2010 年苏杰老师（本站ID：iamsujie）出版《人人都是产品经理》这本书，让一众想要进入互联网行业的非技术人员找到了门路。
产品经理这个职业在 2015-2020 这五年里到达顶峰，这也是移动互联网高速发展的 5 年。
但这“巅峰”的 5 年，是产品经理真正的高光时刻么?
牛马而已
那看起来“顶峰”的 5 年，只是时代需要产品经理们做牛马的 5 年。
“产品的是我们设计的，但代码是程序员写出来的、用户是运营做起来的、收入是销售卖出去的。锅我们背，但好事儿请靠边站。”
虽说“产品经理是 CEO 的黄埔军校”，但你真当上 CEO 了会发现，CEO 这个“职业”只是更大的背锅牛马。
这么多年过去了，你见过至少听说过很多离职做独立开发者过上平静富足日子的程序员、乘着短视频直播风口一夜暴富的运营，但很少听说功成名就的产品经理。
你看，国内最配做产品经理的那个人，即便成了乔布斯母公司的 CEO，最后都落个限高的结局靠直播才翻盘……
不是产品经理这个职业不行，是时代还不太好。
过去的 10 年，移动互联网时代是属于程序员的，短视频直播时代是属于运营的。
正在赶来的 AI 时代才是属于产品经理的。
背锅做牛马的日子结束了，请各位产品经理们准备好上席吃肉。
何谈高光
2017 年张小龙发布小程序的时候，我以为产品经理的高光时代到了，因为小程序的开发太便捷了。
但我还是低估了“交互”这两个字：从创意到实现，任何一个互动背后都需要一套复杂的逻辑来支撑，而这些逻辑都需要大量的代码来实现。
这个卡点，直到去年 6 月我突发奇想让 GPT 帮我写个网页工具才疏通。
之后我就一路“开挂”，让 AI 帮我写了一个把长文转成小红书图片的网页工具、写了一个付款截图自动识别然后记账到飞书表格的快捷指令 API、写了一个帮学员生成毕业证书的网页工具、写了一个预设问题上传合同自动审核的工作流……
有一次还花 5 分钟快速帮朋友写了一个生成嘉宾邀请海报的救急工具，顺便帮他省了 3899 的工具年费……
这对我这个编程水平只有 1/4 瓶醋的人来说，之前只敢想一想。
支撑实现这一切，主要来自两方面：1)今天的 AI 可以写代码帮你把想法变成产品;2)大模型可以作为交互的中转站，帮你省掉大量过程逻辑判断和实现。
1)AI 几乎可以帮你实现所有产品创意
复杂的工程需要深厚的开发功底，但大部分简单的产品创意，AI 可以一次性帮你实现了。
下面是我让 AI 帮我写生成毕业证书工具的实现过程：
我把交互逻辑和页面的布局告诉 AI，它就可以在 1 分钟内把几乎完整的页面实现代码写出来，并且教你怎么用，甚至还会给你一些优化建议!
不管是网页工具还是小程序，甚至简单的 App 开发，AI 都可以很好的胜任。
即刻上已经有好多产品经理在 AI 支持下成为了拥有自己应用的独立开发者：
2)用大模型做中间键省掉复杂的交互逻辑
相信大部分产品经理，都曾经冲动学过 HTML、JavaScript 甚至 Python 或者 Go，简单的交互逻辑只是写起来费劲，但使使劲也能用各种轮子拼起来。
前面那条 AI 的价值对于掌握一些编程经验的 PM 们来说是效率的提升，真正有价值的是大模型对交互逻辑的优化。
一个简单的例子：过去用户在产品里做一些查询或者信息获取类的交互时，你在设计实现逻辑时需要收集用户提交的信息、做内容或者动机判断、结构化处理、实现路径决策、后端请求设计，甚至还要有相对详实完善的数据库。
现在，这一系列工作可以全部交给大模型了。
我前几天做了一个小工具，实现这么一个功能：用户提交一篇文章，点击运行后直接生成几张可发布在小红书上的图片。
注：为了加速，截图把大模型总结长文结构化的过程截断
这个逻辑里，理解文章、把文章总结成结构化的输出、转化成图文卡片的过程，过去需要多个步骤，现在扔给大模型就可以一键搞定了。
我有一个学员是招聘行业的 B 端产品经理，他用大模型+工作流产品，做了一套简历自动审核打分的“系统”，竟然被大范围用起来了。
原本一个作业产品，现在已经接入到他们公司的系统中了。
作为最懂用户、最懂场景的产品经理，你们的高光时刻真的到了。你不用再被“技术”掣肘，在 AI 的加持下你可以快速把需求转成 MVP 投入真实场景!
心态和认知
产品经理存在的意义，就是把那些不完美的技术，让普通人完美地用起来。
最不该吐槽今天 AI 智力水平的就是产品经理，因为不够完美，才能体现我们的价值。
只要 AI 的底层技术不改变，不管接下来 GPT、Kimi 有多强，它们的价值都不能被普通人最大化，永远需要更懂用户的产品经理来“从中斡旋”。
我在《产品经理的AI学习地图》文章里有讲过产品经理的 AI 学习地图，产品经理学习 AI 时的心态不能跟普通职场人一样，应该站在更高的视角鸟瞰这一切。
了解大模型的原理，不是为了用好它，而是为了更好的利用以及用交互来弥补它的不足;学习 AI 的应用场景，也不是为了用好它，而是挖掘应用场景背后“产品化”的可能性。
