AI产品经理实战指南：五大用例与三大规则

AI产品经理实战指南：五大用例与三大规则

随着AI技术的快速发展，产品经理（PM）如何有效利用AI工具提升工作效率和产出质量成为了一个重要议题。本文将为您详细介绍AI产品经理的三种类型，并重点阐述AI驱动的产品经理（AI-powered PM）如何在工作中有效利用AI工具。通过与多位产品经理的交流，总结了使用AI的三大规则、五大主要用例以及常见误区，提供了具体的实践建议和工具推荐。

AI产品经理的三种类型

当我们说“AI产品经理”（AI PM）时，到底指的是什么？实际上，AI产品经理可以分为三种类型：

1. AI-powered PM（AI驱动的产品经理）：这是每一位PM都会变成的角色，你需要使用AI来“在这个有点不公平的工作环境中逆势而上”。

2. AI PM（专职AI的产品经理）：这些人专门在OpenAI、Anthropic等公司构建核心AI产品。

3. AI feature PM（负责AI功能的产品经理）：这些PM在现有产品中加入AI功能，比如Notion的AI写作辅助，Miro的智能画布。

并不是所有PM都会成为第2或第3类的AI产品经理。但所有PM都需要成为第1类——AI-powered（AI驱动的）产品经理。这正是我们今天要讨论的重点。

正确使用AI的三大规则

关于如何使用AI，我们已经被各种信息轰炸过了。所以我想把它简化到最基础的“第一性原理”上。我把这些核心原则总结成了3条关键规则，你在使用AI时必须记住它们：

规则1——提示词（Prompt）的技巧决定一切

每个工具在提示词方面都有自己的微妙差别。但总体来说，提示词是一门需要熟练度的技能。就像每个人都以为自己开车水平高于平均水平一样，大家也往往自以为提示词写得比别人好。实际上，如果你没有系统练习过，你在提示词上的技巧可能还有很长的路要走。

例如，如果你在使用ChatGPT v1，最优的提示词结构可以参考Dan Mac提出的框架，OpenAI的总裁Greg Brockman也曾转发过这个结构：

规则2——“20-60-20”法则

在任何需要文字输出的PM工作中，你都需要先完成“前20%”的工作。原因很简单：Claude（或任何AI）都无法直接获取你作为PM的背景信息和上下文。因此，你需要先把相关的信息进行脑暴和整理，然后抛给它，就像上面提示词结构图所描述的那样。

在完成了AI生成的“中间60%”内容后，你还需要做最后的20%工作。也就是在文本中去掉AI的痕迹，并加入你独有的人性化思考以及更深的背景信息。毕竟，公司雇你来做PM，而不是单纯使用一个AI代理，这正是你的价值所在。

规则3——不断迭代，直到拿到满意的结果

几乎没有哪次AI给出的初版答案会完全符合你的需求。通常，你需要不断和AI进行迭代。你要给出非常明确且具体的反馈，确保AI能轻松吸收并执行。一般来说，在写作方面，到了第4-5稿，才会得到可用的成果。

我认识的一位顶尖PM就像对待用户研究一样对待AI，每次都进行多轮打磨。她的流程大概是：

• 第1稿：基础提示
• 第2稿：加入具体示例
• 第3稿：结合干系人的各种限制条件
• 第4-5稿：微调语气和细节

AI产品经理的五大主要用例

我们都在被各种渠道推销各种各样的AI场景应用。在我看来，以下5个用例才是真正有价值的：

用例1——PRD（产品需求文档）

还记得经典的产品经理噩梦吗？下午4点，你的VP说要在明天之前拿到一份全面的PRD，而你看着空荡荡的文档脑子一片空白。上个月，我跟了一位在FAANG工作的PM，观察他为一个新功能写规格说明书。他第一次用AI的提示词确实很精彩，但对他的具体需求却完全不适用。

后来，他总结出了一份可以称为“颠覆性框架”的大型提示词结构：

• 上下文（20%）：“你要帮助我们为一款面向B2B SaaS产品（有企业级安全要求）的功能进行范围界定……”
• 约束条件（30%）：“必须符合SOC2标准，能在离线环境下运行……”
• 示例（30%）：“这是我们上一次成功的规格说明书……”
• 输出格式（20%）：“请遵照我们标准的PRD模板进行结构化……”

他们先花20%的时间设置好上下文，然后拿到AI生成的80%完成度文档，再用30分钟对它进行“人类加持”。我试用了目前所有的LLM，感觉最强的三个依次是：

1. Claude
2. ChatPRD
3. ChatGPT

而且是这个顺序。目前Claude的表现非常强（但这种格局可能随时会变）。

用例2——战略文档（Strategy docs）

制定产品战略是PM最重要的职责之一。但很多时候，你的战略文档更多是前期调研和思考的结果，真正需要撰写的时候，用最有效的方式把想法表达出来就行。这时，Claude可以发挥极大作用。如果你提前把所有关键信息和原则都提供给它，它就能帮你写出一份论证充分的战略文档。

最有效的提示词结构是给它提供海量上下文信息，比如5-6点重点背景，确保Claude不会误解你的实际情况。类似下面这样：

在写这些上下文时，你可以考虑并添加如下要点：

• 上个季度的实验结果: [数据]
• 用户访谈洞察: [结论]
• 技术架构限制: [具体说明]
• 竞争对手动向: [分析]
• 团队产能: [详情]
• 一份被广泛认可的战略文档: [完整文档]

