AI并未消灭PM，而是重构了产品流程的底层逻辑
近期行业流传着一种观点，认为随着AI编程能力的提升，写代码变得极其廉价，人人皆可制作原型，因此产品经理（PM）这一岗位将不再存在，公司应全员转型为“建造者”（Builder）。然而，OpenAI Codex主管Andrew Ambrosino在播客中对此观点进行了有力反驳，指出“人人皆可做产品”本质上是工程师的自嗨，背后隐藏着对非技术岗位的傲慢。Andrew拥有十余年硅谷经验，曾经历创业失败，如今带领Codex团队取得显著成果：Codex自今年1月至今，周活跃用户暴涨6倍，突破500万大关。更令人瞩目的是，在OpenAI内部，接近100%的员工每周都在使用Codex，包括财务和法务等非技术岗位。4月份，借助行业“龙虾潮”机遇，Codex进一步破圈，成为最受关注的AI编程工具之一。
“所谓‘人人皆可做产品’本质上就是毒鸡汤，是工程师的自嗨，背后甚至藏着一种‘觉得别的岗位都在摸鱼’的傲慢。”
Codex的爆红彻底颠覆了团队的产品工作方式。传统开发流程基于“实现昂贵”的假设，需先写文档、做低保真原型以规避风险，最后才动手编码。但在AI时代，实现成本已降至近乎为零，公司内部常出现九十多个团队同时开发功能相似的原型。当“把东西做出来”不再是瓶颈，真正的挑战转变为如何在众多原型中识别出具备灵气、系统适配且符合用户需求的产品。这一过程高度依赖产品经理和设计师的“品味”与判断力，而非单纯的技术实现能力。
产品流程反转：从“实现驱动”到“品味策展”
产品流程发生了根本性反转。过去，流程假设实现是稀缺资源，因此需通过研究、文档、原型逐步消除风险。现在，只要具备与大模型交互的能力，任何人（无论是否工程师）都能快速搭建功能原型。这意味着实现不再是瓶颈，真正的稀缺资源变成了“品味”，即策展能力。在产品流程中，策展能力体现为从数十上百次尝试中筛选出优质方案，判断其是否值得整合、归属哪个模块，甚至决定功能开关的细分逻辑。
针对“PRD已死，原型当立”的行业论调，Andrew持反对意见。他认为，媒介实现成本降低反而凸显了选择正确表达形式的重要性。若需表达模糊的产品方向或底层逻辑，文档仍是最佳载体；若需验证交互模式，则原型更合适。关键不在于媒介取代，而在于为观点选择匹配的载体。此外，原型存在“锚定效应”：过去高保真原型意味着流程后期，而今天半天即可生成逼真原型，导致团队易陷入细节修改，忽视宏观方向。因此，明确当前流程阶段比媒介选择更重要，避免将探索期方案误认为最终方案。
“品味”的多维定义：超越审美的系统思维与方向判断
Andrew指出，大众常误将“品味”等同于界面审美，但这一理解过于浅层。他引用Linear产品负责人的观点，强调过度强调审美而忽视品味的其他维度是误区。以Paul Graham为例，其穿搭随意但品味极佳，说明品味包含更深层的结构。
Andrew将品味拆解为三个层级：表层是审美，如动效节奏与语义匹配；中层是系统思维，考量功能在整体产品系统中的位置、主题归属及模块冲突；深层是方向判断，即在无限可能性中抉择投入资源的路径。品味并非挑选美观之物，而是在无限可能性中选出值得投入资源的路径。这也是Andrew强调的AI时代人类最不可替代的价值——判断力。当工具门槛降低，选择做什么、如何达成目标的能力变得愈发稀缺，这正是专业岗位无法被简单取代的核心原因。
AI设计能力的局限：打分难题、优先级与抽象层缺失
尽管AI在代码生成上进步显著，但在设计领域仍显不足，生成的设计往往带有明显的“AI风格”，缺乏让人一眼认定的独特性。Andrew分析了这一现象背后的多重原因。
首先是现实层面的打分难题。代码质量可通过编译、运行、Bug等明确标准量化，而设计好坏缺乏绝对量化标准，建立闭环反馈以训练模型远比训练代码模型复杂，人的主观判断在设计评估中无法绕过。其次是研究优先级的差异。早期代码模型发展迅速，是因为模型能辅助研究员编写实验代码，加速研究飞轮；而设计能力缺乏这种直接的正向循环，导致投入优先级较低。
“设计比代码更难打分……你要建立一个闭环让模型知道什么是好设计什么是坏设计，比训练代码模型要麻烦得多。”
更深层的问题在于文化与风格及抽象层缺失。设计具有强烈的文化和时代属性，如近期流行的Linear风格，若AI仅模仿此风格，则无法解决设计的核心创新问题。此外，视觉设计与底层代码之间存在完整的抽象逻辑，如组件间的语义关联和共享规则。品牌升级不仅是样式修改，更是梳理组件间的语义关系。目前大模型尚难掌握这种深层抽象能力，导致设计生成的同质化和缺乏深度。
设计流程演变：从“学院派”到“宝宝版”原型与区域联防
关于传统设计流程是否消亡，Andrew认为死的是旧形式，而非流程本身。传统学院派流程（用户研究-概念-高保真-开发）基于“实现昂贵”的前提，旨在一次性构建成功。如今，Figma降低原型成本，AI降低开发成本，完整实现可前置到流程前端。若死守旧流程形式，将导致效率低下。
