即刻App年轻人的同好社区
下载
App内打开
刘勿锋
169关注3k被关注6夸夸
🐬AI产品 | TextIn产品负责人
🐠现实世界观察员
✨分享AI、产品、商业、职场、经营的一手经验
VX: Tristone_L
刘勿锋
08:03
为什么一些明显更好的产品体验,别人就是不做?为什么有些产品决策,看着就像是老板在拍脑袋?

1.
我之前一直骑青桔单车。

但偶尔下车以后忘了关锁,订单就一直在计费。等过了很久突然收到青桔的短信才想起来,再打开 App,一看又多扣了不少钱。

这种事碰到过好几次,每次都很恼火。

后来碰巧小区门口哈啰的车比较多,我就换成了哈啰。

结果有一次,我又忘了关锁。

过了大概半个小时,手机突然收到一条短信。我第一反应是:完了,又来提醒我订单还在计费了。

仔细一看,却发现不是。

它告诉我,车辆已经长时间没有移动,订单已经自动结束。

那一下还挺惊喜的。

后来又碰到过几次,我才发现这不是偶然。相比青桔有时候一个小时甚至更久还在继续计费,哈啰会更早介入。

我的第一反应是:哈啰这个体验做得真好。

但紧接着就觉得奇怪。

用户忘记关锁又不是什么冷门问题,技术上看也没多难。青桔做共享单车这么多年,不可能不知道。

那为什么两家的处理方式会一直不一样?

于是我顺手查了下去。

2.
如果只是从产品角度看,这个问题其实并不复杂。

首先,用户痛点应该是明确存在的。

共享单车本来就是一个低注意力场景。赶时间、拿东西、接电话,所以下车以后忘记关锁并不是什么特别少见的情况。

至少站在我自己的体验里,人都已经走了,订单还在继续计费,我自然会觉得平台在占便宜。

其次,技术实现看起来也没有特别高的门槛。

判断车辆有没有移动,设置一个时间阈值,到时间自动结束订单,这些能力共享单车平台本来就具备,至少不像是需要重做整个系统才能支持的事情。

那剩下的问题,可能就变成了一个产品取舍:自动结束订单到底应该多激进?

如果时间设置太短,可能会误伤一些真实用户。比如有人只是临时停下来买东西,或者进商场办事,回来发现订单已经结束,又要重新找车。

但如果时间设置太长,又会出现我之前遇到的问题:用户明明已经走了,订单却还在继续扣钱。

后来我注意到,哈啰其实还有一个额外设计:临时锁车。

用户如果只是临时停一下,还想继续骑,可以先把车锁住,回来再继续用。

这样一来,平台其实多了一层信号:真只是临时停一下的人,会主动点临时锁车;没有任何操作、车辆又长时间没有移动,更可能是真的忘记关锁。

到这里,我感觉已经把这个问题想得差不多了。

用户有这个痛点,技术也不是障碍,哈啰通过临时锁车解决了误伤问题,所以敢更早结束订单。

但再想一步,又觉得哪里不太对。

这又不像是哪家产品经理漏掉了一个需求,青桔和美团都做了这么多年共享单车,用户会忘记关锁,这个问题他们不可能没看到。

如果需求存在,技术也不是障碍,那为什么不同平台会长期选择不同的处理方式?

难道只是产品理念不同?

这个解释,好像还不够。

3.
然后,我开始算账。

现在很多城市骑一次共享单车,差不多是 2元 60 分钟。

假设我先骑 10 分钟,去店里买东西 20 分钟,再骑 10 分钟。哈啰支持临时锁车,这一整段加起来 40 分钟,还是只收 2元。

但如果不支持临时锁车,我第一次骑完就得结束订单。等买完东西出来,再扫一辆,又是2元。

同样一次出门,一边是一单2块钱,一边是4块钱。

而且我锁车的那 20 分钟里,这辆车别人也骑不了,也接不了下一单。

我之前看报道,共享单车还有一个很重要的运营指标叫周转率。简单说,就是一辆车一天能被骑多少次。

所以临时锁车不只是影响眼前能赚几单,有些城市还会根据车辆利用、周转这些经营表现,决定下一阶段某家平台能投多少车。

把这几件事放一起看,就更困惑了。

从赚钱看,最好是我骑完就结束,回来再开一单。

从车辆利用看,也是最好我不用了就赶紧还回去,让下一位用户接着骑。

甚至从后面还能投多少车来看,让一辆车尽快流动起来,好像也更划算。

那不支持临时锁车,反而才是最顺理成章的选择。

而且这不是一家创业公司的试验功能,而是在共享单车已经充分竞争以后,哈啰长期保留下来的选择。

所以一开始的问题可能问反了。

真正的问题不是:为什么美团和青桔不做?

而是:哈啰为什么偏偏要做?

