当我看到题图GitHub Spark演示的时候，也看到了
“自然语言入，真实产品出”
的未来，感觉有必要再
梳理一下
AI如何帮助产品创新
。
我指的不是某一款具体产品添加了什么AI功能，而是更加抽象的，AI如何帮助“产品创新
”
这件事本身。
换个说法也许更容易理解，我关心的这件事，AI帮助的是“产品经理”，而不是某个具体产品的用户。
大家各自努力，主要在几个层面上。
第一层，助力单点任务：最简单的，这两年我们不断发现AI可以帮助某个明确的任务。
比如让AI帮忙生成问卷、调研提纲，或者优化已有的内容（各种通用模型的Chatbot即可）。
比如帮忙总结公开的行业、竞品、市场信息（秘塔搜索一类的AI搜索，已成标配）。
比如分析私有的用户研究资料，提炼观点结论（找个带知识库能力的，长文本友好的）。
比如手搓一个“需求采集助手”agent，替代产品经理作为接口人，收集公司内部各种岗位原本提的需求，保证需求信息的完整性（扣子coze、Dify可搭）。
比如生成各种产品文档（https://www.pm-ai.cn/，他们想更进一步，似乎也碰到一些瓶颈）。
以上做法的特点，只是提升单点任务的效率，主要面向初级员工。
第二层，优化现有工作流：在单点上吃到甜头，自然会想到主动梳理工作流，看看哪些地方可以优化，组合应用，综合提效。
通常，先用现成的工具来优化效率，如下图。
但，在不同工具中切换，总是很割裂，于是就会想着自研，把各种工具的能力都集成到一起。
又细分三种模式，最保守的是，把AI能力
藏在背后提升效率，类似搜索的做法，AI在背后默默帮助；然后是类似office的copilot模式，还是熟悉的工作模式，但AI走上了前台，随时协助；最激进是agent模式，人类改变工作习惯，通过和agent互动完成任务。
当然，有自研能力的厂子不多，这块可以养活一批帮人做数字化转型+企业服务的公司。钉钉、飞书等等都算。
我自己之前尝试的GPTs，辅助产品经理洞察用户需求，其实是把一系列单点任务稍微串了一下（有段时间没更新了，仅供思路参考，现在通过搭建多agent的模式可以做到更好）。
参见：
赶在GPT Store发布前又一次优化UIA：它有点会反问了
这家创业公司的产品，也有点类似。
业界有很多公司都在尝试，举例如下。
先从产品创新的某个子流程（如需求分析）切入，最终蔓延到整个工作流，但，这还是在优化现有工作流，最多是改变局部的子流程。
第三层，改变工作流本身：再想一步，有了AI以后，产品创新的流程会不会彻底颠覆？出现新的范式？于是，重新思考人类和AI各自在产品创新过程中的作用。
当然，这里也还是先从比较简单（没有生产制造）的数字产品开始。
随着agent们的联合，越来越多的工作由AI主导，人类慢慢退到“只需要动动嘴（提需求）”，
自然语言的需求进，软件产品出
。
放手之后，AI以及agent们自己能玩出什么新花样，也未可知，agent之间的“误解”也许远低于人类，所以可以大大简化各种评审的流程……甚至，AI可以预判人类的需求，自己做出新的软件？？？
这个事儿也有人研究，一些特别简单的产品，甚至已经实现。
比如你对deepseek说“帮我编写一个可以在当前网页直接运行的经典贪吃蛇游戏”，就已经是“自然语言-->产品”了。当然，这里的简单在于，贪吃蛇游戏是一个已经存在的产品。
但，这和去年我用Chatgpt折腾几十轮对话才搞定贪吃蛇相比，
又
已经前进一大步了——
之前是从“工程师可以做出贪吃蛇
”
，到“我可以做出来
”
；现在是从“我可以做出贪吃蛇
”
，到“我儿子（7岁）可以做出来
”
。而且时间还大大缩短。
参考：
麻瓜+AI混合工作流试验 6：用Python编一个小游戏，以及学习模式
这种门槛、成本的降低，使得
原来因为ROI不值得满足的很多长尾需求，也都可以做成产品了
。那么，可就真是“人人都是……”了。
未来，孩子式的天马行空、“胡思乱想”会显得更加珍贵。
从GitHub Spark的演示中，我们也看到了类似可能。就算只能产出很简单的产品、甚至产品不完美，但哪怕作为一个可以实时生成、“日抛型”的Demo，也足以改变“产品探索”的流程。
