別怕AI搶飯碗！真正危險的是，你還在親自處理那些低價值任務

最近”Vibe Coding”這個詞突然火了起來。

說的是程序員不用再逐行敲代碼，直接用自然語言描述你想要什么，AI 幫你生成可以跑起來的代碼。Andrej Karpathy 發了條推之后，這個詞就開始在技術圈瘋傳，然后蔓延到產品圈、運營圈，基本上互聯網從業者都開始討論這件事。

我當時看到這個詞的第一反應是——等等，那產品經理呢？

程序員可以”氛圍編程”，那 PM 是不是也可以”氛圍管產品”？在協作工具里發一句”幫我梳理本周用戶反饋的高頻痛點并生成需求草稿”，Agent 就幫你干完了——這算不算 Vibe PM？

這個問題我想了挺久，越想越覺得有意思。不是那種”AI 要來搶飯碗了快跑”的焦慮敘事，也不是”AI 只是工具 PM 永遠不可替代”的自我安慰——我想說的是，這件事比你想的更復雜，也比你想的更值得認真對待。

先把結論放在前面：Vibe PM 不是概念，是正在發生的現實。

我身邊有幾個做產品的朋友，已經在用各種 Agent 工具接管了相當一部分日常工作。不是說說而已，是真的接管了，而且效果挺好的。我把這些場景整理了一下，發現有幾類工作幾乎是天然適合被 AI 接管的。

現在怎么干？配好 Agent，設定好抓取源，每天早上自動生成一份競品動態簡報，直接推到你的消息里。你要做的只是花五分鐘掃一眼，把覺得重要的標記出來。

省了多少時間？原來每周半天，現在每天五分鐘。

這件事之所以適合 AI 接管，邏輯很簡單：規則明確，輸入結構化，評判標準客觀。Agent 做這件事比人更穩定，也更快，還不會累。

我有個做 C 端產品的朋友跟我說，她現在開完用戶訪談，當天就能出初稿，以前最快也要第二天。這不是小事，這意味著反饋循環快了將近一倍。

埋點數據跑完之后，”把這幾個核心指標的變化趨勢整理出來，標注超過 15% 的異常波動”——這種任務，Agent 做起來比人更準，也不會漏。PM 只需要關注被標注出來的異常項，不需要從頭讀數字。

會議紀要這個門檻最低，落地最快。會議錄音自動轉錄，提煉 Action Item，發送跟進提醒，現在工具已經很成熟了。我認識的一個團隊，接入自動會議紀要工具之后，跟進項的完成率明顯提升了——不是因為大家更認真了，而是因為 Agent 會定時提醒，沒有人能假裝沒看到。

說這些場景，不是為了鼓吹某類工具，而是想說明一件事：如果你還沒開始用，不是因為這些工具不夠成熟，而是因為你還沒有認真去配。

好了，上面說的那些都是 AI 能做的事。現在說說 AI 做不了的事。

這才是我真正想聊的部分。

我的核心判斷是：AI 能處理”規則明確、輸入結構化、評判標準客觀”的工作；但一旦工作需要”模糊判斷、利益協調、情境理解”，自然語言指令就會失效。

這道墻是真實存在的，而且比很多人想象的更清晰。

用戶說”不好用”，背后是什么意思

用戶反饋”這個功能不好用”。

這句話背后可能是什么？可能是交互設計有問題，點擊路徑太深；可能是他根本不需要這個功能，是被引導進來的；可能是他在拿你的產品和競品對比，競品那邊做得更順手；甚至可能是他今天心情不好，隨手打了個差評。

AI 能做什么？它能把這條反饋分類，能統計有多少條類似反饋，能把關鍵詞提煉出來。但 AI 沒辦法告訴你：這條反饋背后的真實意圖是什么，哪個解讀才是值得投資的方向。

這不是信息處理，是意義建構。

我見過一些團隊，讓 Agent 跑完用戶反饋分析之后，直接把高頻詞拿去做需求。結果就是：做了很多”用戶說想要的東西”，但沒有做”用戶真正需要的東西”。如果你問用戶想要什么，他們會說想要一匹更快的馬——AI 能幫你統計有多少人說了”馬”，但沒辦法告訴你他們真正需要的是”更快地到達目的地”。

需求優先級這件事，表面上看是個計算題：用戶價值乘以技術可行性除以開發成本，排個序就好了。

但做過產品的人都知道，這個公式只是個起點。

真正決定哪個需求先做的，是一堆在任何數據庫里都找不到的變量：老板最近在關注什么，他上周開會說了什么；研發團隊這個季度的資源是不是已經排滿了；競品上周剛發布了一個新功能，時間窗口壓力有多大；這個需求如果做了，對某個部門是利好還是利空，他們會不會在評審會上卡你。

