AI 時代的限制理論 (二) – 做得更快後，省下的時間該花到哪去？
上一篇 AI 時代的限制理論：為何開發產出加倍，營收卻沒翻倍？，我談了一個現象：用了 AI 之後，功能做得更快、產出更多，為什麼營收卻沒有跟著成長？我用限制理論來理解這件事：整個系統能創造多少成果，會受到瓶頸的限制。過去，想做的事情很多，工程資源卻不夠，所以我們很自然地把重點放在開發效率，希望有限的產能能做出最有價值的東西。
但當 AI 大幅加速開發，後面的環節就可能接不住了。你可以更快推出十個功能，用戶卻未必有時間注意這十個功能；產品上線之後，也還是需要足夠的流量與觀察時間，才能知道它到底有沒有效。於是，原本卡在「做不出來」的問題，逐漸變成「市場來不及消化，也來不及取得回饋」。這時候，繼續增加開發量，就不一定能增加商業成果。
所以我認為，團隊要特別注意資源的分配，除了維持必要的小優化，也要把省下來的時間，投入更有機會改善產品體質的中突破，或打開新市場的大躍進。每一次珍貴的市場驗證機會，都應該用在更高期望值的題目上。
最近又做了一場分享，我想把這個問題再往下推進：除了重新安排既有產品的工作，我們還能做什麼事，來打破 AI 時代的市場瓶頸。
廣告時間：歡迎來我當顧問的 CMoney 應徵 Jr.PM 和 Sr.PM，就可以直接聽到我現場分享啦！
直接打破市場瓶頸：多產品策略
當瓶頸在開發，我們會想辦法提高工程產能。但如果現在做得出來，市場卻消化不了，接下來就要問：我們能不能擴大可以服務的市場，讓新增的產能有機會轉成營收？
一個產品有自己的定位與目標用戶。開發變快，不會自動讓更多人需要它。持續往同一個產品疊功能，也可能只是在滿足同一群人的需求，卻沒有打開新的成長空間。這時候，就值得考慮用不同定位的產品，服務其他客群，或滿足既有用戶在不同情境下的需求。
但，新產品往哪找？
首先是通路。我們熟悉什麼分發方式？既有網站、廣告操作能力，或 KOL 合作經驗，還適合拿來推廣哪些產品？有能力做出來，也要有辦法讓對的人看見。如果已經有熟悉的通路，就值得想想，還有哪些需求適合透過這些通路被服務。
再來是資源。例如已經投入的系統、資源與其他能力，有哪些可以重複利用，組成新的服務？相同的底層資源，可能可以支援不同定位的產品，讓我們用比較低的額外成本，接觸不同的需求。
也可以從用戶缺少的互補品看。他們在使用目前的產品之前、之後，還有哪些事情沒被解決？有沒有另一個工具或服務，可以滿足同一群人的另一種需求？這些機會，往往需要回到用戶的完整情境，才看得見。
最後，是重新評估過去不划算的利基市場。過去開發資源有限，團隊常會依照八二法則，把資源集中在少數能帶來大部分效益的需求上。這樣的取捨，讓我們能優先服務主要客群，但也意味著，那些規模較小、需求較分散的市場，往往就被放棄了。即使知道有人需要，也會因為資源要集中在效益最大的地方，而決定先不做。
AI 降低開發成本後，這些小市場就有機會重新被評估。原本不值得做的產品，現在可能值得嘗試。
充分利用瓶頸的方法一：把省下來的時間，做更好的規劃
除了尋找新的市場，我們也可以回頭檢查，省下實作的時間，我可不可把同樣一個題目，把它做得更成功？
我想分享一個 YouTube 封面製作的經驗。
小游是 YouTube 頻道製作人，以前花很多時間做影片封面。我介紹他用 ChatGPT 產圖之後，原本在 Canva 上拉半小時、一小時的圖片，可能三到五分鐘就完成了。製作速度快了很多，可是流量沒有因此跟著提升。
這件事跟產品開發很像。圖片做得快，並不會讓觀眾更想點進來。真正影響觀眾的，還是這個題目跟他有什麼關係，以及標題和封面能不能引起他的興趣。
後來，我把 CCN 框架的相關內容整理成 AI 可以反覆使用的 Skill，讓他拿來跟 AI 討論。CCN 把受眾分成 Core、Casual、New，也就是核心受眾、偶爾觀看的受眾，以及尚未接觸過內容的新受眾。曾與 MrBeast 合作的 YouTube 顧問 Paddy Galloway，在訪談中談過這個思考方式：好的題目要能照顧核心觀眾，也讓其他潛在觀眾有興趣。
於是，小游開始花更多時間看數據、想受眾，跟 AI 討論這些人為什麼會對某個題目有興趣。同一支影片，怎麼呈現才能讓原本的觀眾想看，也讓不熟悉頻道的人看得懂、願意點進來？這些問題，都得在製作封面時想清楚。
結果很有意思。圖片製作變快了，規劃時間卻大幅增加，整件事情未必比較早做完。但在小游最近這些嘗試裡，影片流量開始有了大幅改善。
這個經驗讓我更重視一件事：AI 省下來的執行時間，可以拿去把原本想得不夠清楚的事情想清楚。 如果只是用同樣的方法，更快做出同樣的東西，市場反應未必會改變。把時間重新分配給受眾理解與題目規劃，才有機會改善最後的成果。