4.
于是我又回头去看,这个功能到底是什么时候出现的。

哈啰的临时锁车并不是最近才有的功能,它至少在 2020 年左右就出现了。

当时很多城市还是按 30 分钟一档来收费。比如骑一次 1.5 元,超过 30 分钟再加 1.5 元。

还是刚才那个场景:骑 10 分钟,停下来买东西 20 分钟,再骑 10 分钟。

如果一直临时锁车,整段一共 40 分钟,大概是 3 块钱。

但如果中间结束订单,出来以后重新扫一辆,两段分别都不到 30 分钟,也是 1.5 1.5,还是 3 块钱。

也就是说,放在当时的计费方式下,临时锁车虽然会占着一辆车,但平台未必会因此少收一整单的钱。

今天看起来,它像是在牺牲收入换体验。但放回 2020 年,这笔账的成本可能没那么高。所以不能拿今天的商业模型解释当年的产品选择

这么一来,哈啰当年为什么做,反而不难解释了。

新的问题是:既然这件事当年对哈啰是合理的,为什么其他平台后来这么多年都没有跟进?

再往下看,我才意识到自己一直默认了一个前提:三家公司看起来都在做共享单车,所以天然就应该是在解同一道题。

但真去看当年的三家公司,它们各自要解决的问题其实不太一样。

摩拜最早更聚焦一二线城市的通勤和接驳;青桔背后是滴滴,要放进整个出行生态里看;哈啰早期则大量从二三线和下沉城市切进去。

那同一个功能,放在三家公司手里,本来就可能是三笔完全不同的账。

对于高频通勤场景来说,用户骑完以后快速释放车辆,提高周转,可能更加重要。

但对于生活半径内的出行来说,用户骑一段路,临时去买东西、办事,再继续骑,“这辆车还能留给我”本身可能就是体验的一部分。

所以很多时候,产品竞争并不是谁先发现了一个好功能,而是不同公司在不同阶段,优化的是不同的问题。

以前做产品,看到公司做出一个自己不理解的选择,很容易觉得:是不是老板不懂用户?是不是战略方向拍脑袋?

但现在会发现,很多时候不是谁更懂产品的问题,可能只是双方看的目标不同。

产品经理习惯问:这个功能对用户有没有价值?

而老板或经营者还要继续问:这个价值,放在当前公司的目标、资源和约束里,值不值得拿别的东西来换?

5.
其实查到最后,我也没有得到一个百分之百确定的答案。

但这个问题给我的启发反而不是共享单车的某个功能怎么做。

以前做产品的时候,我很容易只站在用户视角评价一个方案:体验是不是更好,需求是不是存在,功能是不是值得做。

但后来发现,这种判断方式有一个局限:它默认每个问题都有一个最优答案,看到别人做得好,就觉得应该复制。

真正开始看业务以后,才体会到很多问题根本不是单纯比较哪个方案更好。

一个选择背后,往往对应的是一整套目标、资源和约束。同一个功能,放在不同公司、不同阶段、不同用户群里,完全可能是不同的答案。

产品经理从执行走向经营,一个很重要的变化,就是不再只会判断哪个方案更好,而开始理解:为什么一个看起来没那么好的选择,放到具体的生意里反而可能更合理。
20
刘勿锋
3天前
今年初为人父之后,脑子里一直在回想一个为人父母资格的问题。

我们这一代人已经很少认同“我生你养你,所以你就该听我的”那套传统父母观了。

但当前版本又流行起另一种说法:没有经过孩子同意,就擅自把一个生命带到世界上,本身就是父母的不负责任。

乍一听,这话很有道理。

孩子确实没有选择出生。生孩子也是父母自己的决定。既然决定了,就应该承担责任。

先不说一个未出生的人没有同意或拒绝的物理条件,即使是要负责,可到底负责到哪里?

如果只是说,父母应该让孩子吃饱穿暖,接受基本教育,不被虐待,有一个相对安全、有爱的成长环境,这很合理。

可今天很多人嘴里的“给不了好的生活就别生”,显然已经不止这些了。

没有学区房,别生。

不能给孩子准备首付,别生。

不能让孩子上好学校,别生。

孩子以后还要挤地铁、加班、还房贷,别生。

如果生下来以后还是个普通打工人,每天做着并不喜欢的工作,那把他带到这个世界上干什么?

问题到这里已经很不一样了。

原本对父母的要求是:给孩子一个基本值得生活的起点。

慢慢变成了:父母必须替孩子提前赢下整个社会竞争,否则生育本身就是不负责任。

那是不是意味着,以后夫妻准备生孩子之前,先去做一轮资格审核。

家庭年收入30万,一线城市普通水平,风险较高。

只有一套自住房,没有多余房产给下一代,扣分。

父母都是普通职员,没企业、没人脉、没有什么资源可以继承,再扣分。

未来不能保证孩子进重点学校,不能保证毕业以后找到喜欢的工作,也不能保证他35岁之前买得起房,继续扣分。

最终审核结果:不建议生育。

隔壁一家呢?

