文：王智遠 | ID:Z201440

這幾個月，參加不少會，也體驗不少新的 AI 產(chǎn)品；越看越清楚一件事：產(chǎn)品經(jīng)理的工作，要被反過來了。為什么被反過來？

01

我們今天手機里的 App、電腦上各種軟件，看起來理所當然，但它們不是天生就應該長成這樣的。之所以現(xiàn)在這鳥樣，完全被時代的技術(shù)「逼」出來的。

最早電腦能追溯到1946 年的 ENIAC

它只會等你給指令。你敲一行，它執(zhí)行一行；所以當年所有軟件，本質(zhì)上是命令行、菜單、按鈕，這些東西很無奈。

70 年代，個人電腦剛冒頭，比如：Apple I（1976）。照樣沒有界面，全是命令行，敲字，回車，執(zhí)行，電腦依舊不懂人。

真正讓軟件「看起來像軟件」的，是 1984 年的 Macintosh。

圖標、窗口、菜單，這套我們今天習以為常的交互，就是那時被發(fā)明出來的。之所以發(fā)明這個，因為電腦不理解你，只能讓你“點”給它看。

界面為了教一個不會思考的系統(tǒng)「我現(xiàn)在想干這個」。

后來到了2007 年的 iPhone，又被逼了一次；手機屏幕太小、輸入方式太弱，沒法給你搞復雜操作，只能把功能拆成一個一個 App。

于是，一個圖標等于一個場景，一個界面等于一次任務，所有產(chǎn)品都被訓練成「傻瓜式入口」。

所以，整個互聯(lián)網(wǎng)幾十年，產(chǎn)品底層邏輯只有一條：系統(tǒng)不理解你，必須設計界面，讓界面教會一個用戶怎么用，怎么點，你點了哪里、滑倒哪里，系統(tǒng)才會有意識加在內(nèi)容。

說得更直白一點：

過去產(chǎn)品長這樣，技術(shù)做不到讓軟件理解人，產(chǎn)品經(jīng)理開發(fā)，就必須設計路徑、按鈕；也正是因為這個底層邏輯，它直接把一個后果推到了所有產(chǎn)品團隊面前：產(chǎn)品會越來越臃腫。

我當年做 SaaS 時，這個感受特別明顯；最開始大家想得很簡單，我們就做一個核心能力，做一件事就夠了。

聽上去很美，是吧？

可只要產(chǎn)品一上線、客戶一進來，現(xiàn)實馬上給你一巴掌，每一家流程都不一樣，審批鏈不同，權(quán)限不同，甚至連業(yè)務邏輯都能南轅北轍。

本以為在做一個「標準化產(chǎn)品」，老板當甩手掌柜，結(jié)果十個客戶來了，你就要做十套邏輯。

定制化需求越積越多，功能越堆越厚，最后發(fā)現(xiàn)，和競爭對手做出來的東西很像，更像一個「能賣什么，就往里塞什么」的商城。

這就是舊范式的宿命。

02

為什么這套舊范式，在 AI 面前突然站不住了？這個問題的本質(zhì)在于，大語言模型出來后到底吞并了什么。

我們老說「模型很強、模型很?！梗嬲屗蔀樾挛锓N的，是它把底層一大堆「原本需要我們手工設計的東西」直接吃掉了。

以前我們做產(chǎn)品，最重的幾個活是啥？界面、流程、功能。這幾樣是「產(chǎn)品的外殼」。

界面，為了把我們的意圖翻譯給不會思考的系統(tǒng)；流程，為了把不確定的事情拆成可執(zhí)行的步驟；功能，為了把計算機能做的事情包裝成能被用戶找到的入口。

