AI Product Management · Daily Workflow
PM 一週裡的五個 AI 介入時刻
「我下載了 12 個 AI 工具，但每次要做事還是繼續用 Notion 跟 Excel。」
很多 PM 看完 AI 工具清單文，下載了一堆，最後還是繼續用原本的工具。差別在哪？
清單文教你「有什麼」，但沒教你「怎麼塞進你既有的工作流」。
下面用一個我熟悉的 PM 真實一週當主線，把 AI 在工作流裡的五個介入時刻攤開。不是工具大全，是節奏。
今天想聊的，是 AI 在 PM 工作流裡的位置：
① PM 一週裡，AI 適合在哪五個時刻介入？
② AI 跟人類怎麼分工：0 到 0.7 vs 0.7 到 1
③ 哪些事絕對不該讓 AI 替你做？
跟著走一週的 PM 工作流
場景：某個 PM 的標準一週。週一收 user feedback、週二討論競品、週三寫 PRD、週四做訪談、週五寫週報。AI 在這一週裡有五次介入時刻。
一週的 AI 介入點
| 時刻 | 工作 | 主要工具 | 我以前花 | 現在花 |
|---|---|---|---|---|
| 週一上午 | User feedback 分類 | Claude / GPT 長 context | 2 小時 | 25 分鐘 |
| 週二下午 | 競品調研初稿 | Perplexity + Claude | 半天 | 1.5 小時 |
| 週三上午 | PRD edge case 補完 | Claude | 1 小時 | 15 分鐘 |
| 週四晚上 | 訪談逐字稿摘要 | Otter + Claude | 1.5 小時 | 20 分鐘 |
| 週五下午 | 週報草稿生成 | Zapier + GPT | 40 分鐘 | 10 分鐘 |
每週省下大約 8 至 10 小時。這些時間我拿去做使用者訪談跟產品 review，回報比寫週報高得多。
週一上午：User feedback 分類
痛點
週一一早，NPS、客服、應用商店、Discord 累積了幾百筆 user feedback。以前每週一上午固定坐死在這件事上。
我的做法
把當週所有 feedback 一次貼給 Claude（長 context 比 ChatGPT 友善），用以下 Prompt：
你是一位資深產品分析師。下面是本週的 200 筆使用者回饋。請依照我預先定義的 10 個標籤分類（標籤清單：使用體驗、效能、付費、登入、通知、Bug、功能請求、內容、社群、其他）。每筆回饋輸出格式：原文 | 標籤 | 嚴重度（1 至 3）| 一句話摘要。
一個值得記下的學習
第一次跑這個流程，我請 AI 自己想分類標籤，結果它每次想出來的不一樣，月對月無法比較。後來我先人工定好 10 個固定標籤，再請 AI 只做歸類，問題就解決了。
啟示：分類體系自己定，AI 只負責執行。
進階用法
每月用一次「主題演變分析」Prompt：
請比較最近三個月每個標籤的數量變化，找出「快速成長」或「快速衰退」的標籤，並推測可能原因。
這個分析過去要花我半天，現在 10 分鐘搞定。
週二下午：競品調研初稿
痛點
週二 weekly product sync 之前，要快速建立「市場有誰在做、做到什麼程度、訂價怎麼定」的全貌。以前要打開 20 個分頁慢慢看。
我的做法
分工：
- Perplexity：抓即時資料（最新訂價、最近三個月的更新、Reddit / HackerNews 討論）
- Claude：把抓回來的散亂資料，結構化成競品比較表
Prompt 範例（給 Claude）
你是 B2B SaaS 產品分析師。請整理下方資料成一張競品比較表，欄位：產品名、目標客群、核心定位、定價策略、主要優勢、主要劣勢、最近 90 天的重大更新。表格下面加上 200 字的「市場觀察摘要」，指出空白機會與紅海現象。
一個值得記下的學習
AI 給的競品定價常常是 12 個月前的舊資料。我現在養成習慣：Perplexity 對單一事實、Claude 對結構化整理，分工後可信度大幅提升。
週三上午：PRD edge case 補完
痛點
寫 PRD 寫到一半，主流程都想完了，但總有種「應該還有什麼 edge case 我沒想到」的不安感。
我的做法
把目前的功能描述貼給 Claude，用以下 Prompt：
我正在規劃這個功能：[貼上功能描述]。請扮演三個角色幫我找出我可能漏掉的 edge case：1) QA 工程師（找測試漏洞）、2) 惡意使用者（找濫用情境）、3) 國際化專家（找跨文化、跨語系問題）。每個角色列出 5 個我可能漏掉的情境，加一句解釋。
為什麼三個角色
不同角色看到的盲點不一樣。一個 prompt 跑出 15 個 edge case，比你一個人想兩小時還多。
一個值得記下的學習
