當前的AI，對我這種搞數據的，沒多大用

領導想廢掉一個人的6大“陽謀”：1、給你干不完的活；2、不安排重要工作；3、……開局一張圖

2026年大家好，??圖是今年的主題封面圖，大約拍攝自10年前。那會兒我還是個數據分析師，不像現在已經是個資深的數據產品經理+二把刀AI產品經理了

作為開年的第一篇，我努力安排的扎實一些，我打算從個人視角說下AI對打工人的沖擊。具體會有這么幾個層次：

1. 先做一個簡單的科普介紹，鋪墊后續內容

2. 結合過往成功項目，梳理自己的工作流程

3. 嘗試挖掘AI對自己工作流程的幫助

4. 討論AI對非資深數據產品經理的意義

5. 討論AI對職場新人的利與弊

6. 展望AI對未來職場的重構

01 一個簡單的科普介紹

作為一名資深數據產品經理，最近1年經常在網上看到各種AI狂歡，一會兒消滅這個、一會兒甩開那個，天然的生理性反感。本來不想沾邊，但恰好最近半年多也做了一個還蠻成功的toB方向的AI產品，并且在過程中多次想嘗試用AI給自己“賦能”未遂，所以想說說自己對AI賦能打工人的看法

這些看法不僅源自近期那個AI產品實踐，也源自長期以來做數據產品的實踐。如果你對數據產品還不熟悉，可以看看我寫的書《數據產品經理的自我修養》（微信讀書推薦度92.8%）；如果你很懶，那我可以幫你簡單概括下：

數據產品絕對不是只有那些數據看板、數據中臺；你可以很簡單的把它理解成就是一類特殊的toB產品，只不過它界面上很多指向性的操作/建議、更多依賴數據而非經驗

02 資深數據產品經理的工作流程

ok，在有了上面這些鋪墊介紹后，我們進入正題。我打算先梳理下自己的工作流程，看看做出一個還算成功的數據產品需要幾步，然后我再結合自己的嘗試說說AI對我的幫助有幾分

環節1：挖掘需求

這個是所有環節中最重要也最難最耗費時間的。我知道很多技術崗位看不上產品經理，其中很重要的一條就是覺得“產品經理不過是傳話筒”。有時候需求只是來自某位甲方or老板的一句話，產品經理就“拿著雞毛當令箭”。這種情況確實不少，但并不是產品經理都喜歡這么來。至少我自己，更喜歡自己從0開始挖掘需求，做自己覺得更有意思的、更有價值的事情

那么我的具體流程一般會是：（1）選擇一個合適的業務方向-->（2）在該方向下尋找合適的需求接口人-->（3）理解完整的業務流程-->（4）從中選取核心痛點-->（5）圍繞該痛點補充更多細節信息

（1）合適的業務方向一般會重點看該業務在公司的營收占比、增速，要么找存量王者、要么找潛力新秀；

（2）合適的需求接口人一般會評估對方的專業能力+熟悉配合度，專業能力強的業務方可以大大減少調研訪談的范圍、且他們往往更能一針見血指出業務痛點，要是雙方又熟悉信任、那溝通起來就更簡單高效了；

（3）理解完整的業務流程很重要，相當于是“親臨案發現場”，而不是專家說哪里痛就治哪里。當我們能代入到一線用戶的典型一天，哪里是真正的痛點往往也就一目了然了；

（4）從中選取核心痛點也不會那么一帆風順，因為痛點往往會有多個，而且看起來都挺痛的。這時候就需要自己判斷，比如先做上游還是先做下游？哪個痛點我已經有一些知識技術儲備？哪個痛點是其他團隊已經涉足的？有時候甚至需要拉個表格對比一下，才能下定決心

（5）最后可以圍繞選定的痛點再做第二輪信息收集，因為第一輪我們重點在了解全貌以便選擇，被選中痛點的很多細節都需要補充。有時候當補充了細節后，發現這個痛點遠比想象的要更難，這就導致我們還可能掉轉船頭、回到上一步重新權衡選擇痛點

環節2：離線驗證

這又是一個經常被技術同學噴的點，覺得產品經理“是個人就能做、沒技術含量，我來我也行”云云。別的產品我不知道哈，至少我經營的數據產品這一畝三分地，還真不是有個點子+畫個原型圖+找個研發就能開工的�；仡櫸覀冮_篇提到過的數據產品的簡單科普定義，它往往內涵一些計算邏輯，不是簡簡單單的定義一個指標那么簡單哈

舉個例子，你寫了篇帶貨軟文發布了，但數據效果很差，你想優化、你想進步、你想改改這篇軟文，請問如果設計一個自動化的產品功能幫你改寫軟文，它內在的邏輯是什么？你可以好好想想，這是隨便一個長著腦袋的人就能想清楚、可落地、能服眾的么？

