「前言」

「介绍」

前两天我正好在深圳参加一个产品创新大会，听了很多在业界一线做产品、做设计的专家分享他们现在做的事，我发现大家也纷纷感受到了AI对他们的职业生涯可能造成的影响，大家似乎都隐隐地找到了一些解决方案，这个解决方案还挺有意思的。

所有设计师都在琢磨怎么把产品经理干掉，所有产品经理都在琢磨怎么把设计师干掉，所有技术人员都在琢磨怎么把产品和设计师干掉，运营已经被干掉了。我认为，在一个典型的科技公司中，最关键的四个岗位就是产品、设计、技术、运营。其实大家都受到了很大的冲击，但是不管怎样，我们最终的目的没有变，我们还会去做产品创新。在此，我将简要分享一些我所看到的通过 AI 实现低成本产品创新的案例。

我毕业于浙江大学，曾在阿里巴巴工作过8年，到现在已经离开阿里10年了，现在我是一个灵活就业者，最近几年算是一个个体户，那是不是超级个体呢？这是我努力的方向。我比较喜欢做一些统计和分享，目前出版了《人人都是产品经理》系列图书，还翻译过一系列与产品创新相关的书籍。

「缘起」

我之所以分享这个主题，其实是有一个缘起的，我和众多企业都交流过怎么做产品创新，但是我发现，在产品经理做产品的过程中，缺少了一种感觉，即没有时间做用户研究和需求的洞察。我认为，对于任何想要做出靠谱产品的人来说，如果不进行这些工作，那是不可行的。

我们所面临的大时代背景是怎样的呢？有两个词其实已经提出来很多年了，VUCA这个词早在九十年代就已提出，BANI则是在2016 年提出，相信通过这些，大家其实也能感受到我们现在面临的局面。在这样的局面下，你不去做一些客户洞察或者需求的探索，那你怎么能做对？

「MVP」

那到底怎样才能做对？我认为，十几年前业界就有了一个答案，即MVP的概念，刚才刘宓老师其实也提到过，最小可行的产品。我想把它展开讲一讲，以此作为一个背景，通过做MVP的过程，我们来感受一下AI到底能在哪些环节起到帮助。

那么，MVP到底是什么，不是什么？这里有两幅图片作为一个对比，大家可以给我一个简单的回应，在进行产品创新时，MVP 的做法更符合左图还是右图的模式呢？如果你要去画一个蒙娜丽莎的话，怎么选择？右图。没错，我们的观点一致。

所以这个做法的本质到底是什么？为什么我们会选右边的做法而不是左边做法？我认为有一个非常关键的点，就在于这两张图片左上角的那个小人儿，他们收到的需求是怎么样的？左图中的小人收到的需求非常明确，我就要画这个东西，这更符合人类社会过往千百年来在做产品的过程中碰到的整个局面，当时的整个社会处于供给不足的状态，只要把东西做出来，就不愁没有人要，也不愁卖不出去。

所以在那种局面下，比的就是谁的生产效率更高、谁的入口的成本更低。左边的这种做法有一个非常大的好处，就是所有的努力都不会被浪费，右边这种方法其实存在一些调整、返工的。

我们可以看到，右边那副蒙娜丽莎的手的位置是有返工的，这是一种浪费的做法，但是，为什么在今天反而更加有效？因为我们左上角的小人收到的需求是 “一幅户外女性肖像”，是模糊的需求。在今天做所有产品的时候，我们都会碰到很多问题，比如，你到底能不能定义清楚地找到目标用户？去做用户需求探索的时候，你到底能不能问出他的需求是什么？他的需求能不能收集完整？用户有各种各样的需求，做产品需要几周、几个礼拜甚至几年的时间，这些需求在做产品的过程中会不会发生变化？等等一系列这样的问题。

在当今情况下，如果采用左图的做法，看似不想浪费一点点努力，反而可能会造成最大的浪费。因此，我们采用右边的做法。

「无线游戏」

有了这个概念之后，我们再来探讨MVP到底是什么。我认为，它不仅仅是一个产出物，更是一种思维方式和过程。原本我们的产品创新模式是“想明白了就做出来了”，是个“有限游戏”，在软件工程领域，这叫“瀑布模型”，这种“有限游戏”是有始有终的。

现在，“有限游戏”变成了“无限游戏”的概念，即不断的循环，以终为始。每一次结束，当你感觉把产品做出来了，其实这是下一次迭代开始。每次做出来的产品，一方面，对外提供价值的交付，另一方面，对内是一个验证学习的工具，使得下一轮做出的产品会更加符合用户的需要，是这样一个无限循环的过程。

「归纳与演绎」

我们再进一步抽象和拔高，这个无限循环的过程为什么对于产品创新的来说这么重要？我认为，这牵扯到人类整个思想发展上的一个重要的革命性变化。众所周知，在古希腊、古罗马时期，人类在思考问题的时候总结出了两种非常有用的思维方式，一种叫做归纳，一种叫做演绎。但是人们很快就发现归纳和演绎都有非常大的局限性。

演绎的局限性在于，必须得从大家公认的知识出发推导出推论。但是本质上这种推导演绎出的都不是新知识，它是原有的公理的变形变化。所以我们说演绎最大的局限是推导出行为。

那么归纳的局限性是什么？归纳的局限性在于结论特别的脆弱。我相信大家都听过一个段子：你发现了一万甚至一亿只天鹅都是白的，然后你归纳出的结论“天下所有的天鹅都是白的”，这个时候，一只黑天鹅的出现就可以轻易打破这个可能经过几百年归纳得出的结论。所有归纳得出的结论、知识都是脆弱的。

