「AI 带来的真正影响并非是让产品经理因不确定性的减少而失去价值，而是逐步淘汰那些不能掌握新方法、新机遇的产品经理。」
近期，a16z 发布了《5 Principles for Product Managers Fending Off Obsolescence in the AI Era》，这是一篇讨论在 AI 时代下，产品经理核心价值归宿的文章。
TLDR：
-
产品经理需要投入大量的精力，像调研客户需求那样去 「调研」 模型，深入挖掘模型的能力边界与局限性。评估方案是一种结构化测试工具，不仅可以用来衡量模型输出的准确性，更重要的是能够识别和评估模型的 「涌现能力」，从而为产品设计提供有价值的参考依据。
-
未来，软件将成为消费者可支配支出的主要流向之一。在此背景下，产品经理在进行产品设计时应思考：「我们产品每月 1000 美元的版本会是什么样？」 然后以此为目标进行逆向规划，并将其变为现实。
-
在软件行业，构建基于网络效应的竞争壁垒是传统策略，但在竞争激烈的 AI 领域，许多传统的「护城河」效力正在减弱。情感价值是特别容易被忽略的关键竞争力，企业应大胆打造能与用户产生情感共鸣的产品。
-
第一代 AI 产品本质上只是模型前端的网页界面，下一代大规模 AI 产品不再仅仅是模型展示层，而是围绕基础模型构建的、具备独特设计理念和复杂功能架构的创新产品。
-
对产品经理而言，培养直觉最重要的方式就是在日常工作的各个方面每天主动使用 AI 产品。这一观点，正在成为共识。
以下是文章的全文编译，在不改变原意的前提下进行了编辑。
Founder Park 正在搭建「AI 产品市集」社群，邀请从业者、开发人员和创业者，扫码加群：
-
最新、最值得关注的 AI 新品资讯；
-
不定期赠送热门新品的邀请码、会员码；
-
最精准的AI产品曝光渠道
产品经理的核心使命始终在于应对各种不确定性——从产品执行路径、进行打磨优化，到数据分析解读、精准把握客户需求，他们就像在混沌中寻找方向的破局者。随着 AI 技术的迅猛发展，不少人断言，越来越强大的 AI 模型将使产品经理的角色逐渐失去价值。然而，这场关于产品经理未来价值的讨论，实际上忽略了关键一点：在当下产品推向市场并实现规模化的过程中，不确定性并没有减少，改变的仅仅是应对这些挑战的工具和随之而来的发展机遇。未能及时洞察并适应这一变革的产品经理，很可能被时代浪潮所淘汰。
如今的产品领导者们，多数成长于移动互联网向 Web 过渡的关键时期。他们熟练掌握了一整套标准化的移动应用方法论，例如采用精细化方法计算用户增长，坚持以移动端用户体验为核心进行产品设计，并深入研究手机主屏幕应用图标这一关键入口的运营策略。在移动产品蓬勃的发展时期，业界一直在探讨如何突破桌面时代的设计局限，例如，无法直接套用桌面时代的设计模式，如悬停提示、点击导向等不适用于移动端的设计规范，并将其强加到移动产品上。
在借助 AI 开发产品的过程中，有哪些新兴的拟物隐喻（Skiamorphic metaphor，这里指交互模式或设计范式）可能会对移动产品管理形成限制？又有哪些值得产品经理借鉴的最佳实践？以下内容值得重点关注。
识别、评估和巧妙利用
模型的 「涌现能力」
大型 AI 模型具有概率性本质，这意味着即便是相同的输入，每次得到的输出结果也并非固定不变，而是存在差异。
由于 AI 模型的输出具有随机性，并且会产生一些没有被预先编程设定的 「涌现行为」，产品经理如今需要投入大量的精力，像调研客户需求那样去 「调研」 模型，深入挖掘它的能力边界与局限性。
产品经理应当思考：模型产生的哪些 「异常输出」 或不可预测的结果，可以被巧妙运用到产品中？面对极端或特殊情况时，模型会如何反应？在哪些场景下需要模型保持输出稳定？ 培养对模型特性的敏锐洞察力，能够催生出极具创新性的产品。
例如 Websim，这是一款由 AI 驱动的模拟器，它生成的网站充满奇思妙想、令人意想不到，使用者仿佛能借此窥见模型的 「思维世界」。 Websim 的开发者没有刻意约束模型，使其输出常规、精致的内容，而是选择拥抱并放大模型产生的奇特结果。