五套房,家里有公司,孩子出生就有信托基金,留学、买房、创业失败全部有人兜底。

恭喜。你们很有资格创造生命。

如果我们真的接受“只有能给孩子足够好的人生才应该生”这套标准,最后会发生一件很荒诞的事:富人的生育越来越天然正当,普通人的生育却越来越需要自证。

有人可能会说,这有什么奇怪的?

以前旧社会也不是所有人都能娶老婆。穷人打光棍,富人三妻四妾,本来就是社会竞争的结果。没资源的人少生,有什么不合理?

但这里偷换了一个非常重要的概念。

比如旧社会穷人读不起书,并不能证明:穷人天生就不应该受教育。

过去女人没有财产权,也不能证明:女人本来就不应该拥有财产。

过去底层人的孩子大量夭折,也不能证明:底层孩子本来就没有活下来的资格。

一个不平等社会制造出来的结果,不能反过来成为证明这种不平等合理的证据。

有人因为贫穷失去了成家的机会,这是一种社会事实。

但“穷人本来就不应该有孩子”,却是一个价值判断。

这是两件事。

更有意思的是,“没能力就别生”听起来明明是在替孩子说话,最后却很容易变成一套极其方便的阶层免责话语,也把真正的阶级矛盾掩盖了。

房子太贵怎么办?

你别生。

教育太卷怎么办?

你别生。

工作时间太长,收入增长太慢,一个普通家庭越来越难养孩子怎么办?

还是你别生。

于是原本的问题是:为什么一个正常劳动、正常生活的普通家庭,越来越难承担下一代的养育成本?

最后被改写成了:你这么穷,为什么还要生孩子?

至于为什么房价这么高,谁拿走了更多利益;为什么教育这么卷,能否改善;为什么工作这么难找,怎么解决分配问题等等,全都不用讨论了。

最极端的时候,它甚至已经不是在想办法减少穷人的痛苦,而是在说:既然改变不了贫穷,那就减少穷人的下一代。

甚至,真正推到底,本质上是在给人的生命价值分级。

有钱人的孩子值得来到世界,普通人的孩子需要谨慎评估,而穷人的孩子最好别来。

这套逻辑,仍然是把旧社会的阶级压迫和贫富差距换成了道德差距。

富人只是比你有钱,慢慢却变成了比你更有资格做父母,以及,更有资格成为人。

他们生孩子,是给孩子幸福。普通人生孩子,却像是在制造受害者。

但究竟是什么时候开始,“普通”被定义成“不幸”的呢?

一个人长大以后需要工作,会为钱发愁,会经历竞争,会失恋,会受委屈,会在一些时候觉得生活很累。

所以这样的人生就不值得开始了吗?

那如果只有有钱、有爱、自由、漂亮、健康、事业顺利,最好还不用做讨厌的工作,才叫“值得出生的人生”,那人类历史上绝大多数人的出生,岂不都成了一场伦理错误?

一个普通人会遇到很多痛苦。

但他也会吃到喜欢的东西,会遇到朋友,会爱人,也会被人爱,会做成一些自己在意的事,会在某个天气很好的下午,突然觉得活着也还不错。

人生存在痛苦,不等于人生本身就是一种伤害。

传统孝道里那套“我生你养你,所以你一辈子欠我”,当然早已过时。

在现代人看来,孩子没有请求父母把自己生下来。所以父母自己决定生育,就应该承担养育一个孩子的责任,而不能等他成年以后拿着账本要求连本带息地偿还。

但从“孩子不欠父母一条命”,也不能一下跳到另一个极端:父母欠孩子一个完美人生。

父母有责任养育孩子,但没有责任替孩子赢下整个社会竞争。

父母可以尽力给孩子教育,却不能保证他考上最好的学校。

可以帮助他形成谋生能力,却不能保证他一辈子都做喜欢的工作。

可以给他一个安全、有爱的家庭,却不能保证他以后永远不失恋、不受挫、不被裁员、不遇到一个糟糕的经济周期。

因为责任必须和一个人真正能够控制的事情相匹配。

更重要的是,一个人成长,本来就是一次又一次的责任转移。

婴儿刚出生的时候,他没有任何选择能力。父母拥有几乎全部决定权,所以也理应承担几乎全部责任。

但等孩子慢慢长大,选择权应该一点点交还给他。

读什么专业,是你的人生;和谁谈恋爱,是你的人生:选择什么工作,怎么花钱,去哪个城市,也是你的人生。

那么这些事情带来的后果,也不能永远留在父母那里。

不然就会出现一个很奇怪的成年人:

