最近在帮一个朋友看他的绩效反馈，他是做产品的，今年年中绩效被打了个「基本符合预期」。他跟我说他觉得挺冤的，因为他今年用AI做了很多东西，效率提升了至少三倍，PRD写得比以前快，竞品分析做得比以前全，需求文档也比以前规范。

然后我问他，那你今年做的这些东西，有几个项目是真的做对了方向的？

他沉默了一会儿。就是这个问题让我想聊聊今天这个话题，我有些不成熟的经验，不知道对大家有没有用，但已经毫无保留的分享了。

AI确实让产品人的执行效率变高了，这没什么可争议的。但有一件事我一直觉得还挺重要的，当执行成本趋近于零，你的价值到底在哪？

我的答案是，产品sense。

但我说这个不是要给你讲一个大道理。我说的产品sense很具体，具体到就是那种「这个需求值不值得做」的判断力。

你想想看，AI可以帮你写PRD，可以帮你梳理用户故事，可以帮你做竞品对比，可以帮你出原型方案。但有一件事它做不了，它判断不了这件事值不值得做。它只能在你给定的方向里把执行做得漂亮。

方向错了，执行越漂亮，浪费越大。

这话听着有点刺耳，但我自己也踩过这个坑。早几年做产品的时候，我特别擅长把一个需求文档写得很清楚，逻辑严密、格式规范、用例覆盖全面。后来回头看那些项目，不少其实方向就是歪的，只是被一份漂亮的PRD给包装得看起来很正经。

AI出来之后，这个问题被放大了，因为它能帮你把执行做得更快更漂亮，但方向判断这件事还是得你自己扛。

那产品sense到底怎么培养？我有几个自己摸出来的方法，说说看。

第一个，主动去复盘那个死掉的功能。绝大多数产品人做完功能上线就算了，看看数据，写个总结，下一个需求来了接着做。但我发现真正能沉淀判断力的时机，是那个功能死掉之后。去问自己，当时为什么决定做这个？是谁提的？我当时有没有不对劲的感觉但没说出来？

这种事后解剖，一开始会很痛。但做多了之后，你会开始识别出一些高危信号，比如需求是老板拍板的但没有用户反馈支撑，比如全是功能点描述但说不清楚用户为什么要用这个功能。这些信号以后再碰到，你的直觉会自动亮红灯。

第二个，练习「说人话版本的需求描述」。有一个很好用的小测试，把你现在在做的任何一个功能，用一句话说给一个完全不懂产品的人听，然后看他的表情。如果他能马上理解并且说「哦，有道理，我也需要这个」，基本上这个需求方向是对的。如果他一脸懵，你还得解释半天，大概率是你自己也还没想清楚用户场景。

这个方法很笨，但我用了很久。因为它逼着你从技术语言、产品语言切换到用户语言，而用户语言是检验需求是否成立的最底层的东西。

第三个，建立自己的反例库。就是专门收集那些「功能做完但没人用」的案例，行业里的、公司里的、自己的，都算。不是为了嘲笑别人，而是为了总结失败里的共同模式。

我自己的反例库里有大概十几个pattern，比如「因为技术上能做所以做了」，比如「用户说要但其实只是随口一说」，比如「数据看起来不错但核心指标根本没动」。每次做新需求之前，过一遍这些pattern，算是给自己做一个低成本的风险筛查。

当然，学这个东西是有曲线的，而且曲线不短。我自己大概花了三年才觉得判断力开始有点稳，在那之前经常有一种「我以为这是个好需求结果没人用」的沮丧，这一开始可能比不用AI的时候还难受一些，因为执行效率高了，但方向还是歪的，挫败感会更集中。

但有一件事是可以加速的，就是增加判断的频率，而不只是执行的频率。AI能帮你执行的越来越多了，空出来的那些时间，与其再去优化文档格式，不如多判断几次、多复盘几次、多跟用户聊几次。

反正我觉得，AI时代产品人最值钱的，不是你会用什么工具，而是你见过足够多「这个方向走错了」之后，能比别人早半步感觉到哪里不对。

这个东西不能压缩，只能积累，慢慢来吧。