PRD 不用寫了嗎？我從 QA 出身的產品經理視角，戳破「AI 取代開發」的浪漫泡泡，「打嘴砲就能做出產品？」問題從來不在技術，而在你根本沒想清楚要什麼。有人說，AI 寫程式工具（Replit、Cursor…）的出現，讓產品經理可以直接跳過工程師，動動嘴就能生成程式碼，甚至「Prototype 就是 PRD」。
開發新方式：動嘴生代碼，用原型取代 PRD
作為一個從 QA 轉職的 PM，我必須說：這種說法，簡直是對產品開發的嚴重誤解。
沒錯，AI 生成程式碼的速度很快，但這和「做出好產品」是兩回事。就好比你可以在 5 分鐘內用 AI 畫出100張海報，但若不知道「海報要貼在哪裡、給誰看、想傳達什麼」，這些海報終究只是電子垃圾。
真正的問題在於：當跳過需求定義，直接進入「生成、調整」之間的循環，只會讓產品迷失在技術中，卻離用戶的真實場景越來越遠。
舉個例子：有人提到「用 Replit 取代 Figma 畫 Wireframe」，認為直接生成 Prototype 比畫線框圖更有效率。這完全搞錯重點 —— Wireframe 的核心價值，是強迫產品經理在讓工程師動手寫程式前，先釐清「用戶如何與產品互動」。
例如，一個推薦功能，Wireframe會逼產品經理思考：
- 推薦欄位出現在頁面哪個位置？用戶滑到第下方才出現，還是直接置頂？
- 一次顯示 3 個還是 5 個推薦項目？
- 如果推薦失敗（例如：新用戶無行為數據），應該顯示「熱銷商品」還是保持空白？
這些決策，關乎用戶動線、商業邏輯、風險控制，但 AI 生成的 Prototype 不會替你回答，它只會給你「能動的程式碼」，而不是「有用的產品」。
PRD 一日密集課程前期需求調查
讓我業配一下。
課程介紹與方向
這是一堂專門為想要在短時間內提升產品需求文件（PRD）撰寫能力的密集課程。我們會用 Axure 11 當主要工具，並且透過大量的實戰練習和現場互評，讓你在一天內掌握寫 PRD 的核心技巧。
課前準備
請在上課前一天先下載並安裝 Axure 11 免費試用版（注意免費試用天數），這樣當天才可以馬上開始練習。上課地點「預計」會在板橋 435 藝文特區附近，詳細地址確定後會再通知大家。
課程流程（一天完成）
上午：PRD 整體概念與邏輯（重點講解）
為了節省時間，上午課程會直接帶你進入 PRD 最核心的部分，清楚說明：
- PRD 的結構有哪些？
- 如何拆解需求，把它變成清晰的產品邏輯？
- 如何利用 Axure 11 快速繪製 PRD 需要的介面和流程圖？
因為時間只有一天，這次的密集課程就不討論「需求收集」、「用戶故事」、「功能優先級」、「跨部門溝通」、「細緻的互動原型」這些較深入的主題，這些會放在之後的轉職產品經理完整課程裡教給你。
中午：挑戰題目發佈
在午休時段，會發佈一個實際的題目讓大家動腦，試著想想上午學到的知識如何運用在真實情境中，為下午的實作暖身。
下午：實戰演練與作品互評
下午的時間全部會拿來做實作練習，讓你能透過 Axure 11 完成中午發佈的題目。最後，每個人會把自己的作品呈現出來，大家一起互評，透過互相給建議來提升實務能力。
課程的目標很單純，就是希望你從零開始，經過一天的密集學習與演練，就能獨立產出一份符合基本要求的 PRD 文件。
所以，提供了一個問卷來調查各位在產品需求文件（PRD）方面的背景與學習需求，歡迎大家填寫問卷：
AI 生成 PRD？當心，你只是在把垃圾需求工業化
有些人認為，未來產品經理只需「下 Prompt 指揮 AI 團隊」，甚至不需要寫 PRD。但作為一個曾被 QA 同事用 Test Case 釘在牆上的產品經理，我想反問：如果連 PRD 都寫不清楚，你憑什麼認為自己下的 Prompt 會更準確？
許多產品經理低估了寫 PRD 的價值—— PRD 的本質是「強迫你系統性拆解需求」。
例如，一個「會員登入最佳化」需求，PRD 會要求你定義：
- 目標用戶是誰？新客還是舊客？
- 最佳化指標是什麼？提高註冊率、減少輸入欄位，還是提升資安強度？
- 例外流程怎麼處理？當第三方登入（Google、Facebook）失敗時，是引導回傳統註冊，還是直接報錯？
這些細節，不可能用一句「做個更好的登入頁面」Prompt 能解決，更可怕的是：AI 會完美執行你的模糊指令，然後給你一個完全符合規格卻毫無用處的產品。