誒就算你想出來一個自己覺得天衣無縫的思路，就能直接上線么？是不是還得先離線跑一下看看效果是不是真的ok？而且離線驗證也不是一錘子買賣，如果發現效果不好就需要隨時調整方案，以及也需要跟業務專家配合打磨、讓他們驗證

環節3：寫PRD

上面2個環節都走通后，才是寫需求文檔PRD。我自己寫PRD都是盡量把事情從宏觀到微觀、從背景到落地，用大白話說清楚。一般有些工作量的是這么幾個維度

（1）背景信息，把我們在環節1的核心信息和結論做一個簡明扼要的描述，讓大家知道為什么做這件事以及它的價值

（2）功能流程圖，通過一個全局圖講清楚這個功能在已有產品平臺中的位置、還需要跟哪些功能點做打通配合。以及這個功能點內部都有哪些流程環節，輸入輸出是什么，做到讓參與評審的人看完這個圖就能知曉宏觀概況

（3）功能細節文字描述，通過詳細的文字把每個功能點的交互、底層的數據計算邏輯都講清楚。這里就會涉及到環節2離線驗證了，數據產品經理需要講清楚界面上展示的這個信息是怎么計算出來的，適當的時候要舉例子，而不是單純就說我要個五彩斑斕的黑（btw我發現烏鴉的羽毛在陽光下就是五彩斑斕的黑誒！哈哈哈）

（4）功能交互原型圖，通過各種畫圖工具把界面的交互等畫出來，什么墨刀、Figma、Axure，誒其實我有時候自己用PPT就能畫個靜態的草稿出來往往也夠用了

環節4：評審開發

這個環節反而沒那么難搞，充其量就是研發同學從另外一個視角幫你的方案查漏補缺。但特別要留意的是一定要把PRD講清楚，因為對文字的理解是容易有出入的，在評審會上語言類比描述解釋+反復確認，才能確保開發不跑偏

環節5：運營推廣

開發上線不算完，還要運營推廣起來讓大家用起來、用的好、夸獎你。具體到實操層面就是類似打廣告一樣，在合適的時機、找合適的人、說合適的話

這里說合適的話最好操作，因為是獨立自主的，就是制作宣傳材料，以圖文為主，介紹產品功能并最好附帶一些業務使用案例

合適的時機+合適的人，就是一個人工判斷的活兒了。直接找個群群發？還是組織一場培訓分享？還是找業務內部同學讓他們自己分享種草？都是需要提前規劃設計打招呼配合的事兒

環節6：衡量價值

運營推廣后，就算群眾都說好也不行，畢竟打工是給老板看的，得有量化價值讓老板覺得好才圓滿。這個量化價值怎么測算，也是個復雜工程。很多功能不是那種一鍵操作就能帶來收益的，比如我在上游給電商的運營做了一個選品推薦功能，我能說后續只要是被我系統推薦過的商品產生的GMV都算我的功勞么？很多測算都是有些間接的、曲折的、漫長的路徑，往往需要事先找好第三方（大多是數分or商分同學）做一個客觀公允的評價報告才ok

03 AI對資深數據產品經理的幫助

捋完我的工作流程環節后，咱們拉個列表，看看到底哪些環節可以被當前的AI賦能??

我們簡單解釋下，如表格所示，在環節4和6，我實在想不出AI能干嘛，因為這都是很重溝通、且case by case的事情，只要市面上沒有公開的一模一樣的材料，AI基本無法插手；

環節5用AI基于已有的PRD去生成圖文宣傳材料，這個我理解是確定可行的，而且也能小幅提升效率的。但讓AI選擇合適的宣發時機和人，就有點強人所難了；

剩下環節123我們重點討論下。先看環節1，比較標準的量化分析選重點業務賽道方向，我覺得AI是可以的；但讓它直接從文檔里總結不同業務場景的全流程，也就是業務專家的典型一天，這個前提假設是業務同學把自己很多信息都落在文檔上，這現實么？行業內知名的文檔行為藝術表演大廠——宇宙廠似乎都到不了這個程度，所以用AI替代人來挖掘需求，我不看好。而且就算是都能落在文檔上，當不同的人文檔上寫的東西左右互搏有矛盾的時候，AI采納誰的呢？

環節2離線驗證，核心是設計數據產品內涵的策略和計算邏輯，其實等價的問題就是——AI現在能獨立完成一個初中級策略產品經理的活兒么？并且很多場景是缺乏公開參考信息的情況下，AI可以自己設計出理想的計算方案么？我持深度懷疑態度；

環節3寫PRD，如果界面交互是公開可見的、比較經典的樣式，AI可以做局部，但拼接成一個整體，需要大量人工提示。倒是原型交互圖AI可以幫一點忙，不過前提依然是它得見過類似的。說實話，還是沒有我親手畫畫圖來的快捷方便，調整修正的成本比較高

