本系列文章以《產品領導人之道》一書為基礎，從人員、產品與流程三個面向，探討 AI 帶來的工作變化，以及產品領導人如何調整團隊的管理、協作與人才培育方式。

上一篇透過決策堆疊，談到產品願景、策略、目標與日常工作的關係，以及準則如何幫助團隊做出取捨。當大家理解這些關係，面對不同需求時，就有共同的依據可以討論優先順序。

現在 AI 可以協助分析資料、提出建議，甚至承接部分工作。當參與工作的成員開始包含 AI agents，主管需要如何讓它們理解，團隊希望達成什麼，以及做決定時應該考慮哪些事情？

加入 AI 之後，團隊仍需要清晰的策略

決策堆疊的提出者 Martin Eriksson，在〈Whether You're Organising Humans or AI Agents, Strategic Clarity is Essential〉中，將這個模型延伸到人與 AI agents 一起工作的情境。他指出，無論執行工作的是人或 AI agents，都需要有清晰的目的、策略、準則與限制，才能讓工作的成果符合組織期待。

我很喜歡他把這兩件事放在一起討論。上一篇談到，當團隊缺乏策略，優先順序很容易隨著不同部門的要求而改變。加入 AI 之後，如果對 AI 下指令的人自己也說不清楚目前最重要的問題是什麼，那麼原本的困難還是會存在。

AI 可以快速整理資料，也能提出許多值得考慮的選項。但我們仍然需要判斷，這些建議和目前的產品目標有什麼關係，以及為什麼值得投入團隊的時間。這些考量，需要回到產品願景與策略中才能說明。

AI 能替每個選項找出理由，那我要怎麼選？

以我的使用經驗來說，AI 提出幾個想法之後，如果逐一問它為什麼提出這個建議，它往往都能給出一套看似合理的理由。等我選擇了其中一個，再告訴它自己的考量時，它通常也會肯定這個選擇，接著補上更多支持的說明。

這確實提供了不少情緒價值，但也讓我開始思考：如果每個選項都有其道理，那我到底應該根據什麼來選擇？

一個功能可能對使用者有幫助，團隊也有能力開發，卻未必能處理我們目前最想解決的問題。即使它有助於達成目標，也還需要和其他選項比較，判斷為了投入這件事，我們願意暫時放下哪些工作。

產品策略與準則在這裡就能派上用場。當我們清楚知道要聚焦在什麼問題、做取捨時憑藉的是什麼，就能用這些依據檢視 AI 的建議，也能進一步讓 AI 根據我們的策略與準則來比較各個選項。

若要把部分判斷交給 agent 執行，就必須先確認授權範圍。哪些事情 AI 可以自行決定？哪些情況需要交回主管或 PM 處理？負責授權的人，也需要對這些安排與後續結果負責。

把主管腦中的判斷依據說清楚

這也讓我想到 AI agents 的 harness，也就是支撐 agent 執行任務的工具、規則與運作安排。決策堆疊可以提供其中一部分內容，讓 agent 知道這些工作安排是要支持什麼目標，以及遇到衝突時，應該依循哪些準則。

例如，交付一項任務時，主管與 PM 需要先釐清：

• 預期達成什麼成果，如何判斷做得好不好？
• 不同要求互相衝突時，應該優先考慮什麼？
• 有哪些限制必須遵守，哪些事情暫時不做？
• 什麼情況可以自行處理，什麼情況需要交由人來決定？

有些判斷可能一直存在於主管腦中。主管自己知道某個機會為什麼目前不值得投入，也知道兩個部門的要求衝突時，要如何應對與做出選擇，但團隊未必了解背後的考量。

如果這些依據沒有被說明，PM 每次遇到類似情況，就得再回頭詢問主管。AI 在缺少這些資訊的情況下，也只能根據已取得的內容提出建議，未必符合主管的期待。

因此，主管需要把產品策略與決策準則說清楚，必要時整理成文件，讓 PM 和 AI 在工作時都能參考。尤其是成功條件、取捨的依據，以及需要由人介入的時機，都應該在交付工作時一併說明。

AI 怎麼幫助我們實現策略？

Eriksson 的文章裡有一段我特別喜歡的論述，以下為中譯：

在這方面做得好的組織，並沒有問「我們的 AI 策略是什麼？」（what's our AI strategy?）而是問「AI 如何幫助我們實現策略？」（how can AI enable our strategy?）這不僅僅是一種語意上的差異，更是一種根本性的轉變。這樣的思考將策略的清晰度放在首位，並將 AI 視為一種加速器，而不是最終目標。

這個問法的調整，會影響我們從什麼面向切入。如果先談 AI，團隊很容易列出各種工具、方法，甚至是可以加進產品的 AI 功能。從產品策略開始，則需要先說明目前面對的問題、希望達成的成果，以及選擇的應對方式，接著才有辦法討論 AI 可以在哪裡提供幫助。

例如，AI 可以協助整理資料、減少例行工作的負擔，或檢查容易遺漏的內容。這些改善都可能有價值，但我們還需要知道，它們是否有助於處理當前的關鍵問題，以及節省下來的時間，可以投入哪些工作。

如果原本選擇的工作就偏離策略，加快執行速度也無法解決這個問題。所以當團隊提出一項運用 AI 的計畫時，我會希望進一步了解，它預期改善哪個環節，而這個改善又如何幫助我們達成產品目標。

從一次功能提案，練習說明決策的理由

假設一位 PM 提出，產品應該加入某項 AI 功能。主管可以先和他討論，為什麼選擇這個功能，它對目前的產品目標有什麼幫助，以及是否符合團隊的準則。

如果這個功能有助於達成目標，接下來就可以比較其他選項：為什麼它值得優先投入？預期帶來的成果，要如何衡量？再沿著決策堆疊往上看，這個目標支持哪個策略，而這個策略又如何幫助我們接近產品願景？

無論提案裡有沒有 AI，這些問題都值得討論。PM 提出功能時，可以從靈感或直覺出發，但要安排團隊投入開發，就需要進一步說明選擇它的理由。

透過這樣的討論，主管可以了解 PM 如何思考，也能發現有哪些策略背景或準則，自己還沒有充分說明。如果 PM 無法解釋功能與目標的關係，雙方就需要一起確認，是提案本身需要調整，還是對目標的理解有落差。

當 PM 逐漸熟悉這個思考過程，下次遇到新的需求或 AI 建議時，就能先依照共同的目標與準則進行判斷，再帶著自己的考量和主管討論。主管也能從這些討論中，持續確認團隊對策略的理解，以及目前的工作是否有助於達成預期成果。

下一篇將從產品探索切入，談談當 AI 可以協助我們快速整理與分析資料時，主管如何支持 PM 釐清其中的事實、推論與假設，進一步理解團隊真正需要解決的問題是什麼。