你讓 AI 幫你排需求優先級，它能給你一個看起來很合理的結果。但這個結果是在信息嚴重殘缺的情況下算出來的，缺的那部分恰恰是最關鍵的。

這個問題我覺得是最能說明問題的。

你發現某個功能開發進度一直在拖，研發每次同步都說”在推進”，但就是沒有實質性進展。你能讓 Agent 幫你解決這個問題嗎？。

不能。

這個問題的答案可能是：這個需求的技術方案有一個坑，研發早就發現了但沒有正式提出來；可能是某個工程師覺得這個需求的價值根本不值得他花這么多時間；可能是團隊內部有一些你不知道的摩擦。

這些問題的解法，是你去找那個工程師喝杯咖啡，認真問他”你覺得這個方案哪里有問題”，然后聽他說完，然后一起想辦法。

Agent 可以幫你起草這條消息，但它沒辦法替你去喝那杯咖啡。

我覺得這個焦慮方向搞反了。

真正的風險不是 AI 搶走你的工作，而是你因為不會用 AI、繼續親自做那些低價值工作，導致你的時間成本在團隊里越來越難以被證明。

你上周花了多少時間在 AI 能做的事上？

想象兩個 PM，面對同樣的競品分析任務：

A 花了兩天自己做，做得很認真，報告寫得很漂亮。

B 花了兩個小時配好 Agent，然后每天自動收到競品動態簡報，多出來的時間用來做用戶訪談和戰略推演。

兩年后，誰的判斷力更強？誰對團隊的價值更難被替代？

這個答案我覺得不需要我來說。

但我想說一個更深的東西：AI 的出現，實際上是在”強制放大”每個 PM 的決策質量。

現在，執行層全部被 AI 承包了。你的時間被解放出來了，但同時，你的決策質量也被赤裸裸地暴露出來了——你用這些時間做了什么判斷，這些判斷對不對，結果好不好，現在沒有任何遮掩。

對優秀的 PM 來說，這是利好。對平庸的 PM 來說，這是加速淘汰。

這不是我在嚇人，這是正在發生的事。

我有一個很簡單的分類方法：把你每周的工作列出來，對每一項問一個問題——”這件事需要我帶著業務背景和人際判斷才能做嗎？”

如果答案是否，就是 AI 的活；如果答案是是，就是你的活。

聽起來簡單，但真正執行的時候很多人會發現，他們花了大量時間在”答案是否”的事情上。

先把這四件事配好

競品監控、數據報告、會議紀要、需求初稿——這四類工作，是最容易配置、落地最快、效果最明顯的。

目標是把這四類工作的時間占比降到接近零。

具體第一步：這周選一件事，花半天時間認真配一個 Agent。不要想著一次全部搞定，先把一件事做順，你會發現比你想象的簡單很多。

每周至少留出兩個整塊時間做用戶訪談或深度思考。不是半小時，是整塊的時間，兩小時起步。

原因很簡單：你的判斷力來自于你對用戶、對業務、對市場的真實感知。這種感知不是看報告能得來的，是在真實的用戶對話里、在認真思考一個問題的過程中積累起來的。

一旦這個時間被碎片化任務擠掉，你的判斷力會快速退化。我見過一些做了好幾年產品的 PM，判斷力越來越差，不是因為他們不努力，而是因為他們把所有時間都花在了執行層，很久沒有認真和用戶說過話了。

學會寫”高質量的指令”

這一點很多人忽略了。

Vibe PM 的核心技能不是會用工具，而是能把模糊的業務意圖轉化成清晰的 Agent 指令。

你讓 Agent”幫我分析用戶反饋”，和你讓 Agent”分析最近兩周應用商店的一星評論，按照功能模塊分類，標注每個模塊的高頻關鍵詞，并標注其中有明確改進建議的條目”——這兩個指令得到的結果，差距是巨大的。

能寫出第二種指令的人，其實是在把自己的業務理解和分析框架顯性化。這個能力，恰恰是 PM 本來就應該具備的東西。

所以學寫好指令，不只是在學用 AI，是在鍛煉自己的思維。

具體第一步：下次你讓 Agent 做一件事之前，先在紙上把你真正想要的結果寫清楚，寫到你自己覺得”如果我是 Agent，我能根據這段描述準確執行”的程度，再發出去。

Vibe PM 是真實的，但它只解放了你的雙手，沒有解放你的大腦。

雙手的工作，交給 AI。大腦的工作，那是你真正的護城河，也是這個職業最后留下來的東西。

你今天用 AI 省下來的時間，用來做了什么？