The AI PM's Playbook:2025 年顶尖产品经理如何将影响力提升 10 倍 [译]

大家都听过各种各样的“AI 在产品管理中的应用”说法。让我们去伪存真,看看最实用的用例、工具以及规则,帮助你在职场提升效率,同时又不损害你的口碑。

我们反复听到关于 AI 的这句话:

“所有产品经理都需要成为 AI 产品经理。”

从我的角度看,这句话没错,但需要一些前提条件。

让我来解释。


AI 产品经理的 3 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。

今天的深度解析

我和 10 多位产品经理聊过,他们是如何在日常工作中使用 AI 的。下面是一个简洁而直击要点的指南,帮助你从“只会用 ChatGPT”到“AI 优先”的产品经理:

  1. 正确使用 AI 的 3 大规则

  2. AI 产品经理的 5 大主要用例

  3. 常见误区

1. 正确使用 AI 的 3 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

现在,让我们进入更具体的内容……


2. AI 产品经理的 5 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 来做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:

  1. 写 SQL 查询

  2. 应用一个框架

  3. 进行设计点评

  4. 草拟影响力评估(Impact Sizing)

  5. 更快回复邮件

  6. 解释某个技术话题

  7. 创建访谈大纲

  8. 编辑功能成果总结

  9. 使用 AI 分析用户反馈

  10. 使用 AI 查询用户研究资料库


3. 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!