我的专业你不能决定,因为这是我的人生。

我的对象你不能决定,因为这是我的人生。

我的工作你不能决定,因为这是我的人生。

但如果我的人生过得不好,就是你当初把我生下来的责任。

这四句话不可能同时成立。

因为一个现代人不能只要求获得越来越多的自主权,却拒绝接过自主权附带的责任。

如果要给“为人父母”更新一个当前版本,我现在更愿意这样理解:,不是从“孩子欠父母”升级成“父母欠孩子”,而是彻底换掉“谁欠谁”这套亲子关系。父母不是孩子一辈子的债主,但也不是孩子一辈子的债务人。

父母真正的责任,是因为自己主动把一个无法选择出生、也无法独立生存的人带到了这个世界,所以在他最弱小的时候保护他,给他基本的爱、教育和发展条件,再慢慢帮助他形成独立生活的能力。

然后有一天,把选择权和责任一起交还给他。

一个好的父母,不需要因为没把孩子生成富二代,就觉得自己欠了他一辈子。

普通人的生活,也不是一种需要向孩子道歉的人生。

父母真正要做的,不是保证孩子一出生就拿到一副王炸,而是在自己能力范围内,尽可能给他一副能上桌的牌,再教会他以后怎么自己打。

直到有一天,告诉那个当初完全依赖自己的生命:这以后,是你的人生了。
3426
刘勿锋
7天前
AI 能让一个人做十个人的事,但能让一个人判断十个人的事吗?更进一步,能让人判断一个以前根本不懂的事吗?

最近越来越多人在聊“一人公司”和“超级个体”。

代码不会写,可以让 AI 写。
设计不会做,可以让 AI 画。
营销、客服、财务、法务,也都可以交给 AI Agent。

看起来,一个人第一次真的可以覆盖过去一个团队才能做的事情。

但实践之后应该很容易就发现:

如果我根本不懂法律,AI 给我写了一份合同,我怎么知道它到底能不能签?

如果我不懂技术,AI 帮我搭了一套系统,我怎么知道它只是“跑起来了”,还是架构本身就有问题?

如果我不懂营销,AI 一天能生成 100 条内容,我又凭什么知道哪条值得发、应该打什么人、什么结果才算有效?

AI 可以让一个人跨过很多专业的执行门槛。

但一个人的认知和判断边界,也会跟着一起扩大吗?

如果不会,那所谓“一人公司”的真正边界到底在哪里?
31
刘勿锋
8天前
这两年,很多人或多或少应该都动过做自媒体的念头。

做抖音也好,小红书也好,哪怕最后没真正开始,大概也听过一套很熟悉的说法:不要凭感觉发。要多测试、多复盘、多迭代,慢慢找到什么内容能跑出来。

听起来很科学。

但只要真的发过几次,很快就会碰到一个问题:到底怎么迭代,怎么测?

同一篇内容,今天发和下周发,平台给的流量不一样,刷到的人不一样,热点不一样,甚至账号本身都已经变了。

比如一篇文章,上次发只有 10 个赞;我重新改了一遍,这次发出去拿了 100 个赞。

那是我真的改对了,还是这次平台刚好多推了一点?

如果每次实验条件都不一样,我们天天挂在嘴边的“测试、迭代、总结规律”,到底靠不靠谱?