充分利用瓶頸的方法二：用數據地圖，檢查每個功能怎麼幫助達標
數據地圖會從我們想達成的目標出發，往下拆解相關指標，整理它們之間的關係。例如，目標是增加營收，就可以先看付費用戶數與平均每位付費用戶的收入，再往下檢查新用戶的付費轉換、既有用戶的留存等因素。接著，把準備做的功能放進這張圖裡，看看它預期影響哪個指標，又怎麼一路連回最上面的目標。
假設我們想改善新手導引，預期是讓更多人完成第一次有價值的使用體驗，進而提高付費轉換。但這條關係要先想清楚：用戶沒有付費，真的是因為不會用嗎？還是他已經會用了，只是沒有感受到值得付費的價值？兩種情況需要的做法就不一樣。把關係畫出來，才比較容易看見我們的方案依賴哪些假設。
這時候就可以把數據地圖、目前的數據和候選方案一起交給 AI 討論。現在最卡的是哪個環節？手上的方案有沒有處理到它？如果這個指標改善，對最終目標的影響會有多大？有沒有其他做法，更有機會帶動整體成果？這些問題，能幫助我們重新檢查原本想做的事情，也找出值得嘗試的新題目。
還可以搭配 Pre-Mortem，先假設專案失敗，再追問原因，找出最需要先驗證的地方。這些討論會花時間，但它們能讓我們更清楚，為什麼要做這個功能，以及上線後要驗證什麼。AI 可以協助拆解問題、提出選項，我們則要把實際資料與判斷放進去，再用市場回饋檢查。
你把省下來的時間，投入規劃當中，把每個項目的期望值提升，這才是充分利用「市場」這個瓶頸的做法。
選擇做什麼，比你會做什麼重要
你也許會想問，PM 現在也能 Vibe Coding，為何不幫忙直接做產品，而是要花時間去把規劃做得更好？
我覺得沒有固定答案，要看具體的工作。如果某件事交給工程師，對方可以比你快很多做完，而且品質更好，你就要想想，自己下去做的那段時間，會不會讓更重要的規劃沒有人處理。
但如果是需要大量溝通、邊討論邊調整的功能，由理解需求的 PM 直接操作，可能更有效率。工作怎麼分配，應該看誰做能讓整體更順。
會做一件事之後，我們還需要判斷，親自做這件事值不值得。
麻煩的是，AI 能力持續改變，這個分工邊界也會跟著移動。今天適合交給工程師的事，之後可能自己就能很快完成；原本以為能自己搞定的東西，做下去才發現花掉太多時間。我們得持續了解工具的能力，也觀察自己實際投入的成本，再調整分工。
你有空做，不代表還有注意力把它做好
除了時間，我在 AI 時代越來越有感的限制，是注意力。
AI 可以一下子產出很多文字、很多選項、很多版本，但每一份都要有人讀、有人判斷。你可以同時開好幾個對話，卻不見得有足夠的精神，把每一個回答都看懂、想透，再做出好的決定。
你願意工作八個小時、十二個小時，也不代表每個小時都有同樣的判斷品質。當每件事看起來都很容易開始，我們反而更容易答應太多事情。結果是手上多了很多工作，真正重要的問題卻分不到足夠的注意力。
所以，當我想說「這個很快，順手做一下」時，現在會多想一步。即使製作只要幾分鐘，但還是會消耗我的注意力。所以要搞清楚，這件事究竟能幫助哪一個目標？值得我把心力從其他事情移過來嗎？
AI 替我們省下執行時間之後，怎麼使用這些時間，就成了新的功課。對團隊來說，可能是用不同定位的產品，接觸原本沒有服務到的需求；對個人來說，可能是多花一點時間理解用戶、檢查假設，把題目想得更清楚。
小結：AI 省下來的時間，值得重新分配
這次分享，我最想提醒大家的是：AI 改變了執行的成本，我們分配資源的方式，也值得重新調整。當開發變快、瓶頸移到市場，如果還是沿用過去的習慣，持續往同一個產品塞進更多功能，新增的產能就未必能轉成營收。
對團隊來說，可以透過多產品策略，用不同定位的產品接觸更多需求。新產品的機會，可以從既有通路、可重複利用的資源，以及用戶缺少的互補品去找。過去依八二法則放棄的利基市場，也可以在開發成本降低後，重新評估一次。
對個人來說，省下來的時間，值得拿來提高規劃品質。影片製作人可以用 CCN 框架重新思考封面，產品團隊也可以用數據地圖檢查功能與目標的關係。這些工作可能讓規劃花得更久，卻有機會讓每一次投入市場的嘗試更有根據，提高成功的機會。
但要做到這些，我們也得保留足夠的注意力。哪些事情自己做、哪些交給別人，以及哪些暫時不做，都需要取捨。能不能幫助達標，應該成為分配時間與心力的依據。
所以，下次回頭看自己怎麼使用 AI 時，除了看看完成了多少工作，也可以問問自己「我把省下來的時間花到哪裡去了？這樣的分配，有沒有讓我更接近原本想達成的目標？」
永遠要把目標放在心上。
--
不想錯過我的新文章：訂閱免費電子報
我的線上課：數據化營運、產品增長 和 產品企劃力，歡迎大家報名
關於作者：Mr.PM 下午先生
The post first appeared on Mr. PM 下午先生.
点赞
收藏
点踩
分享