總結一下就是：AI對我這種數據產品經理而言，能做做邊角料的提效的活兒，但也不顯著。所有核心的事情，它都幫不上忙

04 AI對非資深數據產品經理的意義

說完了AI對我的“賦能”失敗，我們還可以討論下對其他人呢？比如網上我就經常看到很多AI博主說在AI的加持下，自己效率翻飛，PRD文檔都直接讓AI寫、寫的又快又好，也能直接vibe coding上線一些demo

這里我認為有一定真實成分，但要分情況來看，核心就是你的工作是否是比較典型的、公開信息可以被AI收集學習到的。打個比方，你跟AI說給我做出一個social listening的原型圖，它真的可以，因為social listening這個東西是業界很標準化的產品了，都小10年沒有什么太大變化創新了，也有很多網站可供AI學習參考。但如果你說AI你幫我設計一個方案，能把一篇帶貨廣告軟文改寫的效果更好，它真的怎么提示都不太ok。核心就是這個東西它有沒有見過、是否可模仿

所以如果你的工作內容有大量是AI見過的、可以模仿的，那它確實能幫到你特別多。這樣的工作也往往屬于很多崗位的初級階段，反正我從來沒覺得AI會讓我失業，因為注定有很多信息是無法被公開被學習到的，甚至連公司范圍內完全公開都很難做到。而且一旦要求全部公開落文檔，很多內容大家也就不會寫出來了。正常人誰天天“寫日記”等著別人看啊，對吧？～

05 AI對職場新人的利與弊

剛我提到AI對初級崗位的幫助比較大，但凡事都是雙刃劍，尤其是順著用AI寫PRD這個事情，我也想說說AI對新人的利與弊。我自己寫PRD的文字部分，從來輪不到AI幫忙，因為它在宏觀邏輯結構搭建、細節交互策略描述上，都遠遠達不到我的要求。但很多新人、尤其是實習生也在用AI，這里問題很大

如果你的基礎知識已經很牢固了，你用AI告別題海戰術、省去重復的腦力/體力勞動，我覺得很ok，它可以幫你節省時間讓你去鍛煉更高級的事情；可如果你基礎知識本身就不扎實，然后就直接用AI抄近路、避開了應有的訓練，那不就是空中樓閣么？后續更高級的任務、更復雜的問題，你就靠九年義務教育的底子去解決么？我看過AI整理出來的PRD文字稿，它依然是只能做基于通用、常見信息的邏輯梳理，在一些很專業的場景，AI的邏輯性輸出只能說是花架子，經不住細究（所以我十分懷疑網上很多AI表演藝術家博主其實主要在用AI搞C端的、市面上較為常見的、沒什么底層數據策略邏輯的功能）

我還有一個略武斷的想法：未來人與人之間思維邏輯上的能力分化會越來越大，在早期越多靠自己鍛煉打好基礎、越合理的用AI節省重復勞動的人，才有機會突破初級階段、去做更無法被AI替代的工作。但這種人的比例會更低，因為人天然就是偷懶的、追求快樂的。所以基于這種人性，AI根本不會平權，它只會更加拉大人與人之間的差距

06 展望AI對未來職場的重構

最后我冒昧的展望一下，AI確實會毫無人性的消滅大量初級崗位。但問題來了，大家都是從0-1的，如果初級崗位沒有了，難道以后要求每個人都出生自帶工作經驗么？這種結構性難題我感覺真的很難，如果放任資本操作，它肯定沒有那么多耐心去培養的

所以對很多新人而言，盡量合理的使用AI，不要因為AI而思維懶惰；對很多非新人，關注AI的發展即可，沒必要有那么多焦慮。凡事自己試過再追隨，別聽網上那些AI行為藝術家的，很多自媒體對AI的鼓吹是基于利益的、不怎么需要負責任的；而且當前AI那種基于概率的底層邏輯真的就是通往高級通用人工智能的正確之路么？我看AI前沿圈子也并未看法統一吧？再說了，我們也需要清楚這波AI宏大敘事的背景，它確實是更先進的生產力沒錯，但是否是質變我不清楚。我清楚的是，它肯定是被選中的一個大“盆”，來承接過去這幾年天量超發的美元貨幣。AI是厲害的，但它的厲害里，究竟有幾成是大喇叭加持下喊出來的，誰也說不準。噪音太多的年代，穩住、做好自己、不跟風瞎操作，就已經領先80%的“散戶”了。共勉～

來源 | 古牧聊數據

（ID：GuMu-Data-Talk）

作者 | 古牧君 ; 編輯 | 蝦餃

內容僅代表作者獨立觀點，不代表早讀課立場