我最近才慢慢想通:真实世界很难重复实验条件,但我们可以重复检验一个规律是否成立。

比如我发现,开头先讲一大段道理,大家很容易划走;先把一个具体冲突画面摆出来,人更愿意继续看。

前段时间我写 AI,新人用 Codex 改了 3000 行还没跑通,Leader 重新看,只需要改 300 行。

这个具体冲突,明显就比先讲“AI 不会抹平经验差距”有力得多,那篇的互动数据也确实明显更好。

但一篇成立不算什么。

下一篇换成职场,我也这么改。再换成商业、教育、个人成长,我还这么改。

一篇中了,可能是运气。两篇中了,也可能是巧合。

但如果换了题材、换了时间、换了受众,连续很多次都出现类似结果,这个判断就越来越值得相信。

这里有个以前我完全没想通的地方:恰恰因为环境一直在变,所以如果同一个规律还反复成立,那么“只是偶然撞中一次”这个解释,就会越来越站不住脚。

后来我才意识到,为什么这个弯这么难转。

我们从中学第一次学“实验”,老师讲的就是控制变量:其他条件尽量一样,只改变一个因素,然后重复实验。

小球、斜面、电路当然可以这么干。东西可以重新摆,实验可以从头再来。

但现实不会为了让你验证一个判断,把自己冻结下来。

并且不只是做内容,求职、投资、创业、管理,甚至很多人生选择都是这样。

你永远没法让现实回到原点,再换一个选项重来一次。

同一场面试,你不可能让面试双方都忘掉刚才发生过什么,再换一种问法从头来一次。

同一个产品上线了,也不可能让用户、市场、竞争对手全部倒退一个月,再陪你测另一个版本。

一笔投资做完,更不可能把当天的市场情绪重新复制回来。

我们真正需要解决的,是怎么在一个不可重复的世界里,依然一点点判断自己对现实的理解靠不靠谱。

所以真正的问题,不是“怎么把上一次实验再复制一遍”。

而是:如果这个规律是真的,换一个时间,换一个环境,换一批人,它是否还能成立?
24
刘勿锋
9天前
很多人工作十年了,还在等这个世界给自己发成绩单

我很长时间也有一个执念:要再优秀一点。

能力再强一点,书再多看一点,表达再好一点。

想做一件事,会觉得自己还没准备好。

想认识一个厉害的人,会想,等我再做出点成绩。

做出了东西,也不太好意思讲。总觉得真正好的东西,别人自然会看见。

工作几年以后,还会时不时焦虑:今年是不是该再学点什么?比如英语、财务、CPA、法考、建造师。

好像人生是一张还没填满的卷子,每隔一阵子,就得再往上多写一道题。

后来我才意识到,我们从小最熟悉的,其实不是如何得到自己想要的东西。

而是如何成为一个优秀的被选择者。

读书的时候,这套规则尤其清楚,努力学习,考试,然后拿高分。

只要一直做对题,总有人给你排名,给你奖状,给你下一个更好学校的offer。

于是很容易产生一种幻觉:只要我把自己打磨得越来越漂亮,世界迟早会发现我。

可工作以后,根本没有这张成绩单。

没人知道你偷偷努力了多久,没人知道你觉得自己已经进步了多少。

机会也不会按照某种能力排序,从第一名开始依次发放。

世界能看见的,往往只有很具体的东西:你做成过什么,谁跟你合作过,谁愿意再次相信你。

学习,其实有时候是成年人最安全的一种逃避。

学习不会拒绝你,考证也不会拒绝你。

只有真的出去要东西,才会被拒绝。

发出去,没人看;产品做出来,没人买;消息发过去,没人回。

那才是成年人真正的成绩单。

我以前觉得,人要先变得足够优秀,才配去争取更大的东西。

但其实,更现实的顺序是:先去做,先去碰,先被现实打回来;缺什么,再学什么。

做成一点,再拿这一点去换下一次机会。

很多人工作十年了,其实还在等。

等老板发现自己。

等公司给机会。

等有人邀请。

等自己终于“准备好了”。

好像人生尽头站着一个老师,翻完我们厚厚的档案,终于点点头:可以了,你毕业了。

但成年以后,没有毕业典礼。

也没有人会来给你发成绩单。

真正的成熟,可能只是有一天,你终于不再等着被选中了,而是开始像经营一家公司一样经营自己。

先拿到一个小机会,做成。再拿这个结果,去换下一个机会。如此往复,形成复利。

一开始手里什么都没有。

但很多年以后再回头,才发现自己已经有很多东西可以下注了。
2149
刘勿锋
10天前
每年 11 月,公司都会突然表现出一种惊人的远见。

明年 3 月做什么,6 月做什么,甚至 10 月上线什么,都能安排得明明白白。

Q1、Q2、Q3、Q4。

重点项目、Owner、时间节点、里程碑,一个不少。

大家开五轮会,改八版 PPT。

最后老板点头:“不错,明年就按这个来。”

然后元旦一过,现实开始上班了。

1 月,大客户突然要个东西。

插队。

2 月,竞品发布新品。

战略调整。

3 月,老板出去参加一场行业峰会,回来以后说:
“我有个新的思考。”

全体 Roadmap 继续调整。

到了 4 月再打开年初那张表,原来的 P0 不做了,Q2 提前到 Q1,Q1 延期到 Q3。

两个项目已经没人知道为什么存在,还有三个现在最重要的事情,去年规划的时候根本没人听说过。

半年复盘的时候,大家对着文档开始考古:

“这个是谁提的?”

“不记得了。”

“为什么当时是 P0?”

“应该有它的历史背景。”

“还做吗?”

“神经病,现在谁还做这个。”

然后大家默默把文档关掉。

时间来到 11 月,老板在群里发消息:“大家提前想一下,明年的年度规划要开始做了。”

回头,一年下来,整张 Roadmap 唯一被严格执行的事项,就是年底按时做下一年的 Roadmap。
3233
刘勿锋
11天前
优先级打分,有时候真的很像一种行为艺术。

产品经理培训课都会教:需求很多、资源有限,不能靠拍脑袋,要用 ICE、RICE、KANO之类的方法科学排序。

听起来很合理,直到真的开始打分。

比如ICE模型(impact, confidence, ease),十几个需求摊在 Excel 里,然后大家开始讨论:

“这个 Impact 几分?”

“8 分吧。”

“8 太高了,最多 6。”

“但客户挺想要的。”

“那 7分?”

“行。”

“Confidence 呢?”

“70%”

“为什么不是 60%?”

