1. 一個讓我不安的現象
最近我觀察到一件事：越來越多的產品功能被快速推出來了，但用戶不買單。
不是做得醜，也不是做得慢。而是做出來之後，大家才發現好像根本沒有人需要這個東西。
以前這種情況比較少見，因為開發成本高，大家在動工之前會多想一下。但現在 AI 把開發速度拉高了，一個功能原型可能兩天就能跑出來，於是有些團隊就開始用「先做再說」的邏輯在跑。結果就是：產品出得更快，廢物功能也出得更快。
這不是 AI 的問題。這是判斷力的問題。
2. 大家都在說 AI 加速，但沒說清楚加速了什麼
我最近上了一堂課，老師分享了一個很有趣的觀察：AI 在產品開發上，主要加速的是「交付」這件事，也就是把你想要的東西做出來。
但它沒有加速的，是「找到對的問題」這件事。
過去 Product Delivery 的速度是瓶頸，現在這個瓶頸已經大幅改善了。現在真正的瓶頸，變成了 Discovery你有沒有辦法快速找到真正值得做的問題？
換句話說：
工具會幫你跑得更快，但它不知道你該往哪裡跑。
這個「往哪裡跑」的判斷力，就是 Product Sense。
3. Product Sense 到底是什麼？很多人搞錯了
我發現大家對 Product Sense 有個根深蒂固的誤解：以為它是一種「天賦」有些人天生就對產品有感覺，有些人就是沒有。
這個說法讓很多人放棄了提升自己，也讓很多組織不知道怎麼培養人。
但其實 Product Sense 可以被拆解，也可以被訓練。它不是一個模糊的直覺，而是幾種能力的組合：
- S — Strategy（策略與方向） 不是每個需求都值得做，你能不能在資源有限、不確定性很高的情況下，把每個決策放在正確的長期方向上？
- E — Empathy（使用者同理） 你理解的使用者痛點，是真實的嗎？還是你自己腦補出來的需求？這需要真正走進用戶的世界，理解他的痛點、動機和心理門檻。
- N — Nuance（產業與技術的深度理解） 你對這個產業的遊戲規則、潛規則和市場盲角有多了解？這個 domain knowledge 決定了你的判斷有沒有根基。
- S — Simulation（推演與系統思考） 你做決策之前，有沒有在腦子裡「跑一遍」？這個功能推出去之後，用戶會怎麼反應？競品會怎麼應對？整個系統會發生什麼變化？
- E — Evaluation（價值評估與取捨） 你能不能在資訊不完整的情況下做決策？衡量成本、價值、風險，然後選出一條路繼續走？
這五個維度合在一起，就是別人說的那個「好的產品感」。
4. 你的 Product Sense 在哪個等級？
光是說「要有好的 Strategy」，其實沒什麼用，因為大家都說自己有策略思維。
更有用的問法是：你的策略思維在哪個等級？
拿 Strategy 來說好了。在資源有限、不確定性很高的情況下，你能不能持續把產品帶往對的戰場？
L1： 被動執行，很少主動質疑「這是不是產品最重要的事」。
L2： 理解目標，但無法主導取捨；知道方向，但在多選項之間缺乏清晰的優先判斷。
L3： 能提出合理的策略選項，把問題連回目標，為團隊選出一條可行的路。
L4： 在高度不確定中，仍能多次對關鍵問題做判斷，面對複雜組織、不完整資訊，能抓住真正的問題，明確改善方向。
L5： 重新定義戰場與成功標準。不只是追隨市場，而是改變大家對產品該解決什麼問題的認知。
大多數 PM 卡在 L2 到 L3 之間。知道方向，但一遇到真正的取捨就開始拖。
5. AI 時代，Product Sense 的差距只會被放大
以前 PM 之間的差距，有一部分被執行成本平衡掉了。
方向對但速度慢的人，跟方向差但執行穩的人，最終產出可能差不多。
但現在執行速度被 AI 拉平了，剩下的差距就幾乎全部來自判斷力。
一個 Product Sense 強的 PM，可以用 AI 快速測試十個假設，找到那個真正值得深挖的方向；一個 Product Sense 弱的 PM，可以用 AI 快速把十個錯誤的方向都做出來。
速度相同，結果天差地遠。
所以我現在最常說的一句話是：AI 不會讓差的 PM 變好，它只會讓你更快看到自己的判斷力在哪個等級。
6. 那 Product Sense 要怎麼練？
先做一件事：評估你現在的狀況。
上面那五個維度Strategy、Empathy、Nuance、Simulation、Evaluation
你分別在哪個等級？有沒有特別突出的？
接著，從你最弱的那個開始練，找 2 到 3 個具體的方向：
- Empathy 不夠？ 去做用戶訪談。不是讀二手資料，是真的坐下來跟用戶聊，看他怎麼用你的產品，聽他說什麼時候覺得卡。
- Simulation 不夠？ 養成「在做決策之前先推演一遍」的習慣。在會議上提方案之前，先問自己：如果這樣做，接下來三步會發生什麼？
- Nuance 不夠？ 深挖你所在產業的遊戲規則，不只看競品功能，而是去理解他們為什麼這樣做、背後的邏輯是什麼。
重點不是每個維度都要拉滿，而是要清楚知道自己站在哪裡，然後選一個方向刻意練習。
7. 最後想說的
AI 讓「做」這件事的門檻越來越低。
以前你要會寫 code、要有設計師、要有工程師，現在很多東西你一個人就能跑出來。
這是好事，但也是挑戰。
因為「做」的門檻低了，但「做對的事」的門檻並沒有降低。
判斷力、策略思維、對用戶的真實理解這些東西 AI 沒有辦法幫你生出來。
在一個所有人都能做得很快的世界裡，你的差異化只有一個：你知道什麼值得做。
這就是為什麼我認為，AI 時代的 Product Sense，比以前任何時候都更值錢。
