现代打字机的发明让写作变得更加容易，但也导致了'写作障碍'的兴起——决定写什么成为了新的瓶颈。同样，代理式编程助手的出现也带来了新的'构建障碍'，即决定构建什么成为了阻碍。我称之为'产品管理瓶颈'。
产品管理的本质
产品管理既是一门艺术也是一门科学，其核心在于决定构建什么。由于高度自主的编程工具能够根据给定的产品规范加速软件编写，决定构建什么成为了新的瓶颈，尤其是在早期项目中。随着我合作的团队充分利用代理式编程工具，我越来越重视那些具有高度用户共情能力并能快速做出产品决策的产品经理(PMs)，从而使产品决策的速度与编程的速度相匹配。
用户共情与快速决策
具有高度用户共情能力的产品经理可以通过直觉做出决策，并且在大多数情况下都是正确的。随着新信息的不断涌入，他们能够持续完善用户喜好或不喜好的心智模型——从而完善他们的直觉——并持续做出质量越来越高的快速决策。
许多策略可用于获取用户反馈和其他形式的数据，这些数据帮助我们形成对用户的信念。包括与少数用户进行对话、焦点小组、调查以及规模化产品的A/B测试。但为了以生成式AI的速度推动进展，我发现将所有这些数据源整合到产品经理的直觉判断中，有助于我们更快地前进。
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哪四个功能展开了辩论。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，在这个点上应该怎么做才是正确的呢？
选项一：遵循调查结果
按照调查结果构建用户明确表示偏好的功能。
选项二：深入分析调查数据
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，然后使用修订后的心智模型来决定下一步行动。
尽管有些人会认为选项一是'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。
相比之下，使用选项二，调查结果提供了更具普遍性的信息，不仅可以帮助我塑造这一决策，还可以帮助我塑造许多其他决策。它让我能够将这一数据与所有用户对话、调查、市场报告以及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，这种心智模型驱动着我的产品决策。
实践中的挑战与解决方案
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，以过滤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，例如在大量页面上展示哪些广告（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，然后快速应用于决策——仍然是推动快速进展和缓解产品管理瓶颈的最佳方式。
构建有效的用户心智模型
在AI时代，产品经理需要培养以下能力来构建有效的用户心智模型：
多元化数据收集：不依赖单一数据源，而是综合用户访谈、行为数据、市场趋势等多维度信息。
快速验证假设：设计小型实验快速验证假设，而不是等待完美数据。
持续学习与调整：随着新数据的到来，不断调整和完善自己的心智模型。
跨领域知识整合：将技术、商业和用户需求的知识整合到决策过程中。
不同场景下的决策策略
早期项目
在项目早期，当决策数量有限但影响重大时，产品经理的直觉和快速决策尤为重要。此时，构建强大的用户心智模型比收集大量数据更为关键。
成熟产品
对于已经成熟的产品，可以更多地依赖A/B测试和大规模数据分析，因为这些产品有足够的用户基础来支持统计显著性。
高频决策场景
在需要做出大量决策的场景（如推荐系统），自动化系统是必要的，但人类产品经理仍需设定目标和评估框架。
未来趋势
随着AI技术的不断发展，产品管理角色也在演变：
从执行到战略：产品经理将更多关注产品战略和创新，而将执行工作交给AI工具。
增强决策能力：AI将成为产品经理的决策助手，提供数据洞察和建议。
跨功能协作：产品经理需要与技术、设计和营销团队更紧密地协作，以充分利用AI能力。
结论
在AI辅助编程加速软件开发的今天，产品管理瓶颈已成为制约创新的关键因素。通过培养高度的用户共情能力，结合数据与直觉做出快速决策，产品经理可以有效地突破这一瓶颈。未来的产品管理将更加注重构建强大的用户心智模型，并在保持决策速度的同时提高决策质量。随着技术的不断进步，产品经理的角色将继续演变，但其核心使命——创造真正满足用户需求的产品——将始终不变。