“感觉 70% 比较合适,研发说要两周,产品觉得一周能做完,Ease 最后也取个中间值。”

十几个需求终于打完。

Excel 开始计算:72.4、68.7、63.9……

大家盯着第一名看了一会儿。

“这个怎么排第一了?感觉不太对。”

于是把其中一个 8 调成 7,70% 调成 60%。

重新计算。

终于,大家原本觉得最该做的那个需求,成功排到了第一。

会议结束,表格保存。

文件名: 《需求优先级科学评估模型_v3_最终版.xlsx》

至于这到底是在用模型做决定,还是在调模型证明自己本来就想做的决定——

没人再问。
51
刘勿锋
12天前
去年团队扩张,我花了差不多半年,终于招到一个和我能力水平差不多的 PM。

当时很期待。

以前带的更多是新人,我要自己想方向、拆问题、定方案,再把任务分下去。好不容易来了一个成熟的人,我想的是:这下终于有人可以独立负责一摊事情了。

结果两个月以后,人就走了。

当时我很受挫。因为我发现,我好像根本管不住高职级的人。

他和我一样,很有自己的想法。经常看到一个问题,很快就一路推演到一个巨大的产品方向,然后做竞品分析、写方案、画原型,把未来整个产品应该长什么样都想得很完整。

加入一个月的时候,他针对我们的业务现状,提出了一个宏大的方向。但真要做下去,大概要投入三到六个月研发。

我本能地觉得这个事太重了。故事讲得通,但不一定值得为这样一个判断,一上来直接押三到六个月。

可我只能感觉到“不对”,说不清到底哪里不对。

于是两个人就在会议室里翻来覆去讨论。

他讲为什么值得做,我讲为什么风险太大。他有一套逻辑,我也有一套逻辑。

讨论半天,除了双方都更确信自己是对的,没有任何新东西出现。

搞了几次以后,我退回了自己最熟悉的管理方式:既然放开了管不住,那就把事情拆细一点。

不再给一个大问题,只给明确任务。这周调研什么,下周出什么方案,这个需求做到哪里,那个功能怎么推进。

事情果然顺畅多了。

但代价也很明显:我花半年招来的,是一个希望能独立负责业务的同级 PM,最后却被我用成了一个高级执行者。

没多久,他就走了。

那时候我对这件事的理解很简单:我还不会带成熟的人。

带新人我会。告诉他做什么,Review,纠偏,一点点放权。

可一旦对方已经有一套自己的判断,我就不知道该怎么办了。

直到现在,我再回头看,才突然发现:那时候他的工作方式,其实跟一年前的我几乎一模一样。

看到一个机会,先在脑子里把未来想得很大。然后看文章、看竞品、做分析,把逻辑补得越来越完整,再画出一个漂亮的产品方案。

整个过程看起来很专业。

但有一个很大的问题:真实世界的证据几乎没有进来。

用户到底有没有那么痛?做出来真的会不会用?最容易错的地方是什么?有没有可能先花三天验证,而不是直接花三个月开发?

这些问题,我们当时都不会处理。我们更习惯的,是在脑子里把事情想清楚。

所以现在再看,那个三到六个月的方案,方向甚至不一定是错的。而是支撑这笔下注的,可能只是几篇文章、几个竞品,加上一套非常自洽的推理。

证据太轻,下注太重。

今天看很明显,当时的我却看不出来。

因为我和他其实站在同一层。

他在踩油门,我隐约觉得前面可能有坑,所以拼命踩刹车。但我们两个人都不知道,真正该做的不是继续争论,而是下车看看路。

很多所谓的“管理问题”,其实只是更深层问题最先暴露出来的地方。

当一个下属只需要执行明确任务时,你比他更会拆任务,就能管理他。

但当一个人开始独立判断,问题就完全变了。

你要判断的,不再是“他有没有把事情做好”,而是:这个判断是怎么来的?证据够不够?配得上多大的下注?如果我们意见不同,下一步去哪里拿答案?

这些问题回答不了,所谓管理成熟人才,最后很容易退回最熟悉的方式:把判断收回来,把问题重新拆成任务。

事情确实好管了,人也被用成了执行者。

所以现在再回看那次失败,我觉得真正缺的并不只是管理技巧。

更准确地说,当时的我,还没有能力管理别人的判断。

而管理判断,不是要求自己永远比别人更早知道答案。

是即使没有答案,也知道一个判断凭什么值得相信;即使证据不够的时候,知道下一步该去哪里找。

我以前以为,当 Leader 是自己越来越会给正确答案。

后来才发现,真正的分水岭可能是:从某一天开始,你不再靠自己给答案管理团队,而是有能力带着一群有判断力的人,一起去真实世界里找答案。
3834
刘勿锋
14天前
我用了五年,才慢慢学会一件今天说起来特别简单的事:面对没有答案的问题,不是先把它想清楚,再行动。很多答案,本来就只有行动之后才会出现。

