AI時代的產品職能
文章指出，在AI加速軟體開發的時代，產品職能而非工程成為瓶頸。產品應專注於決策質量，而非編碼速度；實驗成本降低，但保留哪些功能代價高昂。優秀的產品團隊需精通領域、收集反饋、設計解決方案，並與工程協作。AI可輔助資訊收集，但無法替代判斷。工程師需增強產品思維，產品經理應做深度工作。
在AI時代，產品職能正經歷深刻變革。作者認為，儘管大型語言模型（LLM）使軟體交付更快，但產品工作的核心並非交付軟體，而是交付價值和解決問題。軟體僅是媒介，產品決定構建什麼及原因，工程負責實現。
如今，執行速度已不再是瓶頸，瓶頸在於產品職能每一步決策的質量和意義。公司正在摸索如何將AI投資轉化為實際生產力，但領導層容易誤以為勝利在於工程師更快寫程式碼。這僅是小部分問題，最佳化這一點是方向錯誤。領導層應清除障礙，讓產品做出更多、更好的構建決策。藉助新工具，我們可以嘗試更多，但方向正確且深思熟慮比以往更重要。沒人關注方向，走得再快也無用。
混亂體現在誰突然在寫程式碼：產品經理甚至客服人員都在提交拉取請求。這無妨，但產品的時間不應花在編碼上——每小時用於發貨的時間，都是本應用於產品唯一能做的事的時間。實驗如今廉價，原型可丟棄，但保留的部分會融入產品。雖然後續可以回滾，但使用者已採用新概念並形成習慣，因此每個步驟都會疊加，產品可能更難理解和導航。決定保留什麼而非構建什麼塑造了產品，即使構建免費，決策成本依然高昂。草率處理會讓人失去對產品方向的信任。
優秀的產品工作應如何？作者期望產品團隊能：成為所建模領域的專家，並能激發工程師的專長；大部分時間用於收集、處理、整合客戶反饋，併產出清晰無重疊的問題陳述；頭腦風暴並精心設計高層次解決方案，妥善解決最值得處理的問題；與工程合作確保領域建模良好且存在通用語言；清晰傳達計劃與發現，促成團隊對齊。
AI可加速產品工作，尤其在資訊收集和跨來源模式識別上，能提供以往難以觸及的資料。但更好的輸入不等於更好的判斷。AI能呈現資訊與聯絡，但無法決定哪些問題值得解決或產品應成為什麼。這決策本身就是工作，也是瓶頸。更便宜的程式碼也意味著工程師需要更強的產品思維，儘早參與產品開發。作者一直推崇這一點，並認可Shape Up流程。
因此，作者對工程師和產品經理提出要求：工程師應掌控所構建產品及投入時間，捍衛產品的質量與簡潔性；產品經理應確保工程師更快交付的能力服務於使用者，如今比以往更需要深度工作，而非廣度。