「假说-演绎」

好在中世纪的晚期，思想家把这两种思维方式综合起来，提出了“假说-演绎”方法，即左下角这个图，先提供一个假说，然后去演绎、去推导，接着观察结果，然后决定暂时接受或是修正这个假说，由此形成一个闭环。

什么叫修正假说？当我们发现一只黑天鹅的时候，不会完全抛弃“天下所有天鹅都是白的”这个结论，第一只黑天鹅是在澳洲发现的，于是我们把这个结论修正为“天下，除了澳大利亚以外，所有的天鹅都是白的”，继续用这个假说。

有了这个概念之后，我们会发现它在很多领域都有应用。比如说，在医疗领域，进入现代科学这个阶段，它有个概念叫“诊疗循环”，去医院看病时，医生通常会说 “三天后来复查”，复查就是为了形成一个闭环；在军事领域有 “包以德循环” 的概念；在管理领域有 “PDCA” 循环；MVP的理念就是产品创新领域的假说-演绎方法。当整个产品创新的范式从原来的提出假设、到实践的一次性这种范式变成了MVP的范式，我觉得它是一次非常重大的变化。

「闭环」

我们到底是在做什么呢？小结一下，其实就是形成一个闭环。这里我借用了一些科学哲学领域的概念，首先是信息输入，可以从任务的节点开始，输入的信息可能是市场的、行业的、用户的、竞品的、自身的等等。然后提供假设：用户是谁，哪里不爽、需要什么……接着以产品为媒介去和用户互动，验证假设。再用精致证伪的方式去决定这个产品到底是需要修正假设、做一些迭代，还是整个产品方向都要转型。如此不断地进行循环。

「案例」

我们看到了AI时代的到来，那么AI到底可以在哪些环节起作用？而我们可以在哪些环节用上AI？为什么可以这么做？我认为这是基于一些机构和组织的尝试。

一方面，这两年AI的能力日新月异，另一方面，就是我做这个探索的缘起，很多公司、品牌在做产品的时候该做的事没做，甚至一些企业的产品经理和设计师很少与用户见面，闭门造车。还有一些产品经理的水平也不尽如人意。所以，与其不做，不如尝试用AI来解决问题。

所以我给大家看几个案例，第一个案例，是学术圈的尝试。

这两张照片是我在7月底的时候和一些企业一起去的新加坡南洋理工大学，这是一个跟AI有关的实验室。他们在探索怎么样用大预言模型，把整个的software软件工程给干掉。众所周知，做学术的人通常想的都比较远、比较大。

给大家简单介绍一下他们的基本思路，他们把整个软件过程中会涉及到的各个环节的专家都找来，有产品经理、设计师、研发、测试人员等等，让这些专家讨论出他们的工作流。然后以结构化知识的方式将工作流嵌入到模型中，形成刚才李佳老师说的硅基员工，让这些硅基员工来配合实现整个软件工程。

他们的愿景非常宏伟，落地方向也很有意思。假设现在有一个简单的应用，当它上线5年、10年后，背后的系统代码会变得非常复杂，谁也不敢动，被称为 “代码屎山”，这个代码牵一发而动全身，只要这个系统还能RUN，看起来不管多不合理，也不能乱改，说不定改了哪一行，整个系统就崩了。他们现在做的一个小应用就是让AI去读代码屎山，比人更有效。因为一个新员工，去读几十万行、几百万行的大型代码，很困难，但是AI可以。这是我觉得是最常见的、最宏观的一个案例。

第二个尝试是来自杭州的一家企业——网易，他们梳理了整个产品和服务的工程，在去年大模型刚出来的时候就已经开始尝试。他们分析关键环节点，研究哪个环节点能用已有的工具降本增效。这是大厂的尝试。

此外，还有一些创业者的尝试。比如几个月前的奇绩论坛，就是陆奇博士在国内做的奇绩，他们做了一个AI Native的用户研究平台，用AI作为研究工具来帮助用户理解。

其实今天已经有一个应用在很多企业里面成为常态了。比如，用户调研时，访谈回来以后有几十个小时的录音文件，这原本可能需要我们的用户研究员边听边整理文字稿，最后提炼出来。但是今天已经没有人这么做了，现在的常规模式是先语音转文字稿，然后让大语言模型基于商品的理解，直接提炼要点，这已经成为一种常规操作。

我们再看一个例子，杭州的创业团队PMAI，他们把产品经理工作当中特别小的要点提炼出来，比如说生成一个PRD，它可以生成一些非常成熟的模块。到了今天，如果你要做一个APP的话，已经没有必要琢磨怎么写登录模块的PRD，AI已经很成熟了。

我也在做一些尝试，应该是在今年年初或是去年年初，我当时做了一个User Insight Assistant的工具，试图让AI加速用户探索的过程。我认为，未来的用户洞察可能会有一种新模式。

是怎样的模式？看这两张图的对比，原先做产品的模式更像上半部分，是一个生产制造的过程，但是今天做产品的局面更像下半部分，是一个探索的过程，但这两个过程其实并不矛盾。我们可以把他结合起来，在真正的产品创新过程中，我们可以将其分为 discovery的闭环和delivery的闭环，把它们结合起来一起做。

「小结」

而今天在AI的帮助下我们可以做到什么？我把它总结成一句话，让AI帮助我们用假产品来探索真需求。什么叫假产品，比如我们为了造一辆车，我们在前面四步提供给用户的滑板车、自行车、摩托车都是假产品，但它们可以帮助我们了解真需求，AI在这个环节中可以发挥很大的作用。

点点赞

点分享

点在看