AI 沒有在取代人，而是讓普通人變得多餘

前言

這兩年，大家最常討論的一個問題是：AI 會不會取代人？

但在 AI Lab（CMoney 內部 AI 應用研發團隊）這一年做了大量 AI 產品之後，我反而有一個完全不同的感覺。AI 沒有在取代人，它正在做的事情其實更殘酷一點：AI 只是讓普通人開始變得多餘，因為當 AI 可以幫忙做很多事情之後，真正的差距開始被放大。

尤其在軟體業，誰更會拆解問題、誰更理解用戶、誰更有執念把事情做好便能脫穎而出，這些能力以前可能被流程、分工、會議、文件等事情被弱化，大家還能夠假裝自己很忙。但在 AI 時代，當你還在寫文件，而隔壁的同事已經把產品做出來讓用戶使用了，產品人之間的差距只會越拉越大。

 

AI 正在瓦解產品團隊的分工

以前的產品團隊其實很像一條流水線，PM（產品經理）負責想需求、設計師畫設計、工程師寫程式，需求 → 設計 → 開發 → 上線，每個人負責一段。這種分工模式其實運作了很久很久，但我們開始發現一件事情：這種分工正在慢慢瓦解。

現在很多事情變成：PM 可以用 AI 做 Prototype 甚至是 MVP（最簡可行產品 Minimum Viable Product）、設計師可以直接用 AI 改產品邏輯、工程師也不再侷限於程式語言與平台，很多事情不再需要完整的流程，而是「誰最接近問題，誰就先動手」，產品團隊開始從「分工組織」變成「問題解決組織」。

 

AI Twin 的開發讓我們看到邊界正在消失

最近 AI Lab 做了一個產品：AI Twin。我們想做的事情其實很簡單：讓每個人都有一個 AI 分身。但要自己寫 prompt 提取知識庫，其實是一個困難且漫長的過程，所以 AI Twin 的產品定位能夠藉由你的現有資料萃取出你的價值觀、知識庫與做事邏輯。

在這個產品開發過程中，我看到一個很典型的 AI 時代合作模式。一開始，PM 先快速做出一個 MVP，然後就去找現有資料最多的客戶，例如知識型 KOL 進行洽談。

因為產品有了雛形，所以我們很快就開始有了客戶，並且這些客戶會提出實際的問題。比如 KOL 的內容都放在 Youtube，具體該怎麼提取？或是該如何更精準掌握 KOL 的發言風格，讓 AI 在調用時能精準不要有幻覺等等。

所以在開發過程中 PM 會遇到一些問題，比如產品有太多功能，不知道如讓用戶快速且清楚知道使用方法，或是遇到 Bug 時，不知道怎麼更快解決問題。

因此我們的方式是；當 PM 在介面設計碰到了能力上限時，設計就會介入，比如用 Figma 先畫好更新版本，在讓 Claude MCP 讀取 Figma 的資料，讓 AI 來參考進行優化；而當遇到工程問題時，工程師會幫忙重新審核與設計程式架構，甚至將複雜的功能做成 api ，給予用戶更穩定產品。

在這樣的過程中，我們的分工模式已經變成誰最理解問題，誰就主導專案。

 

AI Lab 開始停止用「工程師、設計師、產品經理」這種方式招募

以前產品團隊的招募方式通常是：工程師、設計師、Product Manager，但在 AI Lab，我們不再只是找某一種職位的人。我們在找的是：Product Builder。

Product Builder 是一群能讓事情發生的人

AI 時代需要什麼樣能力的人？最後我們發現，那其實是：Practical Intelligence（實踐智慧），這種能力不是：聰明、會分析、會寫文件或 Coding，而是：清楚知道要做什麼，並且真的讓它發生。

每一個好的產品要生出來，我不會說是痛苦的，但一定是複雜又麻煩的，畢竟人不是全能的，所以一定會卡關。CMoney 從 AI Lab 開始，我們開始招募一群只專注在讓事情發生的人。 