在AI的训练数据里，类似你所在公司内部的产品战略文档其实并不多，所以提供你们的优秀模板给它参考，会帮助它更好地理解和产出。

用例3——竞品调研

谁都遇到过这种场景：某个新的竞争对手突然出现，搅乱了市场。你知道老板肯定会第一时间找你要分析报告。Perplexity可以大大加快你获取洞察的效率。它就像一个经过强化的搜索引擎。

你可以这样用它来做竞品分析：

1. 告诉它一个新出现的竞争对手名字；
2. 让它比较该竞品的功能、定价策略以及用户口碑；
3. 让它帮你挖掘你可能忽略的最新动态。

这是一个示例报告，场景是某个Lemlist的PM想要比较Instantly。AI可能无法在所有方面替代你，但能把你本来需要3小时才能完成的竞品调研（整理思路给老板），缩短到30分钟之内。AI会做大部分“找事实”的工作，并提供更多链接供你参考，而你只需要加上自己的思考即可。

用例4——会议纪要及更新

我们有很多会议，这些会议都可以让AI来记录并生成后续行动事项。在产品评审会议结束后，通常每位PM都要花30分钟去整理要点。而如果用AI的笔记工具，这个过程90%都可以自动化。你只需要简单修改，然后发送给团队。

在试用了各类工具后，我觉得目前Otter.Ai是最适合用来自动生成会议纪要和行动项的。当然，如果你的公司已经给你付费了Zoom AI或其他同类工具，那也可以用自带的功能。关键是——记得使用！我认识一些人，他们明明有这些付费工具，却从来不用。

你也可以把会议文字记录粘贴到ChatGPT、Gemini或Claude里，让它帮你总结成一封以你口吻发给团队的会议纪要，附上关键要点和后续任务。

用例5——快速迭代原型和设计

上周，我亲眼看到一位PM从一个想法到做出可点的原型不到一个小时。他的秘密武器？使用Claude的“Artifacts”功能来生成线框图。真正的变革不仅仅在速度——还在迭代效率。当干系人需要修改时，你不用再花几小时去重做。你只需改个提示词，几分钟就能生成新的版本。实话说，第一版的设计不可能是完美的，但在早期收集反馈、验证概念时，这种速度简直是金子般宝贵。

推荐工具汇总

更多可选用例

我之前也分享过很多其他用例。但我认为，以上5个用例足以帮助你：

• 真正提升对提示词的掌控力
• 养成在工作流程中将AI引入的思维习惯

不过，这里还有更多可考虑的10个用例，我在过去的文章里提到并附上链接：

使用AI作为PM时的常见误区

我犯过所有这些错误，所以你大可不必再踩坑了。以下是每个AI产品经理都要避免的“捂脸时刻”。

误区1——用AI来“思考”，而不是写作辅助

上个月，一位创业公司产品负责人把他们的AI生成战略文档发给我看。文档结构清晰，框架完美。可里面完全没提到他们最核心的几件事。整份战略读起来就像一份2019年的麦肯锡咨询报告。文中根本没提到他们最近才做的企业客户转型，也没说明他们的自助式增长（PLG）模式是如何失败的。更尴尬的是，AI还建议他们开发一些在上一季度用户已经明确拒绝的功能。

现实是：AI在组织和表达思路方面很出色，但它并不了解你过去的三次实验为什么失败，也不知道你们CEO听到“按使用量计费”时会有多担心，以及哪些竞争对手的动作真正威胁到你们在特定市场的地位。你的职责是给AI提供上下文，引导产出，并在此基础上加入你对业务、市场和用户的深刻见解。AI应该是放大你的思考，而不是替代你的思考。

误区2——忘记去掉AI的“痕迹”

两周前，一位PM朋友发了一份要给董事会看的演示文档给我做反馈。我只看了5分钟，就发现里面充斥着“AI未校对”的典型痕迹：

• 市场规模数据还停留在2021年；
• 竞品分析中漏掉了三家已经完成并购的公司；
• 功能建议忽视了他们最核心的技术限制。

这并不是AI的错误，而是没有把AI产出当做“初稿”去加工的错误。当你让AI帮你做分析时，一定要结合当前的市场认知以及你自己的专业洞察，对结果进行完善。我每次都会给AI产出做一个快速“现实检验”：数字是否最新？行业格局是否已经变化？和我们对用户的理解是否相符？

误区3——使用过时的工具

最近在一次产品研讨会上，我看到五位PM花了45分钟在争论他们各自使用的AI工具。他们每个人都坚持自己那一款最好，但没有任何人真正去测试过过去三个月里新发布的替代工具。AI领域每周都有新东西出现。你之前围绕ChatGPT-3.5搭建好的那套流程，现在可能已经有三四种更好的选择。但核心是：你也没必要去追逐所有的新工具。你只需要建立一个快速测试框架，每个月花一个小时试试新产品，再听听其他PM的实际使用感受。重点放在解决真实问题上，而不是为了炫技或堆叠所谓的AI工具“徽章”。

通过这一年观察PM们的使用习惯，我发现想成为AI驱动的产品经理，不在于掌握多少工具，而在于分清什么时候该依赖AI，什么时候该回归你作为产品经理的经验与直觉。

结语

我认识的所有在AI领域做得得心应手的PM，最初都是在反复试错中快速成长起来的。你也可以形成自己的一套AI使用风格。记得持续尝试最新工具，不断学习。衡量自己在以上5个用例中的水平，并不断精进。你一定能做到！