近期隨著 ChatGPT、Claude、Lovable、Figma 陸續推出各種新的 AI 功能,各公司也在思考如何將 AI 運用到日常的軟體產品開發中,同時也在思考如何為產品經理賦能,這篇會記錄在之前的工作環境中,AI 如何套用到產品工作,以及各職能發生的改變。

一、開發團隊如何導入 AI
⠀⠀
每間公司都想要透過 AI 加速開發量能,但具體要怎麼做?以下會綜合自己過往工作經驗和其他 PM 的心得,紀錄軟體產品開發的導入方式。⠀⠀
▍(一)導入 AI 的原因
導入原因每間公司都不太一樣,但主要圍繞在這幾點:
- 老闆希望用 AI 加速全部產能,由上往下宣布要將 AI 融入日常開發流程
- 老闆希望用 AI 替換特定職能,先讓部門主管進行採購
- 主管希望用 AI 提高部門績效,從中間促使組員使用 AI
- 組長希望用 AI 提高小組效率,自主將 AI 導入工作流程
- 員工希望用 AI 提高個人效率,由下往上提議要採購 AI 帳號
⠀⠀
以軟體產品公司來說,會總結兩個方向:
- 加速產能:在人數不變的情況下,透過 AI 加速產品開發量能
- 確保品質:在量能加速的情況下,透過 AI 確保產出維持品質
▍(二)如何將 AI 融合到原有產品開發模式
回到軟體產品開發的流程,原本一個功能從發想到開發完畢可能會經歷以下步驟:
- PO(Product Owner / PM / 產品經理):負責需求盤點、撰寫 PRD、User Story
- RD Lead(技術主管、資深工程師):負責技術可行性評估、技術架構設計
- UX(設計師):負責畫面呈現

而一開始大家對導入 AI 的想像,是在如何協助各職能加速原有工作流程:

但實際落實到各職能的日常工作中,到底要怎麼運用呢?誰要來主導這一切?這時通常就會拉出一個專案負責人,主導整個 AI-Driven 導入專案。
⠀⠀
▍(三)導入 AI 四階段
這陣子在和不同 PM 交流的過程中,發現導入 AI 這整件事能一步到位的公司非常少,通常都會循序漸進推動,目前聽下來比較完整的流程是:
- 第一階段:挑選團隊領頭羊
從各產品線(或各開發小組)挑選 4–5 位 Sr.PM、Sr.RD,主導整個 AI-Driven 導入計畫,包含確認推進比例、推進方式、優劣勢分析等。 - 第二階段:鼓勵使用 AI 工具
計畫啟動初期,先讓大家隨意使用,並主辦各種內訓講座,介紹各工具差異和使用案例,目標是讓大家「至少先用」。 - 第三階段:觀測 AI 使用狀況
推行一段時間後,開始逐步要求大家工作中一定要用到,並要有固定的成果報告,目標讓大家「一定要用」。 - 第四階段:開發流程導入 AI
當大家熟悉個人工作有 AI 之後,接著就可以繼續導入到團隊工作流程,目標是讓大家整體「加速工作流程」。
這四個階段通常不是一蹴可及,每一個階段都可能要花費數週到數月才能推進,這會根據公司規模而有影響。在規模小一點的公司(30 人內)可能推進就會比較快,但規模大一點的公司(百人、千人)就可能會花更久,因為要改變大家既有工作模式影響的範圍太多人,且不一定大家都願意調整。
⠀⠀
二、導入 AI 遇到的困難
⠀⠀
實際導入過程中不一定很順利,原因是「改變習慣」本身就是一件滿難的事,特別是近期 AI 加速後裁員的新聞不時會出現,因此若是由上往下,大家通常也會有疑惑「導 AI 是不是要取代誰」,因此做為整個專案的負責人,要不斷跟大家持續溝通「讓大家使用 AI 是加速工作效率,而不是公司想要換掉你」。
⠀⠀
▍(一)導入的目標是什麼
當大家逐漸接收導入 AI 計畫,但一個計劃的推進一定也會制訂目標,也會追求數字,那這個計劃要怎麼追求呢?
⠀⠀
我們先換位思考一下,對於公司管理層來說導入 AI 最終目標是優化團隊工作流程來「提高整體團隊產能」,並非只是「優化個人工作流程」,因此「有一些人在日常工作使用 AI 了」不算成功,「各團隊都已透過 AI 加速 OO% 工作時間」才算成功。
⠀⠀
因此初期不同公司可能會制定不同導入目標,像是:
- 對於工程師來說,原本沒用 AI 是 4hr,使用 AI coding 是 3hr
- 對於產品經理來說,寫 PRD 從 6hr 縮短成 3 hr
- 對於團隊產能來說,開發點數從 100 點變成 120 點
⠀⠀
但一開始數字要怎麼訂?其實也不確定,因為優化效率到底是 120% 是極限嗎?還是可以優化到 200%?( BTW,200% 某種程度也可以說是 1 個人幾乎替代 2 個人的工作),大家在導入前還無法有一個標準,只能邊導入邊觀測大家使用狀況。
▍(二)導入過程遇到的困難
因此當我們想要去全面導入時,可能就會收到各種回饋,包含:
- 部分 RD 覺得 AI Coding 沒有比較快,刻意使用 AI 反而比較慢
- 部分 PM 覺得 AI 寫 PRD 沒有比較快,反而要先輸入很多資訊給 AI
- 各組 PM 運用寫 PRD 的方式都不同,很難統合出一個共通的工作流程
- 各組開發文化習慣都不同,不一定都是正規的敏捷開發模式
⠀⠀
這些聲音會讓推行遇到一些阻礙,再往深處回推內心原因,可以摘要成:
- 推行 AI 對自己的工作沒有加速,反而降低產出,可能會導致被盯
- 推行 AI 對於工作績效沒有幫助,不會被列入 OKR 或 KPI
- 推行 AI 不會幫助加薪,為什麼要在多做這些事
- 推行 AI 會影響到自己在公司的生存地位
⠀⠀
上面這些情境會導致推行不容易,而我觀察到可以成功推動的關鍵在於:
「小量測試,快速迭代,大力分享」
⠀⠀
▍(三)漸進式導入
以我看到成功推動導入 AI 的公司,他們做了「漸進式導入過程」,以 PM 的 PRD 為例:
- 先挑 2 位 Sr.PM,制定出一份可以套用所有 PM 的公版 PRD
- 在 2 條產品線各自挑 1 個 Scrum Team 運行 1–2 個功能規劃,迭代 PRD
- 進行分享會,讓其他 PM 了解使用方式
- 再加入 3–5 個小隊再跑 1–2 個功能,再次迭代 PRD
- 再進行分享會,讓更多 PM 了解使用方式
- 用 1 季的時間全面拓展到全部的 Scrum Team
- 再進行分享會,持續交流彼此使用方式
⠀⠀
以 RD 或 QA 的話也是類似的概念,先挑少數人作為先鋒者,嘗試在工作中先使用 AI,接著透過分享會的方式交換使用方式,讓其他人先看到使用成果,接著促使更多人也願意分享和使用。
⠀⠀
三、產品經理最終如何使用 AI
⠀⠀
上面提到的是整個計畫框架,接著落實到產品經理本身還可以做哪些事?
⠀⠀
▍(一)鼓勵使用 AI 工具
回到上面提到的四個階段,產品經理在第一階段「至少先用」,可以有三種使用場景:
- 分析面:
- 用 AI 進行競品分析
- 用 AI 拆解用戶需求,分析現況功能要改動的範圍 - 規劃面:
- 用 AI 撰寫 PRD
- 用 AI 協助製作畫面初稿 HTML(Claude / Loveable)
- 用 AI 檢查 PRD 是否完整 - 業務面:
- 用 AI 產出提案簡報(Gamma)
- 用 AI 撰寫功能教學手冊(Claude / ChatGPT)
- 用 AI 產出客戶常會問的 FAQ
在這個階段因為是「鼓勵」,因此有些公司不會限制產品經理一定要用哪套工具,Grok / Gemini / Claude / ChatGPT 都可以使用,但為了讓大家都真的有在用,因此有些公司會有固定的「產品經理 AI 分享會」,透過每周的 PM 週會,讓產品經理輪流分享彼此用的狀況以及實際產出了什麼結果。
⠀⠀
▍(二)觀測 AI 使用狀況
進到第二階段「一定要用」前,這時 Product Leads 就會收斂出幾種用法,讓大家在日常工作都要使用,以我之前的工作為例,主要圍繞在兩種用法:
- 分析面
- 產品經理將原有文件匯入 NotebookLM,做成產品知識庫
- 當迭代此產品模組,就可以和 NotebookLM 互動進行快速產品盤點 - 規劃面:
- 產品經理透過 Claude 產出 PRD 和 Wireframe
至於為什麼會選擇 Claude?是因為若是要產 Wireframe 的話,Claude 的繁體中文精準度比較高。
以下圖為例,左邊是 Claude — Sonnet 4 產出的 HTML 畫面,右邊是 ChatGPT — GPT5,在文字上還是有差異。

