文章寫到這邊，也回顧了一下過產品跟現在有AI後的感受。

以前很多事情本身就很貴：

寫完整 PRD

做 Prototype

畫完整 Flow

開發 Demo

做 Landing Page

所以一個 Idea 要真的「變成東西」，

本身就有成本。

現在不太一樣了。

AI 可以：

10 分鐘整理 Requirement

20 分鐘生第一版 Flow

1 小時做 Prototype

幾分鐘補一版 PRD

甚至直接開始寫 Code

這當然是好事。

但我最近反而開始警覺另一件事：

當把想法變成東西的成本越來越低，把錯的想法變成東西也一起變快了。

以前「做不出來」本身就是一道 Gate

以前一個很弱的 Idea，

可能在很多地方自然被擋住：

Design 沒資源

Engineer 覺得不值得做

開發成本太高

排不進 Roadmap

這些阻力當然不一定都是好事。

但客觀上，它會逼 Team 在 Build 以前多想一下：

真的值得嗎？

現在 AI 把很多 Build Cost 降低之後，

這道天然的 Gate 正在變弱。

一句：

我們做一個 AI 幫 User 自動處理。

半天後，

真的可以有一個看起來很厲害的 Demo。

最大的風險是：

東西太快長得像真的，讓我們誤以為 Decision 也已經想清楚了。

我現在反而想多加 5 個 Decision Gate

不是讓流程重新變慢。

而是在 Output 變便宜之後，

刻意保留幾個：

在繼續 Build 前，必須做的判斷。

Gate 1｜Problem Gate

第一題還是很老派：

我們真的在解一個值得解的 Problem 嗎？

現在 AI 太容易變成 Requirement 本身。

做 AI Search

做 AI Summary

做 Agent

做 Copilot

但如果把 AI 拿掉，

我還是會逼自己說清楚：

User 是誰？

他現在卡在哪裡？

這個 Problem 多常發生？

造成什麼成本？

我們希望 Outcome 改變什麼？

以前做電商 Search 時，

我也遇過把 FAQ 放進 Shopping Search 的想法。

技術上當然可以做。

甚至不一定很難。

但真正的問題是：

來 Shopping Search 的 User，此刻到底想完成什麼？

如果 User 的主要 Intent 是找商品，

把更多「可以搜尋的東西」塞進去，

不一定代表 Product 變得更好。

Gate 1 問法

如果完全不提 AI，
這個 Problem 還值得解嗎？

答不出來，

先不要 Build。

Gate 2｜Evidence Gate

第二題是：

我們現在知道的，哪些是真的？

AI 很會把不完整的東西補得非常合理。

例如 Requirement 只有一句：

User 應該希望可以直接看到最近使用的項目。

AI 很容易幫你延伸成：

Users value convenience

Recent history reduces search friction

Therefore we should...

每一句都很像 Product Document。

問題是：

有 Evidence 嗎？

還是只是：

合理
≠
已驗證

所以我現在會刻意標：

Evidence

Observation

User Feedback

Data

Assumption

尤其 AI 產出的東西，

我會再多問一次：

這是我們知道的，還是 AI 幫我們講得很像知道？

Gate 2 問法

支持這個 Decision 的 Evidence 是什麼？

Gate 3｜Assumption Gate

Evidence 不足不一定代表不能做。

Product 本來就有很多 Hypothesis。

真正危險的是：

我們不知道自己正在假設。

例如：

假設 User 願意授權

假設 Data 拿得到

假設 API 支援

假設 User 理解這個詞

假設這個 Role 有 Permission

假設錯了可以復原

如果它們全部藏在漂亮 Prototype 裡，

大家很容易直接討論：

Button 放左邊還是右邊？

而不是：

等等，這個 API 根本存在嗎？

所以我現在做 Prototype 前後，

都會刻意留一張：

Assumption List

Gate 3 問法

如果這個 Product 最後失敗，
我們今天最可能假設錯了什麼？

Gate 4｜Solution Gate

這是 AI Prototype 時代我覺得特別容易發生的問題：

因為 Solution 太快看得見，所以太快愛上 Solution。

以前 Wireframe 還很粗，

大家比較容易改。

現在一個 AI Prototype 可能已經有：

完整 UI

互動

動畫

假資料

漂亮文案

User 一看到：

哇，這就是我要的。

但「喜歡 Demo」不等於：

這是最好的 Solution。

所以我現在會強迫自己再問一次：

如果不能用 Chatbot 呢？

如果只能用 Search 呢？

如果不用 AI 呢？

有沒有更簡單的方法？

這個 Problem 最小可以做到哪裡？

Gate 4 問法

我們是在選 Solution，
還是只是在接受第一個做出來的 Solution？

Gate 5｜Production Gate

最後一題是：

它是真的，還是只是看起來很真？

Prototype 裡很多事情可以 Fake。

Data 可以寫死

API 可以 Mock

Permission 可以略過

Failure 可以不做

Latency 可以不存在

Edge Case 可以先不管

Demo 看起來非常順。

Production 不會這麼配合。

所以真正要往開發走以前，

我會再 Review：

Data Ready？

API Ready？
…≥







\\ 

我現在的 5 個 Decision Gates

最後可以整理成：

1. PROBLEM
這件事真的值得解嗎？

↓

2. EVIDENCE
我們憑什麼相信這個方向？

↓

3. ASSUMPTION
哪些事情其實還只是猜？

↓

4. SOLUTION
這真的是最適合的解法嗎？

↓

5. PRODUCTION
它是真的能跑，還是 Demo 看起來能跑？

AI 沒有讓這五題變得比較不重要。

反而是因為：

Document 變便宜

Prototype 變便宜

Code 變便宜

它們更容易被跳過。