吴恩达老师：就像打字机等现代书写工具的发明，虽然让写作变得更容易，但也催生了“作家文思枯竭”的现象——“写什么”反而成了瓶颈。与此类似，AI 智能体编码助手的发明，也带来了一种新的“构建者难题”——“做什么”成了项目停滞不前的关隘。我称之为“项目管理瓶颈”。

产品管理，是决定“做什么”的艺术与科学。由于高度智能化的 AI 智能体极大地加快了根据产品规格编写软件的速度，“做什么”就成了新的瓶颈，在早期项目中尤其如此。随着我合作的团队开始利用 AI 智能体编码，我越来越珍视那些具备极高用户同理心、能快速做出产品决策的产品经理（PM），这样才能让产品决策的速度跟上编码的速度。

拥有高度用户同理心的产品经理，可以凭直觉做决策，而且绝大多数时候都能做对。当新的信息涌入时，他们能不断完善自己关于用户喜好的心智模型——从而优化自己的直觉——并持续做出质量越来越高的快速决策。

我们有很多方法来获取用户反馈和其他形式的数据，以塑造我们对用户的认知。这些方法包括与少数用户交谈、组织焦点小组、进行问卷调查，以及在规模化产品上进行 A/B 测试。但是，要想以生成式 AI 的速度推动项目进展，我发现将所有这些数据来源综合融入产品经理的直觉中，能帮助我们更快地前进。

我举一个例子来说明。最近，我的团队在争论用户会更喜欢 4 个特性中的哪一个。我当时有自己的直觉，但我们谁也拿不准，于是我们调查了大约 1000 名用户。结果与我最初的想法相悖——我错了！那么，此时此刻，正确的做法是什么呢？

* 选项 1：遵循调查结果，直接去构建用户明确表示他们更喜欢的功能。
* 选项 2：详细研究调查数据，看它如何改变我对用户需求的看法。也就是说，去完善我关于用户的心智模型。然后，用我修正后的心智模型来决定该怎么做。

尽管有些人会认为选项 1 是“数据驱动”的决策方式，但我认为对大多数项目来说，这是一种次优的方法。首先，问卷调查本身可能存在缺陷。其次，每次做决策前都要花时间做调查，会导致决策效率低下。

相比之下，采用选项 2，调查结果能提供更具普适性的信息，不仅能帮助我做出这一次的决策，对未来的许多其他决策也大有裨益。它让我能将这一份数据，与所有用户访谈、过往的调查、市场报告以及观察用户使用我们产品时的行为数据结合起来，从而形成一个更全面的视角来看待如何服务用户。最终，正是这个心智模型驱动着我的产品决策。

当然，这种方法并非总是放之四海而皆准。例如，在程序化在线广告领域，AI 系统可能会尝试优化广告的点击次数。在这种场景下，一个自动化系统会并行进行海量的实验，收集用户点击或不点击的数据，其数据量之大、决策频率之高，远非产品经理的心智模型所能处理。当一个系统需要做出海量决策时，比如在无数个页面上决定展示什么广告（或推荐什么产品），依赖产品经理的审核和人类的直觉是行不通的。

但是，对于那些由团队来做少数关键决策的产品——比如优先开发哪些核心功能——我发现，利用数据来帮助构建一个优秀的用户心智模型，然后应用这个模型来快速做决策，依然是推动项目飞速进展、突破“项目管理瓶颈”的最佳方式。