⠀⠀
▍(三)開發流程導入 AI
第二階段運行一段時間後,接著就要正式導入到開發流程中,以產品經理的工作就是寫 PRD 和拆解 User Story,因此就能透過 AI 來進行「PRD Review」和「User Story Review」。
兩者差異在於:
- PRD Review:著重在該 PRD 的專案範圍、功能目標、時程規劃等
- User Story Review:著重在該 Story 情境、需求闡述、驗收標準等
但初期為了讓大家熟悉流程,因此對於 Review 標準也抓比較鬆,會針對一些基本原則,像是標題是否清晰、驗收標準是否明確等,同時也確保這些標準可以套用到各產品線。
⠀⠀
四、總結
⠀⠀
回到計畫一開始,AI 能否達到以下事情:
- 加速產能:在人數不變的情況下,加速產品開發量能
- 確保品質:在量能加速的情況下,確保產出維持品質
⠀⠀
在我觀察過往工作的導入狀況,以及不同公司 PM 遇到的狀況:
- 產能:先下降後上升,但對於 RD 比較能追蹤到數據,PO 仍較無明顯數據追蹤
- 品質:透過 AI 針對規劃內容分析遺漏的地方,每一個專案和功能會看更細
⠀⠀
而對於產品經理本身的 Insight 是:
- 領域專家效果不顯著:若超級熟悉特定領域,自己寫 PRD 會比描述給 AI 聽更快
- 缺少文件不好推進:前人未留下相關文件,因此 AI 給出的修改範圍就會有更多幻覺
- 中小功能不需使用:小於 1 Sprint 的功能,盤點的工比較少,自己寫 PRD 會更快
⠀⠀
整體來說產品開發產能還是有上升的,也對於工作流程有一些改善,但有些題目我還沒想到答案,先記下來之後持續思考:
- 當 PO 工作效率開始要被追求數據,該看什麼指標?
- 當 PO 工作效率真的加速到最極致了,下一階段是什麼?
- 對於 PO 的任用標準,接下來要怎麼制定 OKR / KPI?
⠀⠀
如對這系列文章有興趣可以再觀看: