在人工智能辅助编码加速软件产品构建的时代，决定构建什么成为了新的瓶颈。快速决策和对用户的共情能力可以帮助我们突破这一瓶颈。
各位朋友，
现代书写工具（如打字机）的发明使写作变得更容易，但也导致了写作障碍的出现，即决定写什么成为了瓶颈。同样，智能编码助手（Agentic Coding Assistants）的发明也导致了新的构建者障碍，即决定构建什么成为了瓶颈。我称之为产品管理瓶颈。
产品管理是一门关于决定构建什么的艺术和科学。由于高度智能的编码能够加速软件的编写，使其达到给定的产品规格，因此，决定构建什么就成为了新的瓶颈，尤其是在早期阶段的项目中。随着我所在的团队开始利用智能编码器，我越来越重视那些具有高度用户共情能力并且能够快速做出产品决策的产品经理（PM），以便产品决策的速度能够与编码的速度相匹配。
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，并且通常是正确的。随着新信息的涌入，他们可以不断完善自己对用户喜欢或不喜欢什么的心理模型，从而改进自己的直觉，并不断做出质量越来越高的快速决策。
有很多方法可以获得用户反馈和其他形式的数据，这些数据可以帮助我们形成对用户的看法。这些方法包括与少量用户进行对话、焦点小组、调查以及对大规模产品进行A/B测试。但是，为了以GenAI的速度推动进展，我发现将所有这些数据源综合到产品经理的直觉中有助于我们更快地前进。
让我用一个例子来说明。最近，我的团队就用户更喜欢哪4个功能展开了辩论。我凭借直觉做出判断，但我们都不确定，所以我们调查了大约1000名用户。结果与我最初的看法相悖——我错了！那么，在这一点上，正确的事情是什么？
- 选项1：按照调查结果，构建用户明确表示他们更喜欢的东西。
- 选项2：详细检查调查数据，看看它如何改变我对用户想要什么的看法。也就是说，完善我对用户的心理模型。然后用我修改后的心理模型来决定该怎么做。
即使有些人认为选项1是做出决策的“数据驱动”方式，但我认为对于大多数项目来说，这是一种较差的方法。调查可能存在缺陷。此外，在做出决策之前花费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，这些信息不仅可以帮助我做出这个决定，还可以帮助我做出许多其他决定。它让我可以将这一条数据与所有用户对话、调查、市场报告以及用户在使用我们的产品时的行为观察结果结合起来，从而形成一个更全面的视图，了解如何为用户提供服务。最终，这种心理模型驱动着我的产品决策。
当然，这种技术并不总是可以扩展的。例如，在程序化在线广告中，人工智能可能会尝试优化广告的点击次数，一个自动化系统会并行进行更多的实验，并收集用户点击和不点击什么的数据，以筛选产品经理对用户的心理模型。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），产品经理的审查和人为直觉就无法扩展。
但是，在团队需要做出少量关键决策的产品中，例如确定哪些关键功能的优先级，我发现数据（用于帮助建立良好的用户心理模型，然后将其应用于快速做出决策）仍然是推动快速进展和缓解产品管理瓶颈的最佳方式。
不断构建！
Andrew
