当翻译层消失，还剩下什么？
宝玉
很多人的工作，说的难听一点就是翻译，或者说上传下达。
产品经理把客户需求翻译成工程师能看懂的文档。项目经理把老板的想法翻译成执行计划。咨询顾问把行业知识翻译成客户能用的方案。分析师把数据翻译成决策建议。
这种翻译工作，由于 AI 能力的进化正在被压缩。
Shubham Saboo 是 Google 的高级 AI 产品经理，他最近写了一篇文章《The Modern AI PM in the age of Agents》（🔗 https://x.com/Saboo_Shubham_/article/2008742211194913117 🔗），讲 AI 智能体时代 PM 角色的变化。
他的核心观点是：当智能体能直接把清晰的问题变成可运行的代码，PM 就不再是给工程师翻译需求了，而是要把问题定义得足够清楚，让智能体能直接干活。
如果说工作效率从周变成了小时，这不仅仅是效率上的提升，更会带来工作方式的变化。
不只是产品经理
产品经理只是最先感受到冲击的群体。但仔细想想，所有"把 A 翻译成 B"的工作都面临同样的问题。
当 AI 智能体能直接理解清晰的问题描述并产出结果，中间的翻译层就变得多余了。你不需要一个人来把你的想法翻译成另一种形式，你需要的是把想法本身说清楚。
以前你可以不太清楚自己要什么，反正有人帮你梳理、澄清、来回沟通。现在这个缓冲带没了。你必须自己想清楚。
能把问题定义清楚的人，价值上升。只会传递信息的人，价值下降。
三个新能力
当实现不再是瓶颈，瓶颈就转移到上游，转移到搞清楚该做什么。
围绕这个，有三个能力变得特别重要：
第一是问题定义。
模糊的需求 AI 也能应付，但出来的东西大概率不是你想要的。你得把问题想透：边界在哪，约束是什么，成功长什么样。以前这些可以在反复沟通中逐步明确，现在你得在开工前就想清楚。比如做一个报表工具是模糊的，每周一自动汇总上周销售数据，按区域分组，标红低于目标的，导出 Excel 才是定义清楚的问题。
第二是上下文喂养。
你给 AI 的背景信息质量，直接决定产出质量。同样一个需求，给一句话和给一份详细的背景说明，结果天差地别。这个能力很少有人提，但每个用好 AI 的人都默默练出来了。
第三是品味和判断。
AI 能快速产出很多东西，但能跑不等于能用。哪些真正解决问题，哪些只是看起来对，需要人来判断。这种判断力没有捷径，只能靠不断看、不断评估、不断踩坑积累。
上下文六要素
三个能力里，上下文喂养最容易被忽视，但可能最实用。这里有一个框架，适用于任何需要和 AI 协作的场景：
具体的对象：你在为谁解决问题？不是泛泛的用户画像，是具体的人。他的日常工作流程是什么，什么情况下会放弃，什么情况下会满意。越具体越好。
原始表达：问题最初是怎么被描述的？直接用原话，别加工。用户怎么抱怨，客户怎么提需求，这些原汁原味的表达比你的总结有价值得多。
好的参照：你心目中的好是什么样？找几个例子给 AI 看。截图也行，链接也行，案例也行。给示例比用文字描述有效一百倍。
失败记录：这个问题之前试过什么方案，为什么不行？把踩过的坑写下来。AI 不知道你的历史，不告诉它，它可能把你走过的弯路再走一遍。
真正的约束：注意是真正的约束，不是所有限制都值得写。只写那些会实际影响方案走向的：必须兼容什么，预算多少，截止时间是什么。
成功标准：怎么知道做成了？要可衡量的，不是"提升用户体验"这种虚的。完成率从多少提到多少，时间从多久缩短到多久，能量化就量化。
我自己用 AI 写代码、写文档、做分析，都是这个体验。花半小时把背景写清楚，比花三小时反复调 prompt 有效得多。
怎么开始
如果你想试试这种新的工作方式，可以尝试：
找一个你现在就有的真实小问题。不是想象出来的，是真的困扰你的。比如每周要手动整理的报表，比如反复做的某个分析，比如一直想做但嫌麻烦的小工具。
然后花半小时写上下文，按前面说的六要素来。别急着动手，先把背景搞清楚。
接着让 AI 做一版，看看出来什么。不指望第一次就对，但你能看到方向。然后调整，再来。
做十次。不同的问题，不同的复杂度。你会慢慢建立起直觉，知道什么该告诉 AI，什么不用说，什么时候该相信它，什么时候该自己判断。
这种直觉，就是新时代的核心竞争力。
如果你的工作主要是把客户需求翻译成文档给工程师，那是工作流。工作流会被自动化。
如果你的工作是把问题理解得足够深，深到正确的解决方案变得显而易见，你比以前更值钱了。智能体会把这种理解放大成发布的产品，比任何团队都快。
每个 PM 都该问自己：当翻译层消失，还剩下什么？
对于最好的 PM 来说，答案是：那些真正重要的东西。理解问题，用户同理心，判断力，品味。这些一直是 PM 工作的一部分。现在它们正在成为全部。