💡 核心結論速覽 (TL;DR)
- 面試官問「你怎麼用 AI」，測的不是工具清單：他要聽的是你在哪一步選擇相信 AI、哪一步選擇不信，以及你為這個決定付出過什麼代價。
- 三種一聽就扣分的答法：報菜名（「我 ChatGPT、Claude、Gemini 都用」）、全都交給它（「初稿都是 AI 寫的」）、完全不碰（「我還是習慣自己來」）。三種都會被歸到同一格：沒有判斷。
- 能不能在求職過程用 AI，公司規定差很多：Anthropic 官方指引就分四段——投履歷「自己先寫第一版再讓 Claude 潤」、面試準備可以用、take-home 作業不行、live 面試不行。台灣媒體今年 6 月報的「連 AI 公司都禁用 AI」只講對後面兩段。
- 下一步：今晚花 20 分鐘，從你手上真實跑過的流程裡挑一段，用文中的 4 段式結構寫成 90 秒版本，錄音聽一次——這比背 30 題題庫有效得多。
面試進行到第 25 分鐘，對面的人抬起頭問：「那你平常怎麼用 AI？」你腦中第一個浮出來的答案，八成是「我每天都在用 ChatGPT」。
先講結論：PM 面試 AI 這一題，考的不是你會用幾個工具，是你有沒有一套自己的分工判斷。面試官想知道的是——哪一段你放手給 AI、哪一段你堅持自己來、以及你怎麼發現這條線該畫在那裡。工具名字誰都說得出來，那條線說不出來。
我自己坐在面試官那一側的時候，最怕聽到的就是流暢又空的答案。有一次我問了「你都用哪些 AI 工具」，對方非常順地報了五個名字、還加上每個的特色，聽起來很像那麼一回事。但我追問「有沒有哪一次你決定不用 AI」，空氣就停住了。那次之後我把問法整個換掉，因為我發現：問工具只會拿到罐頭答案，問取捨才問得出人。
這篇我想把三件事講清楚：面試官在這題背後真正想確認什麼、哪三種答法會被默默扣分、以及如果你手上根本沒有「AI 專案」，該怎麼答才不心虛。
面試官問「你怎麼用 AI」，其實是在測什麼？
測的是判斷力，不是熟練度。這題在 2026 年的功能，等同於十年前那題「你怎麼跟工程師溝通」——問的是介面，看的是你怎麼在資訊不完整的情況下做決定。
會這樣問，是因為熟練度已經不值錢了。工具會用的人太多，而且門檻每個月都在往下掉；能穩定判斷「這個產出可不可信」的人反而變稀有。我帶團隊這些年感受最深的一點是：AI 讓交付變快，但也讓錯誤變得更難被發現，因為它錯的時候版面排得很整齊。
把面試官的心裡話翻譯出來，這題大概想確認三件事：
- ❶ 你有沒有真的用——不是聽過、不是玩過，是把它接進某個會被別人檢查的流程裡
- ❷ 你知不知道它在哪裡會壞——說得出具體的失敗場景，比說得出十個功能有說服力
- ❸ 你有沒有為此付過代價——踩過坑、回頭補過、改過做法，這才叫經驗
第三點最常被忽略，卻是最強的訊號。能講出「我曾經直接採用 AI 排出來的前三大痛點去排期，後來發現那個統計把三十則放在句尾的許願全漏掉了」的候選人，比任何工具清單都有份量。
這也是我在把兩百多則評論丟給 Notion AI 跟 Claude 之後學到的那件事裡寫過的同一個教訓：AI 的產出適合當第一版草稿，不適合當結論。
你的下一步：先別想答案，先想「我哪一次因為太信 AI 而吃過虧」。想得出來，這題你就已經贏一半。
PM 面試 AI 這題，哪三種答法一聽就扣分？
三種答法會被歸到同一格——「這個人沒有自己的判斷」。它們表面上完全不像，一個太熱、一個太懶、一個太冷，但落到面試官的評分表上是同一個結論。
| 扣分答法 | 聽起來像什麼 | 面試官心裡的判定 |
|---|---|---|
| 報菜名型 | 「ChatGPT、Claude、Gemini、Notion AI 我都有用，各有各的強項。」 | 你在背產品介紹。追問一句「哪一次你換過工具、為什麼換」就會斷片。 |
| 全都交給它型 | 「規格書初稿現在都是 AI 寫的，我改一改就送出去。」 | 你把可被檢查的責任外包了。這個人進來，我得幫他複查每一份文件。 |
| 完全不碰型 | 「我還是習慣自己來，AI 寫的東西我不太信。」 | 不信可以，但你說不出不信的理由，就只是沒試過。 |
