一份需求文档喂给 AI，四十分钟，一个带权限的审批模块跑通了，放在两年前这是两个后端加一个前端两周的活。文章由此提出：当生成一个功能的速度趋近于零，功能的稀缺性就塌了，功能是答案，问题是题目，被重新定价的正是定义问题的能力。

AI时代的功能生产过剩，正在重新定价产品经理。

上周有朋友给我看了个东西。他们把一份需求文档喂给 AI，四十分钟，一个带权限的审批模块跑通了，前后端都能点。放在两年前，这是两个后端加一个前端两周的活。

那一刻我冒出来的判断有点冷：答案正在免费。

当生成一个功能的速度趋近于零，功能的稀缺性就塌了。功能是答案，问题是题目。答案越便宜，题目越贵。AI正在重新定价产品经理，定的就是你定义问题的能力。

01 功能的黄昏

功能过剩不算新话题，新的是它的性质变了。

过去功能堆砌，代价是低效。团队忙、研发贵，进度一拖再拖，但方向大体没错，堆出来的东西总有人用。现在代价变成致命。生产成本塌了之后，你手工堆三个月，别人 AI 堆三天，堆功能从战术问题变成了生存问题，而且这个差距追不上。

Intercom 的联合创始人 Des Traynor 有句话说得狠：多数团队把交付当成功，把学习当浪费。翻译一下，上线即终点。上线之后用户为什么不用、在哪一步断掉，没人管。国内 SaaS 这两年把这个现象演得很足。为了拿下标杆客户，一家公司能给采购流程加七八种定制审批。为了对齐友商，首页能塞进十几个入口。功能清单越拉越长，NPS 一路往下走。销售签单靠“我们功能比他家多三条”撑场面，交付之后这三条从来没人打开。

我管这个过程叫功能的过度繁殖。生物学上它意味着什么，数量增速永远快于资源增速，环境一变，批量出清。AI 就是那个环境变量。它把“做出来”的成本压到极低，也把“为什么做”的价格抬得很高。

一个只擅长做功能的 PM，正在失去定价权。答案不值钱了，你还在按答案的规格要求自己。

02 功能思维是怎么长出来的

功能思维是环境一步步训练出来的结果。拆开看，有四个机制。

第一个机制最日常，叫需求直译。客户在会上说，能不能加个导出按钮。PM 点头，记下，回到工位把“导出按钮”四个字原样填进需求文档，补上交互和字段细节，标 P0。一场会开完，从耳朵到文档，全程零加工。客户说出来的永远是他想象的解决方案，PM 只做誊写的话，AI 比你誊得快一万倍。

第二个机制是竞品绑架。竞品上了新功能，焦虑立刻传到老板那里。老板问的是“我们什么时候有”。为什么做，从头到尾没人问。于是路线图的排列逻辑，从什么最重要，悄悄变成别人有什么。

第三个机制藏在考核表里。季度 OKR 写的是完成了多少需求、上线了几个功能。交付可量化，周报里写出来漂亮，庆功的时候也理直气壮。至于上线之后有没有人用，那是下个季度的模糊地带。人以交付计，行为自然向交付对齐。

第四个最难承认，存在感焦虑。B 端公司里 PM 的日常存在感靠什么撑？写文档，画原型，剩下的时间追排期。这些动作看得见，摸得着，周报里列得出来。坐在客户旁边看他们用一下午系统，或者花三天想清楚一个问题，在很多人眼里等于没干活。产出焦虑逼着 PM 制造看得见的产出，哪怕产出只是一个又一个功能。

四个机制叠在一起，功能思维就成了顺理成章的反应。环境奖励交付，惩罚思考，换谁都练得出来。

03 翻译，PM 最值钱的动作

拿一个最常见的功能解剖一下。

客户要导出按钮。往下挖一层，为什么要导出？他说每月要给领导交一份经营月报。再往下，月报里的数字从哪来？从系统各个模块里翻，翻一个小时，凑齐了填进 Excel。到这里，真问题浮出来了：他要的是月报生成这个动作本身。导出只是他能想到的路径。功能方案到这里才真正展开。可以是导出，可以是每周自动推送一封月报邮件，甚至可以让系统直接把月报生成好。照着原始需求做导出按钮，客户拿到的还是那一小时的手工活，只是换了个地方复制粘贴。