它們之所以重要，因為電腦的腦子太簡單了。你不把路徑畫清楚，它真不知道你要干嘛；說得直白點，它理解能力大概也就停在五歲以下。

但大語言模型完全不是這回事。

它能聽懂說的話，也能理解上下文；甚至知道你想干的是什么事；然后，自己想步驟、找方法，跨工具幫你把事干完。

你看，抽象吧，這是吞并；做頁面、 App 本身都能生成，這意味著，界面、流程、功能都不是必須的東西了。

所以，舊范式為什么站不?。?strong>是底層技術(shù)一換，整個產(chǎn)品世界跟著就得換一遍。

那目前技術(shù)狀態(tài)是什么呢？

簡單說，現(xiàn)在這個階段有點像「新物種剛出生，還沒長齊毛發(fā)」，但已經(jīng)能看出來它和以前完全不是一類東西了。

我們現(xiàn)在看到的產(chǎn)品，大概在走兩條路線。

一條，從底層重構(gòu)，這部分最容易被忽略。你想一下，一臺電腦剛誕生的時候，是沒有軟件的。

ENIAC 那會兒，你想讓它算點東西，得把一整面墻的電路重新插一遍；沒有界面，也沒有應用，一切從零開始。

軟件后來為什么出現(xiàn)？

本質(zhì)上是為了讓人能跟機器說話，讓機器能把東西反饋給人；如果把軟件拆到最初的形態(tài)，只有兩件事：「寫給它看」和「聽它怎么回」。

世界上最早的軟件就這兩類，寫程序的工具（匯編、文本編輯器），和輸出結(jié)果的工具（打印、顯示）。

所以，你看今天這些基礎設施產(chǎn)品，文檔、表格、操作系統(tǒng)、瀏覽器，它們本質(zhì)上還是承載「說、寫、展示」的地基。

這個地基上長內(nèi)容、長結(jié)構(gòu)、長流程、長關(guān)系，其他應用都是在這層上搭建的。

也正因為它們是最底層的東西，當 AI 有了理解能力之后，整套智能能力最先在這類基座上生長起來。

這不難理解吧？

比如，為什么 Notion、飛書表格、Office 這些東西，一加 AI 就立刻爆發(fā)？

因為它們就像當年的「文本編輯器」和「操作系統(tǒng)」，是數(shù)字世界里最原始的「寫」和「展示」的入口。

你不管寫小說、寫代碼、寫流程、寫公式，最終都要落在這塊地上；它是整個數(shù)字世界最通用、最像「土壤」的部分，只要土壤夠通用、夠底層，AI 一來就能在上面快速發(fā)芽。

所以，很多人以為 Chatbot 是新的底層，但恰恰相反。

Chatbot 是一個新的「說話界面」，它解決「怎么表達」的問題。

真正能承載結(jié)構(gòu)、內(nèi)容、關(guān)系、流程的，還是文檔、表格、網(wǎng)頁、操作系統(tǒng)這些基座；只有地基穩(wěn)固，智能能力才能在上面不斷生長。

03

另一條線，從chat bot改造開始。不知道你有沒有觀察過，為什么現(xiàn)在幾乎所有舊產(chǎn)品，都得先從 Chatbot改造開始？

原因特別現(xiàn)實，是擺在眼前的物理限制。

你看那些老的 SaaS，有贊、小鵝通，甚至更傳統(tǒng)一點的 ERP。

這些系統(tǒng)十幾年被客戶需求推著長，一層疊一層、一個功能壓一個功能。長到后來，它們自己都搞不清楚哪些是核心、哪些是補??；邏輯很大，流程很深，你不可能說一句「我們重構(gòu)一下」就把它推翻重來。

那怎么辦？

最穩(wěn)的方式，在原系統(tǒng)上加一個 Chatbot，讓它接一些「輕動作」，比如總結(jié)信息、盤數(shù)據(jù)、查庫存、梳理流程。

這不用動舊功能，也不需要推翻歷史，它就像給系統(tǒng)裝了個加速鍵，讓一些以前要點七八步的事情，一句話能搞定。

換句話說：Chatbot 是一種「不用拆原系統(tǒng)，就能繞過去」的方式。

從用戶角度看，也一樣。

大家可以接受對話，但你讓一個用了十幾年按鈕的人，突然面對一個全新的「沒有界面」的系統(tǒng)，誰都會懵。

人類的大腦被按鈕訓練了四十年，你一下子把按鈕拿走，誰都受不了。

所以，Chatbot 是什么？一種軟著陸方式；先讓用戶習慣「讓系統(tǒng)自己動起來」這件事。

從商業(yè)角度看，更不用說了；一個成熟產(chǎn)品的結(jié)構(gòu)連著收入、客戶、服務體系，你不可能因為 AI 的出現(xiàn)就把整個盤子推倒重來。