最可惜的是第三種。不信任 AI 本身完全站得住腳，問題在於多數人講不出「我在哪個具體場景試過、結果怎樣、所以我改成人工」。同樣是不用，「我試過讓它整理訪談逐字稿，但它會把使用者的原話潤成漂亮結論，所以那一段我堅持自己讀」是一個判斷；「我不太信」則是一個態度。
我自己最愛用的追問只有一句：「有沒有哪一次，你決定不用 AI？」這句話的殺傷力在於它沒有標準答案，背不起來。答得出來的人，通常後面十分鐘都很好聊。
老實說我也曾經是報菜名的那個人。剛開始同時訂閱好幾家 AI 的時候，我很得意自己「什麼都有」，直到有人問我「那你為什麼要同時養三個」，我才發現我的理由是「怕漏掉」，不是「我分工分得清楚」。那次之後我認真把工作拆開重排，才有了現在產品經理該怎麼從一堆 AI 工具裡挑出真正會留下來的那幾個的那套排法。
PM 面試 AI 怎麼答？我會用的 4 段式回答結構
用「情境 → 分工 → 我不信它的地方 → 結果與代價」四段來組，90 秒講得完，而且每一段都在補一塊面試官要的資訊。這個結構的好處是它逼你講具體的事，講不出來的人自然套不進去。
四段各自的任務很清楚：
- ❶ 情境——你在做什麼、為什麼那件事很花時間（30 秒內要讓對方看見畫面）
- ❷ 分工——哪一段交給 AI、哪一段留給自己，講清楚切法而不是工具名
- ❸ 不信它的地方——你設了什麼檢查點，怎麼確認它沒有唬你
- ❹ 結果與代價——省下什麼、又多付出什麼（這段最加分，因為誠實）
把它填成真的答案，聽起來會像這樣：
「我們每個迭代會收到大量使用者回饋，以前我要花一整個下午讀完。現在我先讓 AI 做去重跟分類，但我要求它每一個標籤都附上判斷依據的那一句原文。
分類我看它的，但『這個抱怨算不算真需求』我一定自己判，因為它不知道我們的技術債在哪。這樣做整理時間確實少很多，代價是我得多花時間設計指令、還要固定抽驗一批人工對答案——省下的時間有一部分是被前置作業吃掉的。」
注意第四段那個「代價」。多數候選人會把時間省下多少講得很漂亮，卻不提代價，聽起來就假。願意講代價的人，反而讓人相信前面三段是真的。
被追問細節時，最常見的追加題是「那你怎麼確認它沒有唬你」。這題建議你準備一個具體的檢查機制，例如要求先給原句再給結論、或是固定留一批人工標好的樣本去對答案。
我把估工時那次的教訓寫在拿三種規模的需求去測 AI 估算、結果誤差大到得打對折的那篇裡：需求越大它越樂觀，你不設檢查點就會直接把它的樂觀簽進排期。
你的下一步：把上面四段各寫兩句話，總共八句，就是你的 90 秒版本。寫完錄音聽一次，卡住的地方通常就是你其實沒做過的地方。
沒有 AI 專案經驗，PM 面試怎麼答才不心虛？
用日常流程當證據，不要硬掰專案。面試官要的是「你會不會判斷」，而判斷力可以從任何一段真實工作裡長出來，不一定要掛在一個叫「AI 專案」的東西上。
這題我被朋友問過不只一次。有位朋友在傳統產業做產品，公司連正式的 AI 工具採購都還沒有，他很焦慮地問我「那我是不是根本沒得講」。我的回答是：你每週要整理的那份跨部門進度報告，本身就是最好的素材。
可以拿來當證據的日常流程，比你以為的多：
- ❶ 把會議錄音整理成可追蹤的待辦——重點在你怎麼確認它沒漏掉爭議點
- ❷ 把散在各處的競品資訊整理成一張對照表——重點在你怎麼查證它抓來的規格是對的
- ❸ 把使用者的口語抱怨翻成可討論的問題描述——重點在你怎麼避免它自己潤出結論
- ❹ 把一份長文件濃縮成給主管看的三段摘要——重點在你怎麼決定哪一段不能被濃縮
看出共同點了嗎？四項的「重點」全都在你身上，不在工具身上。這正是面試官要聽的東西——你不需要一個很炫的專案，你需要一個你真的想過的檢查點。
還有一種情況更常見：你其實有在用，但公司文化不鼓勵，所以你沒對外講過。這件事沒有你想的那麼特殊，我在寫上班族為什麼寧可偷偷用 AI 也不敢在辦公室攤牌時整理過這個現象。面試時可以誠實說明環境限制，然後把重點放在你個人建立的做法上——這反而顯示你在沒有制度支援的情況下還會自己想辦法。
你的下一步：翻開你上週的行事曆，找出最花時間的那件重複性工作，問自己「如果要交出去一半，我會交哪一半、留哪一半」。答案就是你的素材。