就像我曾經遇過的真實案例：產品經理要求「增加社群分享按鈕」，工程師照做，結果按鈕放在商品頁最底部，點擊率是 0！後來才發現，產品經理根本沒定義「何時顯示按鈕」（例如：用戶停留超過 10 秒才出現），也沒思考「用戶為什麼要分享」（例如：提供折扣券）。
如果當時用 AI 生成程式碼，不過是把這個錯誤決策加速 100 倍而已。
AI 團隊取代 RD？技術債與維運黑洞的開始
很多人想像的結局是「用 AI 管理開發團隊」，但這忽略一個殘酷現實：AI寫的程式越複雜，你欠的技術債就越恐怖。
我最常聽到工程師抱怨：「這個功能當初怎麼沒考慮擴充性？」例如：
- AI 生成的推薦系統，直接將演算法寫死在頁面邏輯中，導致後續無法 A / B 測試不同策略。
- AI 自動產出的 API，沒有版本控制，導致 APP 強制更新後舊版用戶 Crash。
- 為求快速部署，AI 跳過單元測試與壓力測試，上線後流量稍高就當機。
更別提 AI 根本不懂「商業邏輯的邊界」。例如：電商專案，產品經理要求「根據用戶瀏覽紀錄顯示推薦商品」，但 AI 生成的程式碼，可能把「用戶剛買過的商品」又推薦一次，甚至推薦競品廣告——這種災難，難道要等上線後被客訴才發現？
評估指標萬能？當你只會看數字，就註定做出沒人用的產品
「評估需量化指標」，這沒錯，但過度迷信指標正是 AI 時代最危險的陷阱。例如，AI 生成的推薦系統達成「點擊率提升 20 %」的 KPI，但實際數據顯示：用戶點擊後跳出率也暴增 30 %。後來才發現，AI 為了衝點擊率，專推「標題黨」商品（例如「1折搶購！」但點進去顯示缺貨）。
這就是典型的「指標與用戶價值脫鉤」。當產品經理只在乎「AI 生成速度」、「模型準確率」，卻不願蹲下來看用戶真實的反應（例如：訪談、使用者測試），就是在賭博。
在AI時代，比技術更關鍵的「場景定義力」
我不是否定 AI 的價值，而是反對「用 AI 掩蓋基本功缺陷」的投機心態。AI 是工具，不是魔法。 當產品經理能清楚回答以下問題，AI 才會成為助力：
- 用戶在什麼情境下會需要這個功能？（例如：推薦商品是為了提高客單價，還是減少用戶搜尋時間？）
- AI的「不確定性」如何被約束？（例如：聊天機器人可接受 85 %準確率，但絕對不能有種族歧視言論）
- 當AI出錯時，我們如何優雅地失敗？（例如：推薦失敗時，是引導用戶到人工客服，還是顯示預設清單？）
這些問題，無法靠「更好的模型」或「更強的Prompt技巧」解決。
別讓 AI 成為你逃避思考的藉口
是的，AI 能讓工程師一天寫出原本一週的程式碼，能讓產品經理快速生成 Prototype，但歷史早已證明：「做得快」和「做對事情」從來不是等號。
當我們興奮地擁抱「AI 取代開發流程」時，或許更該回頭看看那些被忽略的基本功：
- 需求是否源自真實用戶場景？
- 風險是否被系統性評估？
- 成功標準是否與商業目標對齊？
這些，才是產品經理無可替代的價值——無論有沒有AI。
常見問題
AI 工具真的可以取代產品經理和工程師嗎？
不行。AI 工具可以快速生成程式碼或 Prototype，但關鍵的「產品需求定義」和「使用者場景思考」無法被 AI 取代。若跳過這些步驟，只會產生更多問題和技術債。
用 Prototype（原型）取代 PRD（產品需求文件）可行嗎？
不可行。PRD 的價值在於系統性拆解需求，迫使產品經理深入思考產品邏輯、異常處理與使用者互動情境，這些細節不是一個 Prototype 就能涵蓋的。
為什麼 AI 生成的程式碼常常會成為「技術債」？
因為 AI 缺乏對未來擴充性、維運穩定性的思考，容易產生「寫死的邏輯」、「無版本控制」、「缺乏測試」的程式碼。短期看似加速開發，長期卻帶來巨大維護成本。
產品經理該如何避免 AI 工具所造成的「垃圾需求」？
強化需求定義能力，清楚定義使用者情境、商業目標和成功指標，避免下模糊的指令（Prompt），讓 AI 成為幫助思考的工具，而非逃避思考的藉口。
在 AI 時代，產品經理最需要培養的核心能力是什麼？
「場景定義力」和「需求拆解能力」。AI 提高了開發速度，但產品經理更應該掌握「使用者何時需要產品」、「AI 失敗後的處理方式」、「商業目標與產品指標的結合」這些核心能力。
要深入了解 PRD ，請參考我們的詳細指南：PRD 怎麼寫？我教你。