为了从模型的意外输出中挖掘价值，产品经理还需要掌握编写评估方案的技能。评估方案是一种结构化测试工具，不仅可以用来衡量模型输出的准确性，更重要的是能够识别和评估模型的 「涌现能力」，从而为产品设计提供有价值的参考依据。
大胆推出高价极致产品，
软件将成为消费者支出的主要流向之一
如今，我们看到一类软件产品能够实现几年前难以想象的功能：例如，一款 AI 护士可以在患者手术前通过电话告知相关信息及注意事项；一款工具能根据简单提示生成复杂的网络应用；还有产品可以进行复杂的研究与分析，而这些工作在过去需要一个团队来完成。在这样的背景下，产品定价几乎没有上限。 去年， ChatGPT 推出每月 200 美元的大众消费级订阅服务时，当时看来似乎是不切实际的想法。如今，它已成为许多重度用户的日常必备。
同样， Krea、Cursor、Midjourney 等 AI 产品也在积极探索其价格上限，而非一味追求低价竞争。未来，软件将成为消费者可支配支出的主要流向之一。在此背景下，产品经理在进行产品设计时应思考：「我们产品每月 1000 美元的版本会是什么样？」 然后以此为目标进行逆向规划，并将其变为现实。
传统软件的「护城河」正在减弱，
「情感价值」是关键竞争力
消费级 AI 公司应主动探索构建新的竞争壁垒，可尝试使用低秩适配器（ LoRAs ）、开发独家工作流程、与其他软件深度集成，或开拓语音交互、电话服务等新方向。
在我看来，情感价值是特别容易被忽略的关键竞争力，企业应大胆打造能与用户产生情感共鸣的产品。像苹果、谷歌等科技巨头，专门设立了严格的审查委员会，以严格避免产品中出现分歧、劝说、性这类复杂敏感的内容。语言模型通常基于普遍认可的内容进行提炼，输出内容趋于规范、保守，这使得许多 AI 产品缺乏独特性，也难以满足用户更深层的需求。但初创公司反而可以另辟蹊径，在产品中加入情感冲突、矛盾等容易被忽视的元素，打造令人眼前一亮的产品。
在软件行业，构建基于网络效应的竞争壁垒是传统策略，但在竞争激烈的 AI 领域，新公司和产品层出不穷，许多传统的「护城河」效力正在减弱。以记录系统为例，现在结合视觉模型和机器人流程自动化（ RPA ）技术，可实现快速索引，过去依赖记录系统建立的优势已不再明显。随着开发者使用的模型和基础设施日趋同质化，品牌影响力、市场发展势头这些过去被视为「软性」的竞争优势，在消费级 AI 市场反而变得日益重要。当下，越来越多的成功 AI 企业正采用「先发快跑」的策略：创业先行者率先推出创新产品抢占市场先机，并通过持续的功能更新和特性拓展，始终保持行业领先地位。
模型是平台，
而非产品
第一代 AI 产品本质上只是模型前端的网页界面，图像生成、诗歌创作等核心功能均由基础模型完成。这些产品凭借其新颖的功能体验，迅速吸引了大量用户。然而，随着基础模型数量持续增加，功能日益复杂，用户若要充分释放模型潜力，就需要配套设计相应的工作流程。
以文本生成应用为例，如 Replit、Lovable 和 Bolt 等，它们为新创意的快速原型搭建提供了高效途径。但从原型走向实际应用，还需要更先进的交互界面，以支持对模型进行深度微调和个性化定制。由此可见，下一代大规模 AI 产品不再仅仅是模型展示层，而是围绕基础模型构建的、具备独特设计理念和复杂功能架构的创新产品。
主动使用 AI 产品正在成为行业标配
如果你不理解一个系统，就无法将其成功产品化。这意味着，仅仅浅尝辄止地使用 ChatGPT 是不够的，你需要深入了解语言模型和推理模型之间的区别。你是否曾试用过 Deep Research 、 Operator 、 Gemini Flash 、自定义 GPT 以及多模态模式下的 GPT-4o ？你是否了解思维链相关知识？在使用 DeepSeek 或其他支持该特性的推理模型时，你是否观察过这一过程？
对产品经理而言，培养直觉最重要的方式就是在日常工作的各个方面每天主动使用 AI 产品。这一观点正迅速形成共识，包括 Shopify 、 Duolingo 、 Box 在内的众多公司首席执行官均已宣布，公司将全面转向 AI 优先战略。随着时间的推移，产品经理应自然而然地把 AI 产品融入日常工作习惯，并成为公司内部推动最佳实践的表率。
（文：Founder Park）