💡 核心結論速覽 (TL;DR)
- 邊界為什麼消失：AI 把「市場調查、競品分析、規格書」這 3 件過去要跨部門排隊的事，壓到一個下午就能生初稿，於是「誰負責」整個糊掉——老闆的期待值先漲了。
- PM 真正的轉變：產出從「交付進度」變成「交付判斷」。AI 生得出草稿，生不出「這個結論能不能賭」的責任，那一塊只有你能扛。
- 最容易踩的雷：把 AI 的漂亮初稿當成定案直接往上送，結果被一個追問打回原形——快，不等於可信。
- 你可以馬上做的事：用本文的「3 條重新劃線」把自己的角色定位在 AI 做不到的那一層；如果你是剛被老闆說「有 AI 很快吧」的 PM 或企劃，先看完再回訊息。
先講一個我最近很有感的場景。開會到一半，老闆轉頭跟企劃說：「你做一下市場調查、順便競品也調一下，現在有 AI 很快的，下班前給我應該可以吧？」空氣安靜了兩秒——那個企劃的臉，我太懂了。
這幾年帶團隊，我看著AI 時代 PM 的工作邊界一塊一塊被磨掉。以前「這是誰的活」很清楚，現在只要一句「反正有 AI」，市場調查、競品分析、規格書全部變成「好像誰都能做、所以好像該你做」。這篇不談哪個工具好用，談的是更痛的那題：邊界消失之後，PM 到底該把自己站在哪裡，才不會變成那個「什麼都碰、但什麼都不算數」的人。
為什麼 AI 時代 PM 的工作邊界正在消失？
直接說結論：邊界消失的根因不是 AI 搶了誰的活，而是 AI 把「產出初稿」的成本壓到趨近於零，於是老闆對「該由誰做、多快做完」的期待值整個重設了。過去市場調查要等研究資源、競品分析要業務餵資料，這些「排隊時間」本身就是一道天然邊界；AI 一來，排隊沒了，邊界跟著沒了。
我自己的觀察是，痛點從來不在「AI 做不做得到」，而在「那件事現在算誰的 KPI」。當企劃能一個下午生出競品表、當工程師能叫 AI 補一份規格草稿，職稱對應的責任就開始漂移。這也是為什麼我一直提醒團隊：與其焦慮被取代，不如先看清楚AI 讓職稱失效後，產品團隊正在長出哪 5 種新角色——你會發現「邊界消失」其實是「邊界重畫」，只是沒人發公告。
對我這種從基層工程師一路做到帶團隊的人來說，這件事的體感特別強：以前升遷是「你這塊守得好」，現在是「你能不能在別人守不住的模糊地帶做決定」。守備範圍變模糊，反而是判斷力值錢的開始。
市場調查、競品分析該誰做？AI 讓「誰負責」變模糊
先給答案：市場調查和競品分析，現在「誰生初稿」已經不重要，重要的是「誰為這份結論簽字」。AI 可以在幾分鐘內把一份看起來很完整的競品比較表端到你面前，但它不會告訴你哪一欄是它腦補的、哪個對手其實上季已經轉型。
我把過去和現在的分工變化整理成下面這張表，你可以對照看看自己團隊卡在哪一格：
| 工作項目 | AI 之前的分工 | AI 之後的真實狀況 | PM 該接手的那一層 |
|---|---|---|---|
| 市場調查 | 研究／行銷排期做 | 誰有空誰叫 AI 生 | 判斷資料可信度、挑真正要回答的問題 |
| 競品分析 | 業務餵資料、PM 彙整 | AI 一鍵生對照表 | 看穿對手意圖、指出表裡沒說的風險 |
| 規格書 | PM 主寫、工程師補 | 工程師也能叫 AI 補草稿 | 定義「為什麼這樣做」而非「做什麼」 |
你會發現，右邊那欄全部指向同一件事：AI 接走了「產出」，把「判斷」赤裸裸留給你。所以我現在帶人，不太在意他 AI 用得多熟，反而會問：「這份競品表，你敢不敢拿去跟老闆賭一個決策？」敢，你就是 PM；只是複製貼上，那 AI 也會。
如果你連 AI 該用哪幾把、怎麼分工都還在摸索，可以先補一下底：我實測過產品經理到底該怎麼挑 AI 工具、哪 14 款真的能把 PRD 從 4 小時砍到 30 分鐘，把工具這關先解決，才有餘力顧判斷這關。至於市場調查最容易被 AI 唬住的地方，其實跟用戶研究同一個坑——AI 很會生一個漂亮的結論，卻還原不出「在現場」那種說不清但很關鍵的洞察，這點我踩過，後面會講。
規格書呢？企劃、工程師、AI 的三角關係
規格書是這波邊界最模糊的重災區。過去它是 PM 的地盤，現在工程師嫌需求不清楚，自己叫 AI 補一份就開工了——聽起來很有效率，對吧？我第一次遇到時也這麼想，直到那個專案上線前才發現大家「各寫各的規格」。
那次的坑是這樣：企劃用 AI 生了一版偏行銷語言的規格，工程師覺得不夠細，又自己叫 AI 補了一版偏技術實作的，兩份文件都很完整、也都不衝突，但就是沒有人回答「這個功能到底為了解決誰的什麼問題」。結果做出來的東西技術上沒錯，卻不是使用者要的。AI 把每個人的「做什麼」都補齊了，唯獨「為什麼」沒人負責。
從那次之後我學到的判斷是：當人人都能生規格草稿，PM 的價值就不在「寫」，而在「定義意圖」與「守住取捨」。誰都能用 AI 走完從一個產品需求到原型的完整流程，但流程跑得順不代表方向對；順著錯的方向高速前進，是我看過最貴的效率。
