AI实战：用反问砍掉5步落地，避免PM被过度设计忽悠
「PM与AI协作实战」第13章：常被忽视的第三大风险——AI给出的往往是“看起来很美却多余”的过度方案。基于亲身经历，总结了5个反模式和3条防御准则，助你识别那些看似完美实则无用的AI建议。
目前关于AI协作的讨论，大多集中在两方面：
方向一：教你如何驾驭AI。包括提示词编写、工具选择及工作流搭建。
方向二：警示AI的错误风险。诸如幻觉、记忆缺失及数据造假等问题。
这两个方向都很有价值。然而，还隐藏着一个更为隐蔽的风险——
AI提供的方案，极有可能是“看似合理实则多余”的过度设计。
其每一步逻辑都自洽，数据来源清晰，时间表也显得十分专业。
然而，它解决的却是一个你根本无需面对的难题。
本文旨在探讨这一第三种风险：当AI从“执行者”变为“推销员”时，PM该如何识破其套路。
过去一个月与AI协作制定方案的经历中，我归纳出它在推销方案时反复出现的5个反模式。单独看每个都不显眼，但组合在一起，极易让你掉入投入大、回报低的陷阱。
AI常宣称“未来AI普及后这些资料将成为训练数据”、“这是AI时代的标配” ——
这话听起来很诱人。但仔细一想，其信息量等同于“明年会更好”。
预言不能作为决策依据。
PM决策应基于“当下的实际痛点”，而非“未来的潜在红利”。若每次听到“AI红利”就投入资源，预算将永远捉襟见肘。
当你询问“具体如何实施”时，它给出的却是5步流程、3个阶段及长达12个月的计划。
听起来很负责任？
并非如此。它跳过了PM最关键的决策环节——判断“这件事是否值得做”。
优秀的AI搭档应先探讨“在何种情况下不应执行”，而非直接推销“如何执行”。跳过“该不该做”直接进入“怎么做”，本质上是将PM的决策责任转嫁给了执行清单。
AI在提及“决策档案”时显得游刃有余。但你的理解是A，它的指向是B。它忽略了需求文档层与具体操作层是两个完全不同的维度。
涉及多层级文档、系统或流程时，务必先厘清层级差异。否则用户按方案执行，发现与现有工作重叠时，这种浪费比不做更令人沮丧，因为已投入了时间和期待。
AI给出的方案罗列了：5步流程 + 3个阶段时间表 + 6个必填字段 + 3类沟通话术 + 周一启动清单。
看起来很详尽，对吧？
真正的最小可行版本仅需：增加1个字段即可启动，观察6个月，若引用不足3次再扩展，否则果断放弃。
堆砌细节不代表方案优秀。有时，堆砌细节恰恰说明AI不知重点，将所有想到的都抛给你——用复杂性来掩盖“未考虑必要性”的空洞。
在第二版方案中，AI抛出了这样一个追问：
“第4个字段的‘隐性假设’在实际工作中是否最难填写？原因是什么？”
注意到了吗？它预设了“难填”这一事实。
优秀的追问应让用户能合理回答“不是”。若你的提问只能引出“是”，那你不是在探索，而是在推销。
上述5个反模式源于上周学习斯坦福CS146S Week 8课程时，在与AI的真实对话中被连续触发的总结。
当时的情况是这样的——
在学习v0的“Why显性化”一节时，AI给出提示：“若你在做平台时显性化历史决策的‘Why’，这就是你的护城河。”我随口追问：“具体怎么做？”
随后AI给出了第一版：5步落地实施 + 3阶段路径 + 12个月时间表。
我说还是太笼统，于是它给出了第二版：6个必填字段 + 3类沟通话术 + 完整路线图。
前两轮我都在认真研读方案、记录笔记。
直到某一刻，一种感觉浮现——“不是方案错了，而是方案过度了。”
于是，我提出了两个问题：
问题1：“投入这么大，未来真能用上吗？”——直接命中反模式1（以预言为论据）。
问题2：“需求文档里不是写过了吗？为何要重复？”——直接命中反模式3（颗粒度边界不清）+反模式4（堆砌复杂度）。
抛出两个问题后，我没让它修改方案，而是说：“你自己复盘一下，刚才这几轮你犯了什么错？”
它沉默了几秒，随后吐出了上述5个反模式。
这件事让我重新审视了PM使用AI的最大风险究竟是什么。
我之前的答案属于方向一或方向二的范畴——要么担心AI给错答案，要么研究如何更好地使用它。
但这次经历告诉我：真正的风险是方向三——AI给出了一个“过度合理”的方案。
为何更危险？原因有三：
第一，明显的错误你会警觉。AI产生幻觉编造不存在功能或数据算错——这些你能发现，因为领域经验会让你觉得“不对劲”。
第二，过度合理的方案不会触发警报。每步逻辑自洽，数据有源，时间表专业。大脑收到的是“这个AI很专业”的信号，而非“等一下”的信号。
第三，接受过度方案的代价是隐性的。你不会立刻发现自己在做无用功。可能花两个月做完Phase1，才发现无人使用或与现有工作重复。届时，沉没成本已让你难以回头。
绝大多数人对AI给出的反应模式是：
“接受 → 执行 → 后悔”
我倡导的是另一种模式：
“质疑 → 倒逼校准 → 沉淀规则”
差别不在AI的能力，而在于你是否愿意停下来问一句。
经历此次对话后，我在AI协作规则中增加了3条铁律。每次AI给方案都会自动触发，相当于为协作过程加装了一道防火墙：
AI一提“未来AI时代如何如何”→自动打折扣。
只有当它说出“你现在每天花X小时做Y事，Z地方有明确痛点”时才算及格。未来红利可提，只能当副产品，不可当主菜。
AI一上来就进入“怎么做”→打断它。
先让它列出“哪些情况不该做这个方案”。若找不到“不该做”的场景，那大概率是想当然的产物，非基于真实需求推导。
AI给了5步、7步、10步落地方案 →退回重给。
要求压缩成“1个动作就能启动验证”的版本，附带明确放弃条件——多久没产生X价值就承认是过度设计。先执行Phase0，验证通过再谈Phase1。
写本文初衷，旨在补齐AI协作讨论中长期缺失的一块拼图。
过去，我们看了太多“如何用好AI”的内容。提示词技巧、工具推荐、工作流搭建、最佳实践……这些都至关重要。
但很少有人告诉你：当你与AI讨论方案时，它可能正在给你设下“过度设计”的陷阱。
这不是AI变坏了。恰恰相反——能与我进行3+轮讨论、被两个问题问住后认错、还能自我复盘出5个反模式的AI，已是相当优秀的协作搭档。
问题在于：绝大多数用户对AI给出的方案，可能缺乏一层“防御性审视”。
我们习惯了检查“AI有没有犯错误”，但未养成习惯去判断“AI是否在给我一个不需要的方案”。
前者是找Bug。后者是做产品决策。
PM使用AI的真正护城河，不仅是会用最先进模型、掌握精妙提示词，更在于能在AI给出“看似完美”的方案时，停下来问一句：
“这事真的值得做吗？还是只是听起来像那么回事？”
未来不是论据，痛点才是。
点击关注下方账号，在AI学习路上，带你共同进步~