AI 时代的产品经理

一、为什么写"AI 时代的产品经理"

过去十年，硅谷的产品方法论几乎是被一群人定义的——Marty Cagan、Lenny Rachitsky、Julie Zhuo。他们写过的书、做过的播客、提过的概念，构成了大多数 PM 默认的"操作系统"。

但 AI 让所有底层假设都失效了：

我想找出那些正在第一线给出新答案的人，把他们的产品哲学一个个拆开来看。
不写流水账，不堆 KPI。
只看一件事——他们身上有什么是过去十年的产品方法论解释不了的。

二、什么是"AI Native 产品"

专题里反复出现一个词——AI Native。它不是营销词，也不是"加了 AI 功能"的同义替换。

我用的是一个更收敛的定义：

AI Native 产品 = 如果今天从零设计这个产品，它的核心交互、核心价值、核心壁垒，都建立在"模型能力"这件事可以被假设存在之上。
换句话说——把模型抽掉，这个产品就不成立。

按这个定义，Cursor 是 AI Native，Notion AI 不是；Perplexity 是 AI Native，Google 加的 AI Overviews 不是；Midjourney 是 AI Native，Photoshop 的 Generative Fill 介于两者之间。

它的反面是"AI Wrapper"——把模型当成一个新功能，套在原产品的旧骨架上。短期能跑数据，长期会被模型升级"吃掉"。

那要怎么判断一个产品是不是 AI Native？我用下面 4 把尺子：

那 AI Native 产品怎么算"成功"？——以前互联网那一套指标已经回答不了这个问题。

过去十年，互联网产品看的是这三件事：

• DAU
• 使用时长
• 广告变现

但 DAU 高不代表用户真的在用 AI、时长长可能只是模型在"瞎转圈"、广告也未必撑得起 token 成本。AI 产品要看的是另一组完全不同的指标——它们更关心"AI 是不是真的进入了用户的工作流"：

新指标	为什么重要
周留存	AI 是否进入工作流——日活会被新鲜感刷出来，但只要活不过一周，说明它没解决真问题。
Query Frequency	用户是否形成习惯——一周用 1 次和一天用 10 次，是两种不同的产品。
Token Usage	实际使用深度——长 prompt、多轮对话、跨文件 Agent 调用，token 数才是"真使用"的尺子。
Paid Conversion	是否愿意付费——AI 产品 token 成本是硬支出，付费率才是它能不能跑通商业模型的真验证。
Workflow Embed	是否替代旧工具——用户卸了原来的工具吗？把它从浏览器置顶了吗？嵌入了 IDE / 邮件 / Slack 吗？
Team Expansion	是否组织扩散——一个人用、还是整个团队/部门都在用？组织内的传播速度，才是 AI 产品的复利曲线。

所以这个专题里我会反复问每一位产品人三个问题——
你的产品假设了什么模型能力？
模型能力升级时，你是受益方还是受害方？
你给用户留下的，是模型给不了的那部分东西吗？