PM 不能只交付進度，而要交付判斷
這是我這篇最想留給你的一句話：AI 時代，PM 交付的不再是進度，而是判斷。進度 AI 幫你追、報表 AI 幫你生，唯獨「這條路值不值得走、這個風險要不要吞」，AI 只能給你機率，簽字的是你。
舉個我很有感的例子。有陣子團隊很迷「讓 AI 估工時、估市場規模」，數字生得又快又漂亮，但我實測後發現AI 的產品估算誤差大到常常得直接打對折。那一刻我更確定：AI 給的是「看起來可信的數字」，而 PM 要交付的是「知道它哪裡不可信、還敢下決定」的判斷力。這兩者差一個字，職涯差一個層級。
所以我現在盤點自己的產出時，會刻意分兩堆：一堆是「AI 也能做的」（草稿、彙整、格式化），一堆是「只有我敢負責的」（取捨、優先序、跟老闆說不）。前者盡量交給 AI 省時間，後者才是我真正該花力氣的地方。這套「怎麼把 AI 當生產工具、把判斷留給自己」的思考方式，也是我後來寫成一整本電子書的核心，文末會提。
邊界消失後，PM 該怎麼重新劃線？（3 條實戰界線）
與其等公司發新的職責公告（不會有的），不如自己動手劃線。下面是我帶團隊時實際在用的 3 條界線，你可以直接抄去用：
❶ 產出線：能被 AI 一句話生出來的，都不是你的護城河。把這類工作大方交出去、或直接叫 AI 做，省下的時間拿去做判斷。緊抓著「我很會生規格」不放，反而暴露你可被取代。
❷ 責任線：你可以用 AI 的草稿，但不能用 AI 的名義簽字。任何往上送的結論，先問自己「被追問三次我扛不扛得住」。扛不住就別送，這條線守住了，老闆的信任才在你這。
❸ 意圖線：別人補「做什麼」，你負責「為什麼」。當企劃、工程師都能用 AI 補齊執行細節，PM 唯一不能外包的就是定義問題、守住取捨。這條線，就是你在模糊地帶還站得住的原因。
誠實說，這 3 條線劃下去會有陣痛——你得放掉一些「看起來很忙很有貢獻」的活，換來一些「別人一時看不到、但真正值錢」的責任。如果你正處在那種「明明很努力卻覺得自己隨時能被換掉」的中階焦慮裡，我完全懂那種內耗，也另外寫過給35-45 歲中階職場人的 4 個現實評估與冷靜計畫，可以搭著看。
常見問題 FAQ
市場調查、競品分析交給 AI 做，PM 會不會就沒價值了？
剛好相反。當生初稿變便宜，「判斷初稿可不可信、要不要據此下決定」反而變稀缺。PM 的價值從「會做」升級成「敢為結論負責」，這是 AI 給不了的。你要擔心的不是被 AI 取代，是被那個「同樣用 AI、但更敢下判斷」的同事取代。
老闆說「有 AI 很快，今天就給我」，該怎麼回比較不踩雷？
我會這樣接：「初稿今天能給，但我需要半天確認哪幾個數字是 AI 腦補的，免得我們拿錯資料做決策。」把交付切成「AI 的快初稿」和「我背書的可信版」兩段，既接住期待，又守住責任線——這比硬說「做不完」或硬吞下去都聰明。
PM 和工程師都能用 AI 補規格，該以誰的為準？
以「誰定義意圖」為準，不是「誰寫得細」。AI 補得出實作細節，補不出「這功能為了解決誰的什麼問題」。PM 該做的是把兩份草稿收斂回同一個「為什麼」，而不是比誰的文件長。文件長度從來不是規格的重點。
剛入行的 PM，在邊界模糊的環境要怎麼卡位？
先別急著證明「我 AI 用得很熟」——那是門檻，不是優勢。把力氣花在練「判斷」：每次用 AI 生完東西，強迫自己補一句「但我覺得這裡有問題，因為……」。能持續產出這句話的人，很快就會跟只會複製貼上的人拉開距離。
寫在最後：邊界會一直變，判斷力才是你的定錨
老實說，我不覺得這波邊界重畫會停下來，AI 只會讓更多「產出型工作」變便宜。但我反而因此更安心——因為它把價值狠狠地推向「判斷、取捨、負責」這些最像人、也最難外包的能力。邊界會一直變，你的判斷力才是那個不會被沖走的定錨。
如果你也在思考「AI 把活都做了，我這個角色到底往哪走」，這其實是一個更大的職涯命題。我把它另外拆成一篇，聊職涯迷茫時怎麼靠 5 個提問找回方向，適合這個週末給自己半小時想清楚。
📖 想把「用 AI、卻不被 AI 稀釋」變成一套能力？
這篇談的「把產出交給 AI、把判斷留給自己」，其實是我花了很長時間、帶團隊踩過無數坑後整理出來的一套思考方式。我把它完整寫成了電子書《AI 產品設計大師》——從需求判斷、AI 協作到怎麼在模糊地帶做決定，講給每一個「不想只當 AI 操作員」的產品人。如果這篇有戳到你，這本會給你更完整的地圖：在 Readmoo 看《AI 產品設計大師》。
💡 追劇族延伸閱讀
用腦一整天、想關掉判斷力放空一下？我平常追陸劇也很挑平台，順手整理了WeTV、愛奇藝、Disney+ 到底怎麼選才不踩雷的合法追劇完整評比，讓你下班能無痛接上熱門陸劇。
參考資料
