第一个高价值工作流程是 PRD 到原型。
产品经理可以用 Markdown 编写简单的产品简介，并要求 AI 编码工具生成可点击的 HTML 原型。这个原型可能并不美观或不适合生产，但它可以帮助用户和团队成员快速理解流程。团队可以在更短的时间内获得可测试的东西，而不是等待数周的第一个版本。
第二个工作流程是代码库探索。
非技术产品经理通常很难理解现有功能是如何构建的。借助人工智能编码工具，产品经理可以在代码库内提出问题，而无需修改任何内容。例如，他们可以询问邀请流程如何工作、数据来自哪里，或者支付过程涉及哪些文件。这有助于产品经理与工程师更好地沟通并做出更现实的决策。
第三个工作流程是数据分析。
产品经理通常需要分析渠道、保留、激活、功能使用、转化率或流失模式。 PM 不必每次都等待数据分析师，而是可以上传 CSV 文件并要求 AI 识别模式、计算细分并生成表格或图表。这并没有消除对数据素养的需求，但它减少了提出更好问题的摩擦。
第四个工作流程是文档自动化。
每周报告、发行说明、Jira 票证、产品更新和会议摘要需要花费大量时间。人工智能可以根据原始笔记、决策和指标生成初稿。 PM 仍然需要审查和调整输出，但人工智能可以消除大部分低价值的写作负担。
第五个工作流程是用户研究综合。
经过多次用户访谈后，产品经理通常需要确定反复出现的痛点、相互矛盾的反馈、共同主题和机会领域。人工智能可以帮助处理笔录或笔记并生成结构化摘要。 PM仍然需要判断，但AI可以加快第一轮综合的速度。
第六个工作流程是通过 MCP 和连接工具进行系统集成。
通过 MCP 等协议，AI 工具可以连接到 Jira、Linear、Notion、Slack、PostHog 等系统或内部数据库。这使得 PM 可以要求 AI 检索数据、总结功能性能、创建任务或跨系统连接见解。这是更先进的，但随着时间的推移，它可能会成为最强大的工作流程之一。
这些工作流程共同涵盖了产品管理的很大一部分：发现、验证、分析、文档记录、协调和执行。
80%原型的崛起
最有趣的变化之一是“80%原型”的兴起。
过去，产品经理经常递交文档、线框图或用户故事。然后设计师和工程师将其转化为可用的产品。现在，借助人工智能编码工具，产品经理可以越来越多地创建更接近工作原型的东西。
这并不意味着产品经理取代了工程师。
原型可能足以验证核心思想，但在生产前仍需要工程判断。工程师仍然需要处理架构、安全性、性能、身份验证、功能标志、错误处理、可扩展性和长期可维护性。
但首相的交接可以变得更加丰富。
PM 可以移交显示预期交互、业务逻辑和用户体验的工作流程，而不是移交文本描述。然后，工程师可以专注于将经过验证的原型转变为可靠的产品。
这可以减少沟通成本并帮助团队避免构建错误的东西。
这对工程师和设计师意味着什么
人工智能辅助 PM 原型的兴起也提出了一个重要问题：如果产品经理可以构建原型，工程师和设计师会发生什么？
我不认为这会降低它们的重要性。它改变了他们创造价值的地方。
设计师可能会花更少的时间制作早期的低保真屏幕，而花更多的时间塑造产品的实际体验、设计系统、交互质量、可用性、可访问性和情感感受。
工程师可以花更少的时间澄清模糊的需求，而花更多的时间审查架构、提高实施质量、处理边缘情况和构建生产级系统。
协作模式发生变化。
总理可以带来更强有力的初稿。设计师和工程师可以利用他们更深入的专业知识来改进它。如果界限清晰，这可能会带来更好的团队合作。
但存在风险。如果 PM 将 AI 生成的原型视为“几乎完成的产品”，他们可能会低估最后 20%。最后 20% 通常包含最困难的问题：边缘情况、性能、安全性、可访问性、可维护性和现实世界的复杂性。
只有当团队尊重剩下的 20% 时，80% 的原型才有用。
新产品经理技能组合
在人工智能时代，产品经理可能需要稍微不同的技能。
他们仍然需要用户同理心、策略、优先级、沟通和业务判断。这些基本原理并没有消失。
但他们还需要更强的技术信心。他们不需要成为正式的工程师，但他们应该能够轻松地探索代码库、阅读简单的逻辑、测试原型、理解 API 以及使用 AI 编码工具。
他们需要更好的数据思维。如果人工智能使分析变得更容易，那么产品经理应该提出更好的问题，而不是盲目接受工具输出的任何结果。
他们需要更强的实验习惯。产品经理不应将每个功能都视为一个大项目，而应学习如何快速测试假设。
他们还需要更好的判断力。人工智能可以生成许多选项，但项目经理仍然必须决定什么是重要的、应该测试什么、应该构建什么以及应该忽略什么。
这就是为什么人工智能并没有降低产品思维的重要性。它使产品思维更加明显。
产品经理正在成为更快的验证者
一个关键的变化是产品经理正在成为更快的验证者。
在人工智能出现之前，许多想法在讨论中停留了太长时间，因为测试它们需要太多时间。现在，如果产品经理可以快速构建粗略的原型，团队就可以更快地学习。
这会改变 PM 的价值。
价值不再仅仅存在于书面明确的要求中。其价值在于识别风险最大的假设，构建一种轻量级的方法来测试它，收集反馈并决定下一步该做什么。
这更接近于成长型思维。 PM 可以将产品开发视为假设、原型、反馈、数据和迭代的循环，而不是将其视为一长串文档和批准。
这并不会让产品工作变得更容易。在某些方面，这让事情变得更加困难，因为总理推迟验证的借口更少了。
如果你能更快地测试，你就应该学得更快。
我的个人看法
我认为这种转变特别有趣，因为它与人工智能时代更广泛的模式相关。
人工智能不仅仅取代任务。它正在改变工作流程。
对于产品经理来说，旧的工作流程通常包含大量文档和会议。总理必须清楚地描述自己的想法，以便其他人能够想象。但现在，人工智能可以更快地将想法转化为粗糙的原型。这改变了产品讨论的性质。
当人们可以看到并单击某些内容时，对话就会变得更加真实。
作为从事 SEO、网站和数字项目工作的人，我强烈地感受到了这一点。书面策略很有用，但实时页面、原型或工作演示通常可以更快地揭示问题。当用户与真实事物交互时，他们的反应会有所不同。
这就是为什么我相信未来的产品经理将不仅仅是需求编写者。他们将成为更快的验证者。他们将能够更快地在想法、原型、数据、反馈和文档之间转换。
最好的产品经理可能不是那些写最长 PRD 的人。
他们可能是学得最快的人。
结论：人工智能将重写产品经理的工作流程
人工智能不会自动取代产品经理。
但这将改变良好的产品管理的面貌。
过去，优秀的产品经理通常能够编写明确的需求、协调利益相关者并推动项目向前发展。在人工智能时代，这些技能仍然很重要，但它们已经不够了。
下一代强大的产品经理将知道如何使用人工智能来探索想法、构建原型、分析数据、综合研究、理解技术系统并更快地验证假设。
PRD 不会消失，但它们的角色可能会改变。它们可能成为经过验证的学习记录，而不是未经检验的假设的起点。
产品经理的工作正在从“编写需求并等待”转变为“测试想法并学习”。
未来的产品经理不会被AI取代。
The future product manager is upgraded by a new workflow.