勤奮又懂善用 AI 的PM 小森花了整個週末，用 ChatGPT 優化完他的專案週報，結構完整、數據詳實、圖表精美。週一早上信心滿滿地發給主管 Vicky，結果主管回了一句：「看完了，但我不知道你想說什麼。」

同樣的事情也發生在產品需求文件上。小森用 AI 輔助寫出一份「完美的」PRD，格式標準、邏輯清晰、連 API 規格都幫寫好了。結果工程師做出來的功能，跟他想要的完全不是一回事。

這是 AI 時代 PM 面臨的新困境：當機器能幫你把話說得很「正確」，為什麼你的團隊還是聽不懂你在說什麼？

溝通的本質正在被重新定義

過去我們把溝通當成是資訊傳遞正確，就像寄包裹一樣，把想法從 A 點運送到 B 點。所以我們追求的是表達得更清楚、文件寫得更詳細、簡報做得更漂亮。但 AI 時代讓我們發現：原來溝通從來就不是搬運資訊就好，而是需要建立連結。

當 AI 能在幾秒內生成結構完整的報告、邏輯清晰的需求文件的會議記錄時，我們才意識到這些「資訊處理」的工作，原來不是溝通的核心。真正的溝通是讓對方感受到「我懂你」、「我理解你的困難」、「我們有共同的目標」。

在過去沒有 AI 輔助時，是這樣的情景：

小森準備跟 UI 設計師討論新功能的介面設計，他口頭描述：「我們需要一個用戶友善的註冊頁面，要讓用戶覺得簡單好用。」設計師快速畫了幾個草圖，兩人邊看邊討論：「這裡的按鈕會不會太小？」「用戶看到這個會知道要填什麼嗎？」雖然表達不夠具體，但在反覆討論的過程中，設計師漸漸理解了小森的真實需求，帶回去進行 UI 設計，在經過個版本設計稿的來回修改，耗時兩週之後，最終做出了符合用戶需求的頁面。

現在有 AI 輔助後，則可能變成這樣：

小森用 ChatGPT 生成了完整的設計需求文件，包含頁面架構、顏色規範、字體大小、甚至連按鈕的圓角半徑都先做好描述，甚至提供 Guideline 了，一切清清楚楚。

接到這個功能的設計師是 Ray ，他很開心，沒有什麼不夠具體、需要通靈的地方，他覺得這個 PM 很上道，有懂設計。因為東西清清楚楚，Ray 不到一週就按照規格做部做完了，在技術上完全符合文件要求。

不過…在上線之後的行銷數據報告卻得到回饋：「看起來很漂亮，但不知道為什麼這功能的轉化率就是很低。」

問題出在哪？

原來，過去雖然效率較低，但透過草圖討論、即時回饋的互動過程，最終能達到真正的理解；現在雖然規格寫得很詳細，但失去了「感受」和「同理心」的傳遞。草圖討論中的「這裡會不會讓用戶困惑」這種判斷，是 AI 文件無法取代的。

你發現問題了嗎？AI 幫我們解決了「表達不清楚」的問題，但它解決不了「理解不到位」的問題。

為什麼文件寫得再清楚，工程師還是理解不到位？

由於這篇要分享的觀念較為抽象，容我再用一更寫實的案例來說明。

幾天後，小森又接到一個「優化用戶註冊流程」的需求，他用 AI 輔助寫了一份超詳細的 PRD：

• User Story 寫了 7 條
• 功能規格詳細到每個 API 的參數
• 連異常處理的邏輯都用流程圖畫出來

工程師尼爾收到後，覺得規格很清楚手比讚，他完全按照文件實作。三週後，功能上線了：API 回應速度很快、資料驗證邏輯正確、錯誤處理也很完善，所有技術指標都達標。

但…測試時發現了問題：

• 註冊流程確實變快了，但註冊成功後用戶立刻收到了 5 封不同的歡迎郵件
• 用戶填寫資料時，系統每輸入一個字就檢查一次格式，體驗很糟糕
• 註冊成功後，用戶被導向到了舊版的「會員中心」頁面，但那個頁面已經半年沒維護，功能都壞了

