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同理心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，使得写作变得更加容易，但也导致了写作障碍的出现，即决定写什么成为了瓶颈。类似地，自主编码助手的出现也导致了一种新的构建者障碍，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。由于高度自主的编码能够加速软件的编写，使其达到给定的产品规格，因此决定构建什么成为了新的瓶颈，尤其是在早期项目中。随着我所合作的团队充分利用自主编码器，我越来越看重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（PM），从而使产品决策的速度与编码的速度相匹配。
具有高度用户同理心的产品经理可以通过直觉做出决策，并且在很多时候都是正确的。随着新信息的到来，他们可以不断改进对用户喜欢或不喜欢什么的心理模型，从而改进他们的直觉，并不断做出质量越来越高的快速决策。
有很多策略可以用来获取用户反馈和其他形式的数据，这些数据可以塑造我们对用户的看法。它们包括与少数用户的对话、焦点小组、调查以及对大规模产品的A/B测试。但是，为了以GenAI的速度推动进步，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4个功能中的哪一个展开了辩论。我有一些直觉，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矛盾——我错了！那么，此时正确的做法是什么？
- 选项1：按照调查结果，构建用户明确告诉我们他们喜欢的东西。
- 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，改进我对用户的心理模型。然后利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“数据驱动”的决策方式，但我认为对于大多数项目来说，这是一种较差的方法。调查可能存在缺陷。此外，在做出决策之前花时间进行调查会导致决策缓慢。
相比之下，使用选项2，调查结果可以提供更具普遍性的信息，这不仅可以帮助我做出这个决策，还可以帮助我做出许多其他决策。它让我可以处理这一条数据，以及所有的用户对话、调查、市场报告以及用户在使用我们的产品时的行为观察，从而形成一个更全面的视角，了解如何为用户提供服务。最终，这个心理模型驱动着我的产品决策。
当然，这种技术并不总是能够扩展。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，并收集关于用户点击或不点击什么的数据，以过滤掉产品经理对用户的心理模型。当一个系统需要做出大量的决策时，例如在大量的页面上显示什么广告（或推荐什么产品），产品经理的审查和人类的直觉是无法扩展的。
但是，在团队需要做出少量关键决策（例如确定哪些关键功能应该优先考虑）的产品中，我发现使用数据来帮助建立一个良好的用户心理模型，然后应用该模型来快速做出决策，仍然是推动快速进步和缓解产品管理瓶颈的最佳方式。
继续构建！
Andrew
产品经理如何应对AI时代的新挑战？在高效率的AI辅助开发环境下，产品管理的角色变得尤为关键。本文深入探讨了在AI加速软件开发流程中，产品经理如何利用用户同理心和快速决策能力，突破“产品管理瓶颈”。通过具体案例分析，文章对比了依赖数据调查与构建用户心理模型的两种决策方式，强调了在关键决策中，后者对于推动快速迭代和产品进步的重要性。同时，也讨论了该方法在面对大规模、高并发决策场景时的局限性，为产品经理在AI时代的角色定位提供了新的视角。
在当今快速发展的技术环境中，人工智能（AI）正在以前所未有的速度改变着软件开发的格局。AI辅助编码工具的出现极大地提高了开发效率，使得软件产品的构建速度显著加快。然而，这种效率的提升也带来了一个新的挑战：产品管理瓶颈。简单来说，就是当技术能够迅速实现想法时，决定“构建什么”变得比以往任何时候都更加重要和复杂。
过去，软件开发的速度往往受到编码能力的限制。但现在，随着AI能够快速生成代码，瓶颈已经转移到了产品管理的层面。产品经理（PM）的角色因此变得至关重要，他们需要具备高度的用户同理心和快速决策能力，以确保开发团队能够始终专注于构建最有价值和最符合用户需求的产品。
用户同理心是产品经理的一项关键技能。这意味着产品经理需要深入了解用户的需求、痛点和期望，并能够将这些理解转化为具体的产品功能和改进。通过与用户的持续互动和反馈收集，产品经理可以不断优化自己的“用户心理模型”，从而更准确地预测用户行为和偏好。这种直觉式的决策能力在快速迭代的AI时代尤为重要，因为它允许团队在没有大量数据支持的情况下也能迅速做出合理的决策。
在实践中，产品经理常常需要在两种决策方式之间做出选择：一是依赖数据调查，二是构建用户心理模型。数据调查通常包括用户调查、A/B测试等方法，旨在通过量化数据来指导产品决策。然而，这种方法的缺点是耗时较长，且调查结果可能存在偏差。相比之下，构建用户心理模型则是一种更快速、更灵活的方法。产品经理通过综合各种信息来源（包括用户访谈、市场报告、竞品分析等），形成对用户的整体认知，并以此为基础做出决策。
为了更清晰地说明这两种方法的差异，我们可以看一个具体的案例。假设一个产品团队正在考虑为他们的应用程序添加四个新功能。团队成员对哪个功能最受用户欢迎存在分歧。为了解决这个问题，他们决定进行一项用户调查，让用户对这四个功能进行排序。调查结果显示，大多数用户选择了一个与产品经理直觉相悖的功能。此时，产品经理面临两个选择：一是直接按照调查结果构建用户选择的功能，二是深入分析调查数据，找出数据背后的原因，并更新自己的用户心理模型。
尽管第一种方法看似“数据驱动”，但实际上可能并不明智。调查数据可能存在偏差，例如样本选择不具有代表性，或者用户在回答问题时受到某种因素的影响。更重要的是，直接按照调查结果进行开发可能会导致团队错失更好的机会。相反，如果产品经理能够深入分析调查数据，并将其与其他信息来源相结合，那么他们就可以更全面地了解用户的真实需求，并做出更明智的决策。
当然，构建用户心理模型的方法也存在局限性。当面对大规模、高并发的决策场景时，例如在线广告投放或个性化推荐，人工构建用户心理模型的方法就显得力不从心。在这些场景下，自动化系统能够通过大量的实时数据来优化决策，从而实现更高的效率和更好的效果。
总的来说，在AI时代，产品经理的角色正在发生深刻的变化。他们需要具备更强的用户同理心、更快的决策能力和更广阔的视野。通过不断学习和实践，产品经理可以有效地应对新的挑战，并带领团队构建出更优秀的产品。
然而，产品经理还需要不断学习和适应新的技术和方法。例如，他们需要了解如何利用AI工具来辅助产品决策，如何设计更有效的用户反馈机制，以及如何构建更具创新性的产品。只有不断提升自己的能力，产品经理才能在AI时代保持竞争力，并为用户创造更大的价值。
产品经理在AI时代面临着前所未有的机遇和挑战。他们需要不断提升自己的能力，并与技术团队紧密合作，才能充分发挥AI的潜力，并为用户创造更大的价值。那么，未来的产品管理又将走向何方？我们拭目以待。