需求是外语，问题是母语。客户用功能说话，用户递过来的从来都是答案的碎片，问题藏在碎片后面。PM 的手艺，是翻译。

说一个我们正在做的项目，制造业企业的宿舍管理系统，替换一套用了多年的 Excel。前期访谈了一批宿管阿姨和后勤主管，需求清单拉出来很长，报修要拍照上传，晚归要打卡，连访客登记都排上了号。每条都具体，每条都像刚需。调研往深走，我们在调研里看到的真问题是另一回事。宿管阿姨每天最重的负担，是晚上十一点后挨个楼层点名，手工抄，抄完录系统，两层楼要一个钟头。她们要的是一个人在不在的确认机制。项目还在建设中，最后能交出什么，现在下不了结论。但团队已经确认了一点价值：调研阶段就把点名这件事翻译了出来，后面的功能取舍第一次有了标准，哪些需求服务确认机制，哪些只是噪音，开会不再靠嗓门大。

怎么练翻译？三个动作。

追问链。失败的画面你一定见过：客户提需求，PM 打开文档边听边记，记完确认字段，散会。全程礼貌，全程无效。动作很简单，对每个需求连问三层为什么。要导出，为什么。做月报，为什么偏偏是月报。这份月报谁看，看完他要干什么。问到第三层，话题往往已经换了内容。

场景还原。会议室里想象用户，和蹲在用户旁边看，是两回事。Instagram 的前身叫 Burbn，一个功能繁多的签到应用。创始人发现用户反复只做一件事，传照片加滤镜，于是砍掉其余一切，才有了后来的 Instagram。场景里看三天，胜过会议室里猜三个月。B 端同理，你不在宿舍楼里蹲一个晚上，想不到点名是核心场景。

问题重述确认。翻译最容易断在最后一步，PM 心里懂了，文档里写的还是原始需求。动作是当着客户的面复述问题：你真正头疼的，是每晚点名占掉一个钟头，对吗。对方点头或摇头，都比你在文档里猜要值钱。点头，方向锁死。摇头，他往往会顺嘴说出更接近真相的版本。

04 检验你的问题定义

问题定义也有质检标准，三个要素：谁，在什么场景，被什么卡住。缺一个，问题就是虚的。

对照着看两条需求。第一条，优化报表导出体验。第二条，连锁品牌的区域经理每周一早上要给总部交经营周报，系统数据分属五个模块，他每周五下午花两个小时手动拼一张表。第一条写的是功能，第二条写的是问题。评审会上哪条能吵出结论，一目了然。

汽车行业有个现成的样本。五菱做宏光 MINI EV 之前，去三四线城市看人们怎么出行，看到的场景具体到不能再具体：接送孩子，买菜，一趟三五公里，停车比开车还难。定价和尺寸直接来自这些问题，两三万，四个座，塞进巷子不难。如果当初问的是怎么造一辆便宜又体面的燃油车，答案再标准也到不了这里。问题定义对了，答案可以粗糙，有迭代空间。问题定义错了，答案越精致越浪费。

AI 在这件事上是个双向放大器。放大器只认输入。问题定义清楚，AI 替你解题，一天迭代十个方案。问题定义是糊的，AI 放大的是糊，十个平庸方案一天之内全部到齐，你连错在哪都来不及想。工具越强，用工具的人判断力越值钱。

05 PM 的新坐标

回到开头的画面。四十分钟跑通一个审批模块，那一刻真正要紧的事只有一件：提问的资格还攥不攥在你手里。

功能是答案，问题是题目。AI 把答案的供给拉到无限，题目的稀缺就成了唯一值钱的东西。前面聊过 AI 把执行成本压到极低，这次想说的是后半句：成本归零之后，剩下的东西才叫能力。

AI 淘汰的产品经理只有一种：拿到答案就开工的那种。

如果你只想带走一个动作，试试这个。下一个需求评审之前，把需求用三个要素重写一遍：谁，在什么场景，被什么卡住。写不出来就先别排期，先去问，先去看。这不丢人。恰恰相反，这是眼下最值钱的半小时。

功能会被生成，问题不会被生成。题目永远在等人出。