在AI产品中，过去很多行之有效的产研流程正在失效。
一个重要原因在于 AI 输出具有不确定性，我们已经很难像过去那样提前预判结果。在这样的系统中，产品经理也难以通过 PRD 穷举所有边界情况——许多边界只有在真实运行和使用过程中才会逐步显现。
基于这一变化，产品设计不再适合从“定义完整规则”开始，而更适合从一个可运行的粗稿入手。先实现一个基础版本，把一定的探索空间交给 AI，通过实际输出观察它可能带来的意外价值与风险，再围绕结果不断修正和收敛。
在这个过程中，产品经理的角色也随之发生变化：从主要负责提前定义规则和边界，转向引导探索、判断结果是否可接受，并通过持续调整让系统逐步稳定。产研流程因此更像一次与 AI 的协作探索，而非一次性规划到位的工程。
一个重要原因在于 AI 输出具有不确定性，我们已经很难像过去那样提前预判结果。在这样的系统中，产品经理也难以通过 PRD 穷举所有边界情况——许多边界只有在真实运行和使用过程中才会逐步显现。
基于这一变化，产品设计不再适合从“定义完整规则”开始，而更适合从一个可运行的粗稿入手。先实现一个基础版本，把一定的探索空间交给 AI，通过实际输出观察它可能带来的意外价值与风险，再围绕结果不断修正和收敛。
在这个过程中，产品经理的角色也随之发生变化：从主要负责提前定义规则和边界，转向引导探索、判断结果是否可接受，并通过持续调整让系统逐步稳定。产研流程因此更像一次与 AI 的协作探索，而非一次性规划到位的工程。