求職過程到底能不能用 AI？先看公司自己的規定
不同階段規定差很多，而且「可以用」和「不可以用」常常出現在同一家公司。與其猜，不如看有公開政策的公司怎麼寫——Anthropic 的候選人 AI 使用指引是目前少數把分寸寫得很細的一份。
它把整個求職流程切成四段，每一段的立場都不一樣：
| 階段 | 官方立場 | 對你的實際意思 |
|---|---|---|
| 投履歷 | 請自己先寫第一版，再用 Claude 潤稿 | 經歷必須是你的，AI 只負責讓你把它講清楚 |
| 面試準備 | 可以用來研究公司、練習回答、準備問題 | 用 AI 當陪練是被鼓勵的，不算作弊 |
| Take-home 作業 | 除非另外說明，不要使用 | 這一關考的就是你自己，別冒險 |
| Live 面試 | 除非另外說明，全程不使用 | 即時反應本身就是考題 |
這份指引有意思的地方在於，它不是「禁不禁」的二分法，而是照「這一關到底想確認什麼」來切。要確認你的表達力，就讓你用工具把話說清楚；要確認你的即時判斷，就把工具收走。
順帶澄清一件事。台灣有幾家媒體在 2026 年 6 月報導過「連 AI 公司都禁用 AI 面試」，那個說法只講到後面兩段。官方頁面現在寫的是邀請你使用 Claude、來展現更多的你，禁的範圍限定在 take-home 與 live 面試。這個落差本身就很值得記住：關於 AI 的規定變動很快，二手轉述常常慢一拍。
如果你面試的公司沒有公開政策，我的建議是直接問人資一句「這份作業可以使用 AI 工具嗎」。問了不會扣分，被抓到才會。
身邊的 PM 都還在手動，我要怎麼比？
你的優勢不會來自「比同事早用」，會來自「比同事早把它變成可以交接的流程」。前者三個月後就被追平，後者是能寫進履歷、講得出結構的東西。
市場的方向其實蠻明確的。104 在 2026 年 6 月發布的《AI 人才趨勢報告》裡有一組數字我印象很深：專案／產品管理這一類的 AI 相關職缺，從 2022 年的 951 人成長到 2026 年的 3,453 人，增幅 263.1%，是所有非工程職裡成長最多的一類。
同一份報告也提到，近五年 AI 人才需求成長 97.6%，遠高於整體招募市場同期的 22.9%。這個差距的意思是：需求在往非工程職外溢，而 PM 剛好站在最前面那一排。
雇主端的態度也早就有數字。微軟與 LinkedIn 在 2024 年那份跨 31 國、31,000 名知識工作者的調查裡，有 66% 的主管說不會雇用沒有 AI 技能的人，71% 說寧可選經驗較少但具備 AI 技能的候選人。
那份調查已經有段時間，但我覺得它真正的意義不是嚇你，而是提醒你——這件事已經從加分項變成基本盤。你需要的是差異化，不是及格。
所以「比同事早用」為什麼不管用？因為那只是及格。真正能拉開距離的是三件事：你能不能說出分工邏輯、能不能設計檢查點、能不能把它寫成別人照著做也能跑的流程。第三項尤其值錢——一個能交接的流程，等於你把個人技巧升級成組織資產，這在升遷和面試裡的分量完全不同。
這也是我這幾年一直在做的事：把自己每天的用法收斂成可以講清楚的分工，而不是收集更多工具。我把 PM 角色該怎麼重新劃線這件事寫在AI 時代 PM 的工作邊界正在消失、市場調查跟競品分析到底該誰做那篇；如果你更想看訪談這一段怎麼處理，讓 AI 還原「在現場」的洞察、而不是替你生一個漂亮 Persona 是另一個角度。
📖 這篇只能講到面試桌上那 90 秒。如果你是 PM、產品設計或行銷企劃，想看三大 AI 在需求、規格、原型、驗收各階段怎麼分工，怎麼串成一條能交接的完整工作流，那部分我整理成了一本書——《AI 產品設計大師：三大 AI 的思維解碼與實戰指南》，是我自己走完這條路之後整理出來的操作手冊。
PM 面試前一週，我會準備哪些東西？
準備三份素材就夠了，不需要背題庫。這一週要做的不是「多知道一點」，是把你已經做過的事整理成別人聽得懂的版本。
我會照這個順序準備：
- ❶ 一個 90 秒的主故事——用前面的四段式結構寫成八句話，錄音聽過一次