Andrew介绍了新的流程实践：“宝宝版”产品。这是一种大幅简化但能还原正式交互的代码库，用于快速尝试脑洞，避免在正式代码库中反复修改。“宝宝版”是可运行的原型，是新设计流程的重要组成部分。在此背景下，团队协作模式演变为“区域联防”。产品团队不再依赖自上而下的年度规划，而是采取分布式防守，每个人覆盖一块区域，填补空缺。核心工作从写文档排期转向策展、引导和对齐，梳理散落在各处的创意并推动落地。
“产品团队更像是分布式的防守，每个人覆盖一块区域，哪里有空缺就补哪里。核心的工作不再是写需求文档排期，而是策展、引导、对齐。”
招聘重点转向主动性和品味，期望工程师具备产品意识，减少后期评审成本。每个人都带着判断力做事，才是最高效的模式。这种融合并非岗位消失，而是岗位由“时间分配重心”定义，而非“任务边界”。设计师可能写代码，但重心仍在设计；PM懂技术，但核心在于产品判断。深度嵌入式协作取代了严格的汇报层级，如Andrew所言，设计团队汇报关系取决于当周的工作重心。
路线图规划策略：短期细节与长期方向的平衡
在AI快速迭代的环境下，产品路线图规划面临巨大挑战。Andrew提出核心原则：越短期的事情，越要做细节；越长期的事情，越只看方向。任何超过九个月的精确计划都是虚假的精确，浪费时间。
具体策略包括：提前为未来一两年可能的功能制作原型，判断哪些可由当前模型支撑并上线，哪些需等待模型升级而“焖着”。每次模型重大升级后，重新测试旧原型，适用则上线。决定功能好坏的根本在于底层模型的智力，而非界面外观。
Andrew以Codex应用为例：2月发布的大获成功，若提前至去年11月发布必败，唯一变量是模型能力的代际升级。这要求产品经理具备宽容心态，不因功能当前不可行而否定其价值，可能只是生不逢时。同时，需避免过度超前，Andrew曾经历激进自主AI任务的失败，因当时模型能力不足以支撑高自由度。相比之下，竞品采取保守辅助策略，更匹配当时模型能力，从而成功。产品节奏感至关重要，需提前布局但不可超越当下模型能力，同一功能可能需多次发布等待模型跟进，而外形无需改变。
Codex的个人应用与未来愿景：渗透而非替代
Andrew分享了Codex在个人工作流中的应用及未来愿景。早期Codex定位为开发者命令行工具，现逐渐演变为“工作主基地”。Andrew个人使用Codex生成日报，汇总数千Slack频道信息，让AI列出五个最关键问题供其回答。在版本发布中，他利用Codex自动拉取代码提交和Slack更新，自动更新状态追踪器，大幅简化协调工作。OpenAI内部员工普遍利用Codex搭建私人工作系统，如过滤邮件、整理资料。
产品团队的任务是从这些个性化用法中提炼共性需求，沉淀为基础功能，如记忆功能。Andrew还探讨了AI操作电脑界面的能力，如直接配置云服务后台，无需API对接，AI可直接操作现有软件。他分享了一个案例：摄影师Brent利用Codex剪辑视频，Codex通过读取Premiere底层工程文件并编写插件，直接控制软件标记功能，完成复杂操作。
“AI的终点从来不是把所有软件都装进一个对话框里，而是像水一样，渗透进你习惯的所有工具里。”
这揭示了AI产品的两条路径：一是作为“手”直接操作现有软件，二是作为平台叠加高阶能力。Codex的愿景是成为用户工作的起点和终点，自动调用所需工具，并根据任务调整界面复杂度（如做表格隐藏代码，写代码展示开发环境），无需为不同人群割裂版本。技术工作与通用知识工作间的界限正在模糊，Codex正从开发者工具向通用工作主基地演进。
失败教训与核心结论：判断力是AI时代的最强护城河
在“失败角落”环节，Andrew回顾了十余年创业历程，在Codex成功前，他经历了约十到十五年的失败，包括公司被拆分贱卖。他珍视内部团队的直言不讳，认为毫不留情的批评是产品优秀的保障。成功往往是技能、热情与市场时机对齐的结果，允许失败，只要有一次成功即可。
访谈核心结论在于：AI从未消灭专业，只是将门槛从“会不会做”提升至“选什么做”。以前，代码和设计技能是硬门槛；现在，AI降低了实现门槛，但判断什么是好的、对的、值得做的能力变得更为稀缺。那些砍掉PM、推崇全员Builder的公司，误将“实现容易”等同于“产品简单”，如同认为会用Word就能成为作家。工具仅是工具，决定产品高度的永远是使用工具的人的判断力。在AI时代，保留对专业核心能力的敬畏，强化品味与判断力，才是应对变革的正确姿态。
“AI从来没有消灭专业，它只是把专业的门槛从‘会不会做’抬到了‘选什么做’。以前你会不会写代码、会不会做设计是硬门槛，现在AI帮你降低了实现的门槛，但判断什么是好的、什么是对的、什么是值得做的，这种能力反而变得更稀缺了。”