当 AI 让做出 Demo 变得轻而易举，产品经理的核心能力正在被重新定义。本文从作者亲手搭建的抖音视频转写工具出发，剖析 AI 产品经理的三层能力：理解技术并动手、从用户表达中洞察真实需求、以 Owner 身份做决策。在人人皆可造工具的浪潮下，如何判断为什么做、为谁做、是否继续做，才是更稀缺的竞争力。

前段时间，因为一个项目需要收集抖音视频里的内容，我给自己搭了一个视频转写工作台。

市面上并不缺这类产品。有的支持多个视频平台，有的可以处理不同格式，还有一整套后续功能。但我当时只需要一件事：把指定的抖音视频转成文字。为了这样一个小需求，在电脑里装一套功能很全的软件，我总觉得有点重，也不太 elegant。

现在借助 AI，做一个轻量的小工具已经不难了。这个转写工作台，我只用了几个小时就搭了出来。它后来一直留在我的电脑里，只要项目还在继续，我就可能继续用；等这个阶段过去，它也许就再也不会被打开。

拿用户量、留存和商业化衡量，它当然算不上一个成熟产品。但它确实解决了我当时的问题，可能也没有继续变得“成熟”的必要。

这个小工具也让我注意到，AI coding 一边帮助工程师提高开发效率，一边把做软件的门槛降到了更多非技术人员也能碰到的位置。黑客松越来越多，小红书上也不断出现个人制作的日历、Todo List、笔记和效率工具。它们看起来已经能用，界面也未必粗糙，只是彼此之间经常很像。

当做出一个 Demo 变得越来越容易，我也开始重新思考：AI 产品经理到底需要什么能力？

第一层，理解技术，也能亲手做出东西。

AI 产品经理至少要知道模型擅长什么、容易在哪里出错，也要理解 Prompt、MCP 和 Skill 分别怎样引导模型、连接外部工具、沉淀可复用流程，再把这些能力组合到 Agent 或具体产品里，快速验证一个想法。只有真正动手，很多原本停留在讨论里的问题才会暴露出来，也更容易和算法、工程团队说清楚自己想要什么。

但这更像一项基础能力。今天做一个 Demo 可能只需要几天，甚至几个小时。大家都能做的时候，“我把它做出来了”所能证明的事情也在变少。它证明技术上可以实现，还没有证明用户会需要。

第二层，从用户说出的办法里，看见他真正要完成的事。

产品经理经常会讲一个和福特造汽车有关的“更快的马”故事。假设回到马车时代，你问一个人：“你现在最需要什么？”他大概不会回答“汽车”，因为他的生活里还没有这种东西。他更可能会说，希望有一匹跑得更快、耐力更好的马。在他能够想象的范围里，解决办法就是把现有的马变得更好。但他真正想完成的事情，是更快、更稳定地到达目的地。后来出现的汽车，满足的正是这个没有被用户直接说出来的需求。

美图秀秀的例子又往前走了一步。美图秀秀出现以后，变化并不只是修图效率提高了，而是大量原本不会学习 Photoshop 的普通用户，也开始产生修图需求。剪映也有一点类似。很多人不会为了剪一段日常视频专门学习 Premiere，但当剪辑变得足够简单，他们也愿意自己动手。

这说明用户需求并不是固定不变的。新技术或者新产品出现以后，会改变一件事原本的成本和难度，也会改变用户对它的预期。一个从没打算学习 Photoshop 的人，很难在访谈里主动提出“我需要一款更适合普通人的修图软件”。等产品把门槛降下来以后，需求才真正显现出来。

所以，AI 产品经理既要听用户说了什么，也要理解新技术正在改变哪些成本。他需要判断，那些以前太贵、太难或者必须由专业人士完成的事情，现在是否有机会进入普通人的生活，原来的操作流程又是否还有必要。这些判断需要技术理解，也需要对用户行为保持敏感。

与此同时，还要分清自己的需要和更多人的需要。我喜欢只保留一个功能的轻量工具，不代表所有人都这样想。另一个用户今天需要抖音转写，明天也许还会转写其他平台，后天又需要总结和分类。那些暂时用不到的功能，对他来说可能是在为未来的问题做准备。成熟产品还替用户承担了维护、数据同步和稳定运行这些麻烦。

个人痛点当然可以成为一个产品的起点，但它只能先证明一件事：至少我自己需要。这个需求能不能走向更多人，还要看其他用户是否反复遇到同样的问题，以及他们是否愿意持续使用、迁移数据、改变习惯，甚至为它付费。

第三层，也是我现在认为最稀缺的一层，是作为 Owner 做决定。

AI 可以整理用户访谈、分析需求、写 PRD、画原型、看数据，也可以把这些工作做得越来越快。它可以成为一个效率很高的员工，但产品的主线仍然需要有人确定。产品要服务谁，解决什么问题，先做什么、放弃什么，是否值得继续投入，这些都要由 Owner 作出选择。

这里还包括人与 AI 的边界。模型可以给出建议，也可以帮助比较不同方案，但它不承担产品失败后的结果，更不会主动替团队决定哪些风险可以接受。决定权交给谁、什么时候需要人来确认，同样属于产品的一部分。

我也会把时间拉长一点看。假如未来模型能力提高十倍、使用成本下降十倍，我会继续判断今天这个需求是否还会存在，现在做的事情又能不能留下工作流、数据、用户关系、行业理解或者信任。一个方向暂时能做，并不代表它值得长期做下去。

现在，那个视频转写工作台还留在我的电脑里。它可能永远不会拥有第二个用户，但它依然是一个有用的工具，也引出了我对 AI 产品经理能力的这次思考。

答案大概就是这三层：先理解技术，也愿意动手；再从用户的表达和行为里判断什么值得解决；最后以 Owner 的身份决定产品往哪里走，并为这个选择负责。

现在，我不会再把做出 Demo 当成唯一的证明。做出来很重要，知道为什么做、为谁做，以及要不要继续做下去，是我更想练习的部分。