誒！怎麼又這樣？

原來，尼爾已經完全按照技術規格實作了，但他不知道：

• 郵件發送邏輯：重複郵件是因為不同系統都有歡迎流程，但 PM 忘了提醒說需要整合避免重複
• 驗證觸發時機：即時驗證是為了減少錯誤，但在輸入過程中不斷跳錯誤提示會讓用戶很困擾，應該是要在輸入欄位失去焦點 (Unfocused) 的狀態時再檢查，才不會擾民
• 頁面導向邏輯：這個註冊優化是為了配合新產品上線，用戶註冊後應該導向新版的歡迎頁面，讓用戶了解產品功能

關鍵在於，當尼爾在實作過程中遇到這些「文件沒有明說」的情況時，他選擇了最安全的做法：

• 不確定就先做最保險的版本
• 知道 PM 很忙，有疑問但不好意思一直問
• PM 文件很詳細，覺得「只要按照規格做」就應該沒問題

AI 時代，在溝通上帶來了全新的挑戰：文件很完美，但少了人來傳遞「情境理解」和「判斷依據」。

小森以為他把所有技術細節都寫清楚了，但他沒有傳達到：

• 為什麼要做這個？（脈絡背景與執目標）
• 怎麼判斷做得對不對？（成功標準）
• 遇到模糊地帶時該怎麼決策？（原則與價值觀）

這不是尼爾的問題，也不是文件的問題，而是溝通的問題。

單單把資訊完美傳遞，並不等於「理解對齊」

重新分工：AI 負責效率，人類負責效果

AI 擅長的三個層面

1. 工具層：幫你寫郵件、做簡報、整理會議記錄、翻譯多國語言
2. 分析層：分析對話內容、識別情緒變化、提供溝通建議
3. 結構層：組織邏輯架構、優化表達順序、檢查語法錯誤

人類獨有的能力

但有三個層面，目前的 AI 還做不到，也正是 PM 不會被取代的地方：

1. 讀懂人心的能力：察覺工程師眼神中的困惑、感知團隊氣氛的微妙變化、理解客戶話語背後的真實需求
2. 建立信任的能力：讓工程師相信你的判斷、讓老闆信任你的規劃、讓跨部門夥伴願意配合你的專案
3. 化解衝突的能力：在技術可行性與商業需求之間找平衡點、在有限資源下做出艱難的取捨決策、在利益衝突中創造雙贏解法

從內容傳達者，到情感共識建立者

過去，PM 把大部分時間花在「怎麼說」：怎麼寫郵件、怎麼做簡報、怎麼整理會議記錄。

現在，AI 可以幫我們處理這些執行層面的工作，PM 應該把時間專注在「為什麼說」和「對誰說」：

• 情境感知：這個時機適合討論這個問題嗎？
• 對象分析：工程師和老闆關心的重點完全不同，除了內容之外，我還該如何調整表達方式？
• 關係維護：如何在推進專案的同時，不傷害長期的合作關係？
• 衝突預判：這個決策可能會引發什麼民怨，我該如何提前化解？

AI 時代的溝通新模式

人機協作的溝通工作流

1. AI 幫你準備：整理資料、生成大綱
2. 人類負責感知：讀懂現場氣氛、識別潛在阻礙、調整溝通策略
3. AI 輔助執行：記錄重點、生成後續追蹤、多語言同步
4. 人類建立連結：確保理解一致、建立情感共鳴、維護長期關係

實戰案例：跨部門需求溝通

傳統做法：PM 花兩個小時準備簡報，講了一小時，結果各部門各有各的理解。

AI 協作做法：

• 會前：用 AI 分析各部門的關注重點，準備為他們客製化的材料
• 會中：專注於觀察每個人的反應，及時調整溝通策略
• 會後：讓 AI 整理會議記錄和行動計劃，你專注於一對一達到共識

關鍵差異在於：AI 處理資訊，你專注於人。

溝通力是 PM 的最後防線

在 AI 能夠處理越來越多技術性工作的時代，真正理解人、連結人、影響人的能力，變成了最珍貴的能力。

PM 的價值正在從「會做事」轉向「會做人」。會做事的部分，AI 會越來越強；但會做人的部分，需要的是人類獨有的情感智慧、社交直覺，和多年累積的關係信任。

當你的工程師鄰兵願意在下班時間幫你 debug、當你的設計師夥伴主動提出更好的解決方案、當你的老闆在關鍵時刻選擇挺你——這些都不是因為你的文件寫得好棒棒超完美，而是因為你們之間建立了真實的連結。

這種「建立共識、產生情感連結」的能力，才是我們不被 AI 取代的護城河。