现代写作工具的发明使写作变得更加容易，但同时也导致了'写作障碍'的出现——决定写什么成为新的瓶颈。同样，智能编码助手的兴起带来了新的'构建障碍'，瓶颈转变为决定构建什么。我称之为'产品管理瓶颈'。
产品管理的本质
产品管理是一门决定构建什么的科学与艺术。由于高度智能化的编码工具能够将软件编写速度加速到前所未有的水平，决定构建什么成为了新的瓶颈，尤其是在项目早期阶段。随着我合作的团队充分利用智能编码工具，我越来越重视那些具有高度用户同理心并能快速做出产品决策的产品经理(PMs)，使产品决策速度能够与编码速度相匹配。
用户同理心与快速决策
具有高度用户同理心的产品经理可以通过直觉做出决策，并且大多数情况下都是正确的。随着新信息的不断涌入，他们能够持续完善对用户喜好或厌恶的心智模型——从而优化他们的直觉——并不断做出质量更高的快速决策。
有多种策略可以获取用户反馈和其他形式的数据，这些数据塑造了我们对用户的认知。包括与少数用户进行对话、焦点小组讨论、问卷调查以及规模化产品的A/B测试。但为了推动生成式AI速度的进展，我发现将所有这些数据源在产品经理的'直觉'中进行整合，能够帮助我们更快地前进。
数据与直觉的平衡
让我用一个例子来说明。最近，我的团队就用户更喜欢四个功能中的哪一个进行了讨论。我有自己的直觉，但我们都无法确定，因此我们对大约1000名用户进行了调查。结果与我的初始信念相矛盾——我错了！那么，在这种情况下正确的做法是什么呢？
选项1：按调查结果行事
根据调查结果构建用户明确表示偏好的功能。虽然有些人会认为这是'数据驱动'的决策方式，但我认为对于大多数项目来说，这是一种次优方法。调查可能存在缺陷，此外，在做出决定前花时间进行调查会导致决策缓慢。
选项2：利用数据完善心智模型
详细检查调查数据，看看它如何改变我对用户需求的信念。也就是说，完善我对用户的心智模型，然后使用修正后的心智模型来决定下一步行动。
尽管选项1被一些人视为'数据驱动'的决策方式，但我认为对于大多数项目来说，这是一种次优方法。调查可能存在缺陷，此外，在做出决定前花时间进行调查会导致决策缓慢。
相比之下，使用选项2，调查结果提供了更具普遍性的信息，不仅可以帮助我做出当前决策，还能帮助我做出许多其他决策。它让我能够将这一数据点与所有用户对话、调查、市场报告以及对用户与我们产品互动时的行为观察一起处理，从而形成关于如何服务用户的更全面视角。最终，这个心智模型驱动着我的产品决策。
决策策略的适用场景
当然，这种技术并不总是可扩展的。例如，在程序化在线广告中，AI可能会尝试优化显示广告的点击次数，自动化系统会并行进行更多实验，收集用户点击和不点击的数据，以筛选产品经理对用户的心智模型。当一个系统需要做出大量决策时，比如在大量页面上显示哪些广告（或推荐哪些产品），产品经理审查和人类直觉无法扩展。
但在团队只需做出少量关键决策的产品中，例如确定优先考虑哪些关键功能，我发现数据——用于帮助构建良好的用户心智模型，然后迅速应用于决策——仍然是推动快速进展和缓解产品管理瓶颈的最佳方式。
实践建议
培养用户同理心：产品经理应投入时间与用户互动，理解他们的需求和痛点。
建立快速反馈循环：实施机制，能够快速收集并整合用户反馈，而不必等待正式调查结果。
数据整合而非依赖单一数据源：将各种数据源整合到连贯的用户心智模型中，而不是依赖单一调查或测试。
平衡速度与质量：在保持决策速度的同时，确保决策基于充分的信息和深入的用户理解。
情境化决策方法：根据产品特性和决策性质，选择最适合的决策策略，无论是人类直觉主导还是数据驱动。
未来展望
随着AI技术的不断发展，产品管理将继续演变。产品经理需要适应这一变化，将AI视为增强决策能力的工具，而非替代人类判断。未来的产品管理将更加注重人类独特的理解能力、同理心和创造性思维，这些是AI难以复制的核心优势。
通过结合AI的数据处理能力和人类的直觉与同理心，产品经理可以更有效地突破产品管理瓶颈，推动创新产品的快速开发和迭代，最终为用户创造更大的价值。
