2026-06-23

成为 AI 时代的产品经理 04｜判断「该不该做」，第一次比「能不能做」更贵

先看一个最该信、却被判反了的判断。

METR 在 2025 年 2 月到 6 月做了一个随机对照实验，方法跟药物临床试验一个级别。16 个资深开发者，平均五年经验、在自己维护的项目上提交过上千次代码，用当时最强的 AI 工具干 246 个真实任务。事前他们以为 AI 能让自己快 24%；干完了，还觉得快了 20%。实际一测：慢了 19%。

注意这里被判错的是什么——不是什么复杂的战略，是「AI 到底有没有让我自己变快」，最简单的一个判断，发生在他们最熟的代码、最熟的项目上。最懂行的人，凭感觉，判反了。

这件事跟 AI 快不快关系不大。它真正戳中的地方是：当「做出来」变得又快又便宜，你最不能信的就是「感觉」。而产品经理每天都在凭感觉做一个更贵的判断——这个东西，该不该做。

一、别再拿「这个难不难做」当门槛

过去你筛想法，有一道天然的门槛替你把关：工程师说「这个要三个迭代」，你掂量一下投入产出，多半就把它放下了。实现难度帮你毙掉了大量「想做但不值得做」的东西——你以为是自己在判断，其实有一半是难度在替你判断。

现在 AI 说「这个下午就能给你」。门槛没了。结果不是你做成了更多对的事，是你一口气上线了五个功能，其中四个没人用。Marty Cagan 2026 年说得直接：AI 没解决「该做什么」的问题，只是让公司更快地做出一堆没人要的东西——同样烂的路线图，只是跑得更快了。

所以第一个动作是反直觉的：把「能不能做、多久能做」从你的决策依据里划掉。它现在的答案永远是「能、很快」，对你筛选想法不再提供任何信息。

二、动手前，先问「不做会怎样」

实现免费之后，最容易漏掉的一问是反过来的：这个东西不做会怎样？

假设我们这个迭代不做这个「智能推荐」，会发生什么？谁会因此真的受影响、影响到什么程度？有没有人会因为没有它而走？

如果你诚实回答完，发现「不做也没什么事」，那这就是答案——它不该排在这个迭代。这一问之所以有用，是因为它绕开了「做起来很爽、AI 一下午就能出」的诱惑，直接逼你面对价值。一个功能能不能被「不做会出事」撑住，比它做起来多快重要得多。

三、动手前，写下「做完之后，什么会变成真的」

Cagan 说产品经理真正拥有的是两样：why（为什么这个问题值得解）和 what（做完之后，我们期望什么变成真的）。第二样要在写代码之前就落成一句能被证伪的话。

上线这个新手引导后，我们期望：新用户第一周的留存从 35% 提到 45% 以上；如果两周后没动，就是我们判断错了，砍掉。

写不出这句话，说明你其实不知道自己为什么要做它。能写出来，你就有了一把尺子：用你自己事先立的、可以被打脸的预期来量，别拿「老板喜不喜欢」「同行有没有」当尺子。这把尺子 AI 给不了你，它不知道你的生意里什么算成。

四、让 AI 摆选项，判断留给你——但别信「感觉对」

AI 最适合干的，是把可能性铺开：同一个问题给你三五种解法、各自的代价、别人怎么做的。Cagan 的说法是 AI surface 选项，人来判断哪个值得。这一步你尽管用它。

但选的时候，回到开头那个实验：别信「感觉对」。那 16 个专家凭感觉判断「变快了」，集体判反。你凭感觉判断「这个方案更好」，一样不可靠。拿它去对第三步那把尺子——哪个选项最可能让你写下的那句预期变成真的，以及有没有真实证据（用户说过、数据见过），而不是哪个读起来最顺。

今天能做的一件事：挑一个你正打算做、而且「AI 很快就能做出来」的功能，先别写任何东西，把两句话写下来——不做会怎样、做完之后什么会变成真的。哪句写不出来，就是你今天用最低成本捡到的一个判断。

成为 AI 时代的产品经理 04｜判断「该不该做」，第一次比「能不能做」更贵

一、别再拿「这个难不难做」当门槛

二、动手前，先问「不做会怎样」

三、动手前，写下「做完之后，什么会变成真的」

四、让 AI 摆选项，判断留给你——但别信「感觉对」

延伸阅读

讨论