AI 正在加剧产品经理“内卷”

多客科技

作者：微信文章
最近和几位大厂的产品总监聚餐，聊起 AI，

大家的共识惊人一致：那个靠写写 PRD、画画原型、协调一下排期就能拿高薪的“文档工程师”时代，彻底结束了。

如果你觉得 AI 能帮你写周报、画原型是“减负”。

那你可能还没意识到：当工具抹平了执行层的差距，真正的“内卷”才刚刚在更高维度爆发。

今天我想和大家聊聊，为什么 AI 不仅没有降低产品经理的门槛，反而让这个岗位变得前所未有的“卷”。
一、 效率悖论

AI 解决了“画图”，却制造了“决策瓶颈”。

很多应届生和初级 PM 问我：“Kris，现在 AI 都能写代码、写 PRD 了，我是不是没机会入门了？”

我的回答是：入门变容易了，但留下来变难了。

过去，一个产品功能从想法到落地，中间隔着漫长的文档、评审和开发周期。

现在，有了 Cursor、v0 这种工具，甚至字节跳动新出的 TRAE SOLO 模式，你对 AI 说一句话，它就能给你一个可访问的 URL。

但这带来了一个巨大的问题，吴恩达（Andrew Ng）把它总结为 “产品管理瓶颈”：

❝
当代码生成的重力被消除，生产软件的速度呈指数级增长时，决定“到底该造什么”就成了公司里唯一的堵点。
❞

以往你可以躲在“开发排期紧”的借口后面慢慢磨需求，

但现在，老板会问你：“AI 只要 10 分钟就能把功能做出来，为什么你还没想清楚用户为什么要用它？”

AI 抹平的是“术”的门槛。如果你只会写“当点击 A 按钮跳转 B 界面”这种确定性逻辑，你就是在跟模型比体力。

真正的内卷，卷的是你对模糊问题的定义能力和决策速度。
二、 职界模糊

LinkedIn CPO 提出的“全栈构建者模式”，资深 PM 们，别以为你管个团队就安全了。

LinkedIn 的 CPO Tomer Cohen 提出了一个极具冲击力的模型：全栈构建者模式（Full Stack Builder Model）。

在 AI 时代，产品经理、设计师和工程师的边界正在坍塌。

过去： PM 写文档 -> 设计师出图 -> 工程师写代码。现在： 只要你拥有优秀的“产品趣味（Taste）”，一个 PM 可以直接通过自然语言驱动 AI 完成原型甚至生产环境的代码。

这就意味着，PM 的工作量不是减少了，而是被重塑了。

你不再只是“需求的传话筒”，你必须成为一个能拿结果的“主理人”。

你需要懂技术架构以确保 AI 生成的代码可扩展，你需要懂增长思维以确保功能上线就有流量，你甚至需要懂数据科学去写 Evals（评估集）来校准 AI 的模型表现。



这种转型对于“老兵”来说极其痛苦。

你必须放下身段，像新人一样去学习如何与 AI 协作，去理解什么叫“Vibe Coding”。
三、 什么是 AI 时代 PM 刷不掉的“护城河”？

既然执行不再值钱，什么才是最贵的？

1. 极致的“产品趣味”

Figma 的 CEO Dylan Field 曾说，AI 是“平均水平”的集大成者。它能给你 60 分的方案，但它无法告诉你什么是“惊艳”。

在这个人人都能用 AI 出产内容的时代，“不庸俗” 成了一种极其稀缺的能力。这种 Taste 来自于你对人性的深刻理解，对艺术、商业和技术的交叉感悟。

2. 带“硝烟味”的同理心

很多 PM 习惯把用户访谈交给 AI 总结。OpenAI 的研究员 Karina Nguyen 提醒我们：你必须自己在现场，听到用户的语气，感受到他们的犹疑。AI 无法产生共鸣。当一个用户说“这个功能挺好”时，AI 会记录为正面反馈，而一个牛逼的 PM 能从用户的眼神里读出“但我绝对不会买单”。

3. 编写 Evals 的能力

OpenAI 的 CPO Kevin Weil 指出，未来 PM 的核心技能之一是写评估集。

你不再是写 PRD 让研发去对齐，而是写出几百个 Case，告诉 AI：什么样的回答是 100 分，什么样的回答是 0 分。

你对质量边界的定义，就是产品的生命线。
四、 给不同阶段 PM 的建议

对于应届生/新人：

不要再死磕 Axure 的动态面板怎么画了。

去学代码逻辑，去尝试独立开发一个简单的 AI 应用。你要证明的不是你能“干活”，而是你有 “极高的 agency（自主性）” ，能用 AI 解决一个真实的问题。

对于资深 PM/总监：

警惕你的经验成为枷锁。

AI 时代很多学到的习惯需要“卸载（Unlearn）”。

尝试用“下注思维”代替“预测思维”，把自己从琐碎的流程管理中抽离，投入 80% 的精力去死磕 “第一性原理”。
结语

AI 的确在加剧内卷，它把那些只会“搬砖”的人无情地推向了悬崖。

但我依然觉得，这是产品经理最好的时代。因为我们终于可以从那些繁琐的文档、无休止的扯皮中解脱出来，回归到产品的本质：发现问题，并创造性地解决它。

你是想成为那个被 AI 取代的“文档机器”，还是成为那个驾驭 AI、定义价值的“超级个体”？

你对此有什么看法？在你的日常工作中，AI 到底是在帮你提效，还是在制造新的焦虑？欢迎在评论区留言分享。

我的产品决策 3C 模型分享：

Context（场景分析）： 用第一性原理回到本质。Criteria（决策标准）： 建立高标准的评价体系。Choice（理性选择）： 快速迭代，快速纠偏。