AI 會列出 30 個 case，但其中只有 5 個值得處理。優先順序永遠是你的事，別讓 AI 替你做這個判斷。我會把 AI 的清單照「影響範圍 × 發生機率」自己排序，最後挑 top 5 寫進 PRD。
週四晚上：訪談逐字稿摘要
痛點
訪談完最痛的不是訪談本身，是事後的整理。一場 45 分鐘的訪談，光轉逐字稿加整理重點，又要花掉 1 至 2 小時。
我的做法
工具組合：
- Otter.ai / Fireflies.ai：會議錄音即時轉文字
- Claude：整理訪談摘要（Claude 對長文本處理較強）
Prompt 範例
以下是一場用戶訪談的逐字稿。請幫我整理： 1. 用戶背景摘要（職業、使用情境） 2. 提到的主要痛點，依嚴重程度排序 3. 用戶對現有解決方案的評價（包含未明說的暗示） 4. 值得注意的原話引用（verbatim quotes） 5. 建議的後續行動：可以追問的問題、可以驗證的假設
一個值得記下的學習
訪談涉及用戶隱私，上傳前請確認你的公司政策是否允許將訪談內容傳到第三方 AI 服務。我曾經差點把含 PII 的逐字稿丟雲端 AI，是同事提醒才停下。
進階用法
每做 5 場訪談後，把 5 份摘要一起貼給 Claude，請它做「Cross-interview pattern analysis」：找出多個使用者共同提到的痛點。這個工作以前要花我一天，現在 30 分鐘。
週五下午：自動化週報
痛點
每週五下午最痛苦的事：寫週報。
我的做法
用 Zapier 或 Make 串接：
| 步驟 | 動作 |
|---|---|
| 1 | 每週五 14:00 自動觸發 |
| 2 | 從 Linear / Jira 拉本週完成的 ticket 與狀態變更 |
| 3 | 從 Slack 拉特定 channel 的重要訊息 |
| 4 | 把資料送進 GPT-4 API，用預設 Prompt 生成週報草稿 |
| 5 | 草稿自動丟到 Notion + 寄一份到我信箱 |
每週五我打開 Notion 看到草稿，10 分鐘調整措辭就送出。
一個值得記下的學習
我曾經讓 AI 直接寫「下週重點」這段，結果它編出我沒講過的優先順序。後來這段強制改回手寫，AI 只負責「過去發生了什麼」，不負責「下週要做什麼」。
客觀事實交給 AI，主觀判斷自己來。
一個共同原則：AI 做 0 到 0.7，你做 0.7 到 1
這 5 個時刻共通的設計是：AI 從零產出粗胚，你從 70 分推到 100 分。
| AI 適合做的 | 人類該做的 |
|---|---|
| 整理、分類、格式化 | 判斷、優先序、取捨 |
| 列舉所有可能 | 從可能中選對的 |
| 客觀事實彙整 | 主觀策略決定 |
| 重複性高的工作 | 需要 context 的工作 |
別期待 AI 直接給你 100 分的產出。它做不到。但它能把你那段「最痛苦的 0 到 70 分」時間，省下來給更值得的事情用。
那個「更值得的事情」是什麼？ 對我來說，是使用者訪談、產品 review、團隊一對一、跨部門對齊。這些事不能 AI 化，但它們才是真正創造價值的地方。
反過來看：AI 用太多也有要留意的地方
到這裡你大概看到一個節奏：把粗活交出去，把判斷留下來。
但我觀察到一些 PM 把 AI 用到極致，連「判斷」這部分都讓 AI 做了。AI 推薦哪個功能優先做、AI 評估競品 vs 我們的勝率、AI 預測使用者會買單。
這時候 AI 不再是加速器，是替代品。而判斷是 PM 的本職。 如果這部分外包了，你就不再是 PM，是 AI 操作員。
| 該繼續自己做的 | 可以放心交出去的 |
|---|---|
| 產品方向、優先序、取捨 | 整理、彙整、格式化 |
| 跟人有關的判斷（訪談洞察、團隊一對一） | 重複性彙整 |
| 涉及商業策略的決定 | 客觀事實的初稿 |
| 對使用者的同理心 | 對資料的歸納 |
漂亮的 AI PM 不是用 AI 用得最多的人，是知道哪些事絕對不能讓 AI 碰的人。
寫在最後
PM 的核心價值不是「產出文件的速度」，而是「做對的判斷」。
不是用了 AI 工具你就變強了，而是你夠強的時候，AI 工具會讓你更強。
下次有人問你「PM 會不會被 AI 取代？」，你可以回答：「不會。但不會用 AI 的 PM，會被會用 AI 的 PM 取代。」
挑一個時刻，今天就開始試。一個月後再來看自己每週多出來的 8 小時，你會懂為什麼這 5 個介入點值得認真設計。
你的一週裡，最痛苦的那個時刻是什麼？歡迎留言分享，我可以幫你想 AI 切入點。
如果這篇對你有幫助，歡迎追蹤這份 Newsletter。每兩週一篇 AI PM 實戰筆記，主題涵蓋產品策略、跨職能合作、與 AI 導入的真實節奏。
#AIPM #ProductManagement #AI工具 #生產力 #Productivity #ProductStrategy #職涯成長