更难的是,我五年前其实就听过 MVP、假设验证、小步快跑这些词。

真正花了五年改变的,不是方法,而是那套“必须先确定,才敢往前走”的工作方式。

中间有过分析瘫痪,有过做什么都不对,也有过怀疑自己是不是天生缺少那种能在不确定里下注的自信。

最近几个月,才第一次很明确地感觉到,这个坎可能真的开始迈过去了。

写成了一篇比较完整的复盘,约7000字。

希望对从确定性执行岗位转型到在不确定性里推进工作的朋友有所帮助和鼓励,再难再苦,都是可以克服过去的。

我用了五年,终于开始学会在不确定里工作

11
刘勿锋
15天前
这个事甚至还有后续😂

不仅应届新人在遇到问题的时候会被AI带偏,一个工作多年的工程师也一样会把脑子交出去。区别无非是,后者经验总是更多一些,所以哪怕代码量多了很多,但总还是能跑通测试的。

我在想,这背后更本质的问题,可能是:人没法判断自己没有判断力的事。

都说AI是放大器,但它放大的只是执行,不是判断。当AI输出1万字的方案,如果你不知道哪里对,哪里不对,可不就只能听之任之嘛。改也改不动,越依赖脑子越废。

于是会出现一个更大的组织生产力矛盾。判断层次高的人,借助AI的10倍执行力,产出大幅提升;而经验不足,判断层次也低的,越来越只能等别人拆清楚了任务才能执行好。

可问题是,如果我都花时间拆解得很清楚了,为什么不直接给AI完成呢?转交给另一个人还要传达一遍,review一遍,效率非常低。

刘勿锋: AI能力越来越强的今天,一些观点经常提到,有了AI之后,经验就没价值了,一个有学习能力的新人加上AI很快就能超越经验丰富的老手,成本还低。 但现实真的是这样一边倒吗? 我们最近就遇到一个case。 同样一个技术需求,同样用 Codex。 一个初级工程师折腾几天,改了 3000 行代码,加了一堆模块、配置和异常处理,终于把东西跑起来,但测试一直通不过。 技术 Leader 看完以后,重新梳理问题,最后可能只需要改不到 300 行。后者不仅代码少,逻辑反而更清楚。 差距是因为 Leader 更会写 Prompt 吗? 很明显,没这么简单。 真正的差距是:一个是在让 AI 帮自己解决问题,另一个则是在让 AI 替自己思考问题。 而且这个问题绝对不只发生在程序员身上。 产品经理也是一样。 现在让 AI 写一份 PRD,十分钟就能搞得像模像样。背景、用户痛点、需求范围、流程图、异常逻辑、验收标准,一个不少。 数据分析也很简单,把一份 Excel 扔进去,它也可以瞬间给你生成一套“数据洞察”:趋势、分群、异常点、原因假设、下一步建议,甚至帮你排好 PPT。 想做用户调研就更简单了。告诉 AI:“帮我设计一份关于 AI 文档处理需求的用户问卷。”一会儿就能给你列出 20 道题,单选、多选、量表、开放题,专业得不得了。 问题是:你为什么要做这份问卷?你现在到底不知道什么?这个未知会影响哪个决策?为什么要问这个问题?数据出来以后,什么结果意味着继续做,什么结果意味着应该停? 如果这些都答不上来,那问卷再专业也没什么用。 它只是 AI 帮一个没想明白的人,把“没想明白”包装得更漂亮而已。 我之前认为:大模型最大的价值之一,是把快速正反馈的学习路径变得唾手可得。过去进入一个陌生领域,要找书、找老师、找资料,现在随时都有一个能解释、能陪练、能答疑的老师。 这个判断我现在仍然认同,不过真相还得补上另外一半:AI 不仅让学习变容易了,也让绕过学习、直接拿到产物变得前所未有地容易。 这可能才是 AI 时代人才培养最麻烦的地方。 过去一个新人要写出一份像样的 PRD,过程本身就在逼他思考。 需求是什么?用户是谁?流程怎么走?异常怎么办?研发问一句“为什么这么设计”,他就得回去重新想。 做数据分析也是一样。拉数据、看分布、发现异常、换口径、继续下钻。这个过程很慢,甚至很笨。但很多所谓的“产品感觉”“数据感觉”,就是在这些笨功夫里一点点长出来的。 程序员也一样。 看报错、猜原因、翻调用链、改一版、发现错了、再改。非常低效。但 debugging 的能力就是这么练出来的。 现在 AI 把中间这些摩擦大量抹掉了。 于是出现了一个以前很少见的状态:产出能力跑到了理解能力前面。 一个人脑子里可能只有 30 分,但已经可以交出一个看起来 80 分的东西。 甚至他自己都会产生错觉:我好像已经会了。 并且这个问题也不只是我们遇到了。 Anthropic 今年做过一项随机对照实验,让开发者学习一个陌生的 Python 库。一组可以使用 AI,一组自己完成。 结果使用 AI 的人确实做得更快,但后续知识测试的成绩反而低了 17%,差不多接近两个字母等级。