Product Builder 不只是在 build，而是解決問題

我記得有一次同事問我一個問題：Product Builder 不就是把東西 build 出來嗎？那跟工程師有什麼不同？

這個問題其實很好。如果只是 build，那確實很像工程師，但 Product Builder 的不同其實在於：你必須從現象中拆解出真正的問題、想出最好解法、調用資源、克服困難，最後讓事情發生。工程師專注於完成任務，Product Builder 專注於解決問題。

比如說，發現用戶的新下載隔日回訪率需要提升，因此 PM 想了一個隔日打卡送虛寶的功能。過去工程師在開發完功能後，他就可以功成身退，但 Product Builder 則是要把這個問題給解決掉，如果功能上線後沒有達成目標，那他必須繼續想別的辦法來解。

 

先確認用戶喜不喜歡，再談長期維運

在 AI Lab 其實有一個很簡單的原則：只要沒有不可逆風險，就先做出來，例如：不會洩露用戶資料、不會違法、不會影響其他重要產品等等，那就先做出來看看用戶到底喜不喜歡。

如果真的有人用，那時候再來思考：怎麼重構、怎麼長期維運、怎麼擴充系統。

Vibe Coding 會留下技術債？但在 PMF 之前都是假議題

最近很多人討論 Vibe Coding，比如技術債很多、架構不好、未來很難維運，這些當然都是真的。

但我在 AI Lab 待了 5 年，其中開發接手過的產品有 40 多支，但現在還有在維護的根本不到 5 支，因此我們慢慢發現一件事情：在達到 PMF（Product Market Fit）也就是被市場認可之前，好不好維護都不是最重要的問題，有沒有人用這產品才是最重要的問題。

所以我們希望 Product Builder 更專注在「當下的問題」，而不是把專注力去放在幻想未來可能發生的問題。

 

AI 並沒有讓專業消失，反而是把真正的專業放大

很多人以為 AI 會讓專業消失，但我們最近反而有一個完全相反的感覺。AI 出現之後，真正的專業反而被放大，因為當 AI 可以幫我們做很多事情之後，我們反而更需要專注在：商業、體驗、工程細節，本質上，產品競爭會不斷回到同一個核心：用戶成功，不管 AI 或任何技術怎麼變，這件事不會變。

老實說，自從 AI 可以產工具後，因為會做產品、不會做產品的人都在開發，市面上也出現了非常非常多的產品垃圾，這反而凸顯出能長久留在市面上、有一席之地的產品在商業價值、互動體驗跟技術上的優勢，因為這根本不是用 AI 就能隨意打造出來的。

所以在 AI Lab 我們的工程師不再是寫 code，而是專注架構設計、系統可靠性，並提供更多元的解法；設計師的專業不再是畫 UI，而是理解用戶、設計互動、讓產品變得直覺；產品經理的專業不再是寫 PRD，而是找到真正的問題、設計解法、讓產品有商業價值。

AI 讓很多「做事情」的成本變低，有趣的是，也同時讓真正的判斷力變得更重要。

誰真的在意用戶，誰就越有價值

回到主題，普通人專注在寫好文件、寫好 code、畫好設計稿這種「技能」上面，他們便能完美地完成任務。

我們要的 Product Builder 只專注在幫用戶解決問題，需要更理解人、更在意用戶，並願意打破規則把事情做到極致、花時間處理繁瑣的細節。

這些能力以前很難被看見，但在 AI 時代，它們開始變成最稀缺的能力。

 

結語

在 AI Lab，我們正在嘗試打造人類與 AI 共創的產品團隊。

如果你也在思考：AI 時代的產品團隊應該長什麼樣子，也許你會很喜歡我們正在做的事情。

因為未來最強的團隊，可能不是人最多的團隊，而是最懂得一起解決問題的團隊。