風險太高了；而 Chatbot 的好處，是它能立刻釋放 AI 的價值，但又不會傷到原來的業(yè)務骨架。

所以，Chatbot 更像一個「托臺」。

它是舊舞臺和新舞臺之間的那塊平臺，讓演員有地方站，讓燈光能先亮起來，讓觀眾先適應一下新氣氛。

等這件事做得差不多了，用戶習慣了、邏輯通了、底層結(jié)構(gòu)重新整合好了，你會看到，舊系統(tǒng)的按鈕、流程、復雜操作，會一個一個被拆掉。

這就是許多舊軟件正在經(jīng)歷的「改造期」。那未來會變成什么樣呢？我覺得最終會被新的「意圖層」替代。

什么是意圖層？它怎么工作的？我覺得最好的比喻，把它想成一個「住在你設備里的生命體」。

以前的軟件是死的。

你點它一下，它動一下；你不點，它就停在那兒，一句話都不會說；而生命體不是這樣，它一直在，你不找它，它也在那里呼吸。

就拿心理咨詢來說。

以前要預約、要排時間，一次聊一個小時。但人的情緒是碎片化的，早上被一句話刺了一下，中午突然焦慮，晚上又放松下來。

那如果心理咨詢變成一個生命體，它應該是什么樣？

后來我想明白了：你一句話，它回一句話；我下一次來，它還能接著上一句往下走；它永遠在線，不用等我難受到極限再出現(xiàn)。

這是生命體的第一層：它是持續(xù)的。

第二層，它會「感到你需要它」。我語氣不對、作息亂了、開會前明顯緊張，它會先來找你問一句：你是不是不太對勁？要我?guī)湍闾幚硪幌聠幔?/p>

你看，這就有了存在感。

再往下，它能聽懂我真正的意圖。比如我說，這個客戶不好搞，它可能會說，我們是不是要換一種溝通的思路拿下他？

這，就是意圖層。一個理解你、陪著你、能自己動、不會消失的系統(tǒng)。

你可能會覺得這像科幻，但現(xiàn)實里這種「生命體雛形」已經(jīng)長出來了。比如現(xiàn)在很多 Agent 框架，都在給系統(tǒng)裝「記憶」。

亞馬遜的 AgentCore Memory 就在做這件事，它讓代理能「理解你反復出現(xiàn)的需求」，甚至能自動幫你規(guī)劃下一步。

開源社區(qū)里也有人在做 Memora，它的目標是讓 AI 助手擁有「人類式記憶」，能把你前幾天說過的一句話、一個想法、一條任務記住，然后在你下一次需要時主動喊你。

甚至現(xiàn)在一些企業(yè)級代理，比如：以色列的 Alta，已經(jīng)能「長期陪伴一個項目」，是幾周、幾個月；它們會跟著你的團隊一起推進任務、記錄狀態(tài)、預測風險，非常像一個「團隊里的新人」，但永遠不下線。

這些技術(shù)都很早期，但方向非常清楚：軟件第一次開始從「工具」往「生命體」這個方向生長。

04

所以，如果按照生命體這種角度看，未來產(chǎn)品應該怎么樣？這個問題聽起來很大，但越往里想，越發(fā)現(xiàn)答案藏在場景里。

我們以前做產(chǎn)品，從功能反推出來的，「做個工具、放幾個按鈕、加幾個入口」；但生命體是「長在場景里」的。

所以，做產(chǎn)品可能要反問幾個問題：

人在這個時間點、這個動作里、這個狀態(tài)下，他需要什么樣動作？

比如你在開車，那這個生命體就應該是「副駕」。你一句：某某同學，我從朝陽大學城到西單怎么走？

它立刻給你三條路線，一條最快、一條不堵、一條風景好；它的存在是「我身邊的那個懂路的人」；換句話說，要先決定它在這個場景里扮演什么角色；角色對了，產(chǎn)品方向自然就準了。

角色定下來之后，第二件問題來了：我到底怎么跟它交互？是說？是寫？是靠它自己感知？

這個問題不能用舊軟件的邏輯來想了。因為以前的交互只有一種：按鈕。而生命體是關(guān)系。

有些場景適合說，比如開車、散步、做家務；有些時候適合寫，比如規(guī)劃、記錄、總結(jié)思考；有些時候它應該靠“感覺”來判斷，你語氣變了、節(jié)奏亂了、停頓變長了，它都能聽出來。

甚至有些時候，你一句都不用講，它也能覺察。比如：日程快到了、項目落后了、你狀態(tài)不對了，它來敲一下...

而當「場景」和「交互方式」都順下來了，我的下個疑問就來了，它得具備什么能力？

以前的 PM 會想，這里要不要一個功能？那里要不要一個開關(guān)？但如果你在設計一個生命體，你想的會是另一套：

它得聽懂你說話背后的意思，那要意圖理解；它得感覺你的情緒，那要選擇感知模型；它得能把事往前推，那得上推理與行動；它得記住你以前說過的事，那要長期記憶；它得知道什么時候該說話、什么時候不該吭聲，那是行為邊界....

所以，產(chǎn)品經(jīng)理在給它「裝大腦、裝神經(jīng)系統(tǒng)、裝反射弧」；至于敲代碼部分，交給AI就好了。

說到底，未來產(chǎn)品經(jīng)理，做的是設計一個“會動、會想、會陪你、會自己干活”的 Agent；你負責它的性格、它的本能、邊界、行為方式。

這才是 Agent 時代真正的產(chǎn)品。

不過，這件事不會太快，畢竟做手機上應用的平臺還沒迭代。還有，我覺得網(wǎng)頁端，大概率會先來。

比如說：像剪映、可靈、即夢、百度蒸汽機這樣的平臺，會出現(xiàn)很多，唯一不同的是，大家背后用的模型，流程編排不一樣而已。所以，未來，App或WEB的入口是什么？