- ❷ 一個「我決定不用 AI」的案例——這是被追問時的王牌，一定要準備
- ❸ 一個失敗案例＋補救做法——講你怎麼發現的、怎麼改的，不用美化
三份素材以外，我還會做一件事：把要應徵的那間公司的產品打開來用一次，然後準備一個「如果我是這裡的 PM，我會先看哪個環節能不能用 AI 縮短」的想法。這個動作花不到一小時，但它會讓你的回答從「我的經驗」變成「我對你們的判斷」，是差距最大的一步。
至於題庫，我的看法是可以看但不要背。理由很簡單：現在人人都能生出漂亮的通用答案，背出來的東西反而更容易被辨識出來。與其記三十題，不如把你自己的三份素材練到可以隨時被追問三層。
如果你正在準備履歷那一關，工具選擇是另一個題目了，我另外整理過五款 AI 履歷產生器實測、轉職族怎麼在 30 分鐘內生出第一版；而如果你會焦慮到睡不著，把 AI 新聞帶來的恐慌調回主動感的那六個做法可能比多看一份題庫有用。
你的下一步：現在就把「我決定不用 AI 的那一次」寫成三句話。這題答得出來，其他都好說。
FAQ 常見問題
面試時直說「規格書初稿我用 AI 寫」，會不會被扣分？
會不會扣分取決於你有沒有下半句。只講「初稿我用 AI 寫」聽起來像把責任外包；補上「但驗收條件、風險段落跟取捨理由我一定自己寫，因為那部分要為結果負責」就變成分工說明。差別在你有沒有畫出那條線，不在你有沒有用。
沒有 AI 相關專案，PM 面試會不會直接出局？
不會，除非那個職缺本身就是 AI 產品。多數 PM 職缺問這題是想確認你的判斷力，不是驗收你的專案履歷。用你每週真的在跑的重複性工作當素材——會議記錄、競品整理、回饋分類都可以，重點放在你設了什麼檢查點、發現過什麼問題。
履歷用 AI 潤稿會被看出來嗎？該不該用？
該用，但順序要對。已經公開政策的公司多半是同一個立場：自己先寫第一版，再讓 AI 幫你把話講清楚。會被看出來的通常不是「用了 AI」，而是「內容空到沒有任何只有你才寫得出來的細節」——具體的數字、專案名稱、你當時的取捨，這些 AI 生不出來，也正是面試官在找的東西。
面試官問「你覺得 AI 會不會取代 PM」，這題怎麼答比較安全？
別選邊站，改談任務層級。比較穩的答法是：AI 已經吃掉 PM 工作裡可被規格化的那部分，例如資料整理、初稿產出、格式轉換；留下來的是需要承擔後果的判斷，例如優先序、取捨與跨部門協調。想更完整地想這個問題，可以看哪些職業真的在高風險名單上、又該怎麼選路，還有Z 世代跟資深員工在 AI 這件事上的差距到底在哪。
寫在最後
回到最開始那個場景。面試進行到第 25 分鐘，對面的人問「你平常怎麼用 AI」——這一刻你要交出去的不是工具清單，是一段你真的走過的路。
如果你只記得這篇的一句話，我希望是這句：面試官不是在確認你跑得多快，是在確認你知不知道自己什麼時候該踩煞車。
準備面試那幾天，我通常也不會逼自己一直讀資料。腦袋轉不動的時候我會直接關掉文件去追一集劇，隔天再回頭看那八句話，常常會發現昨天卡住的地方其實只是講太複雜了。
至於 AI 到底讓我變輕鬆還是更忙，我在每天用 AI 超過 10 小時之後看懂的那五個原因裡寫得比較完整。想看更多我對 AI、產品與跨兩岸生活的觀察，也可以到關於夜羽凌逛逛，或訂閱我的部落格，會不定期收到信。
💡 追劇族延伸閱讀：準備面試很燒腦，總要有東西讓腦袋降溫。如果你也是靠陸劇回血的那種人，WeTV、愛奇藝、Disney+ 到底該訂哪一個才不會白花錢這篇可以幫你在下單前少走一段冤枉路。
參考資料
- Anthropic — How to collaborate with Claude during our hiring process（候選人 AI 使用指引官方原文）
- Microsoft WorkLab — 2024 Work Trend Index Annual Report（66% / 71% 數據與樣本說明）
- 104 職場力 — 《AI 人才趨勢報告》（專案／產品管理類職缺成長 263.1%）
- Claude、ChatGPT、Notion AI（文中提及工具官方頁）