研究者特别指出,AI 带来的 cognitive offloading,也就是把思考过程外包出去,可能会影响技能的真正形成。 更有意思的是,Anthropic 后来又分析了约 40 万次 Claude Code 会话。 结果发现,有经验的人并没有因为 AI 变得“不需要专业知识”。恰恰相反,领域经验越丰富,任务成功率越高,而且越能让 AI 承担更多执行工作。 高手不是比新人更少用 AI。而是因为他更知道该让 AI 干什么。 产品经理这边也是同样的现象。 Productboard 调研了 379 名产品从业者,发现 AI 最能节省时间的工作,恰恰是写 PRD、做 Presentation、竞品研究、Roadmap 这些过去非常典型的 PM 产物。 但与此同时,大家认为 AI 时代越来越重要的能力却变成了:数据素养、用户洞察综合、系统性思考、战略思考。 换句话说,Artifact 正在迅速贬值,Judgment 反而越来越贵。 微软对 885 名产品经理做的研究更加直接。 他们最后提出了一个概念叫 Selective Delegation:不是所有事情都应该一股脑交给 AI。 PM 可以把大量信息整理、总结、初稿生成交出去,但最终的产品责任不能一起外包。 论文标题甚至就叫:“Accountability must not be delegated to non-human actors.” 责任不能委托给非人类。 AI 当然可以帮你分析数据。但为什么分析这些数据,是你的责任。 AI 可以写问卷。但到底想减少哪个关键未知,是你的责任。 AI 可以写 PRD。但这个需求值不值得做,是你的责任。 AI 甚至可以把代码全部写完。但这个系统为什么应该长成这样,仍然是工程师的责任。 所以AI 时代公司培养新人,最大的变化不是教大家更多 Prompt 技巧。 而是必须把过去那套“看产物判断能力”的方式改掉。 因为现在,产物已经会骗人了。 一个人交上来一份非常完整的数据分析报告,最应该先问的可能是: -你到底想回答什么问题? -你做分析之前的判断是什么? -哪个数据最可能推翻你的判断? -如果结果是 A,你准备做什么? -如果结果是 B,又做什么? -如果不管 A 还是 B,你最后都准备继续原来的动作,那这份分析有什么用? 技术方案也是如此。 不要只是看架构图画得漂不漂亮。 直接把文档关掉问: -为什么需要这一层? -还有没有别的方案? -最大的约束是什么? 真正想明白的人,不一定表达得特别漂亮,但他的因果链一定是存在的。 而如果一脱离 AI 生成的文档就变得嗑嗑巴巴,那基本就说明,这套东西目前还不属于他。 他只是 AI 的传声筒。 这也意味着,AI 时代对 Junior 的培养不能一味追求效率。 这听起来很反常识。 公司当然希望十分钟能完成的事情,不要花两天,但生产系统追求效率,培养系统不能只有效率。 如果一个刚入行的产品经理,所有数据都让 AI 分析,所有问卷都让 AI 设计,所有 PRD 都让 AI 写; 一个刚毕业的程序员,所有技术方案都让 AI 出,所有代码都让 Agent 写,所有报错都让 AI 修; 半年以后,他们可能确实交付了更多功能,但未必培养出了一个更强的人。 甚至最危险的是:Leader 看着越来越漂亮的产物,以为他成长得非常快;新人自己也觉得,我什么都会做了。 直到有一天,遇到一个 AI 没有标准答案的问题,大家突然发现:他不会定义问题,不会判断信息,不知道应该看什么,也不知道一个答案到底对不对。 那个时候才发现,过去半年增长的主要是产量,不是能力。 所以培养新人,我觉得最核心的原则反而可以非常简单:AI 可以替你执行,但不能替你负责这个问题。 Junior 一开始可以拿到很明确的问题和约束,然后用 AI 高速完成。 再往后,只告诉他问题,让他自己定义方案。 再再往后,只给一个业务现象,让他自己判断到底应该研究什么。 真正的成长,不是 AI 用得越来越少。恰恰可能是 AI 用得越来越多,但 Leader 帮他定义的问题越来越少。 直到最后,他已经能够自己决定:什么值得做,什么不值得做,什么证据才算证据,什么时候应该相信 AI,甚至什么时候应该对 AI 说:你讲得头头是道,但这次完全搞错了。 所以回到最早的问题, AI 越来越强之后,学习还有必要吗? 答案很显然了,AI再强,学习也是必要的。 只是过去我们学习,是为了获得答案和完成任务。 以后学习,更重要的是为了获得一种能力:当答案已经无限便宜的时候,你还有能力判断什么才是正确的问题,以及什么才是一个真正好的答案。 AI 最让人担忧的地方,从来不是它会不会替代新人。而是它已经可以让一个还没有学会的人,看起来像是学会了。

00