2023年初，我卸载了所有大语言模型应用。不是技术洁癖，是职业本能——做了8年产品经理，我信一条：工具越智能，人越懒。当时我的团队里有3个人已经用AI写需求文档，产出速度快了40%，但评审会上漏洞百出，返工率涨了27%。
那两年我像个守旧派，坚持手写PRD，坚持自己画流程图。同事背后叫我"人形自走复古机"。
转折点发生在第783天
今年3月，我负责的一个B端项目 deadline 前72小时，核心开发突然病倒。替代人选要熟悉代码库至少一周，而交付日期是死的。
凌晨两点，我对着屏幕发呆。运营负责人甩过来一句话：「你用AI读过代码吗？不是让它写，是让它当你的人肉索引。」
我试了。把15万行代码丢给Claude（一款大语言模型产品），问它：「找出所有跟支付回调相关的函数，按调用频次排序，标出哪些在半年内没更新过。」
90秒后，我拿到了一张带注释的清单。人工排查需要4小时的工作，压缩到了喝一口咖啡的时间。
但真正让我改观的不是速度。
我重新理解了"替代"的边界
之前我抵制AI，是怕它替代我的思考。那次经历让我发现，我搞反了一件事：AI替代的不是思考，是思考的"前置成本"。
举个具体场景。产品经理做竞品分析，传统路径是：下载竞品→注册账号→摸索功能→截图记录→整理成文档。一个完整流程平均消耗6-8小时，其中70%时间在"找到那个按钮在哪"。
现在我让AI扮演"已经用过这个产品100次的资深用户"，直接问它：「这个功能的入口路径是什么？有没有隐藏状态？」得到的答案需要验证，但验证1小时比摸索8小时划算得多。
关键区别：AI不是替你决策，是把你从信息检索的泥沼里捞出来。
我的团队现在有个内部规则：用AI可以，但必须标注"AI辅助环节"和"人工判断环节"。返工率降到了12%，比纯人工时代还低。
那个让我彻底放下戒备的实验
5月我做了次对照测试。同一个需求，A版本纯手写，B版本用AI辅助但人工终审。找10个研发评审，不告知来源。
结果：B版本通过率83%，A版本79%。差距不大，但B版本耗时只有A的35%。
更意外的是后续。A版本上线后收到4个用户投诉逻辑漏洞，B版本1个。我复盘发现，AI在帮我检查边界条件时，比我自己更"冷血"——它不会假设"用户应该不会这么操作"。
这让我想起一个老梗：产品经理最危险的思维是"我觉得用户会..."。AI没有这种幻觉。
我现在怎么用AI：三张清单
不是工具推荐，是边界划定。
第一类，纯交给AI：信息检索、格式转换、代码走查、多语言翻译。这些工作的价值在"完成"而非"创造"，省下的时间我用来睡觉。
第二类，AI辅助+人工终审：需求文档框架、竞品分析初稿、测试用例生成。AI出毛坯，我负责精装修。一个细节：我让AI生成后必须追问三次"这个假设成立吗"，漏掉的坑少了一半。
第三类，绝对不用：用户访谈洞察、产品价值观判断、跨部门博弈策略。这些需要语境、信任和灰度决策，AI的"平均最优解"往往是毒药。
我的底线：如果AI的输出我无法在5分钟内解释清楚为什么这样写，就不采用。
这个规则帮我挡掉过两次重大失误。一次是AI生成的数据指标定义，表面合理，实际跟财务口径冲突；另一次是推荐算法策略，忽略了公司正在谈的合规新规。
给还在抵抗的人
我花了783天，不是因为固执，是需要找到那个"不依赖AI"也能成立的支点。现在找到了：不是抵制工具，是明确工具的管辖范围。
有个数据可能对你有参考。我统计了自己过去半年的工作时长，总时长下降了18%，但"深度工作"时间—— uninterrupted 的独立思考、方案推演、用户沟通——反而增加了23%。
AI没有让我变懒。它把我从"伪工作"里解放出来，去干真正需要人的事。
上周团建，那个叫我"人形自走复古机"的同事问我：「你现在还手写PRD吗？」
我说写。但只写最关键的那20%，剩下的80%我让别人——或者说，别的什么——帮我搭好骨架。
他愣了一下：「那跟你两年前有什么区别？」
我想了想：「区别是我终于知道，哪些骨头必须自己长。」
热门跟贴