策略PM会被AI替代吗？做了6年的我说说真心话

从Claude发布了最新的Opus4.6模型之后，我就开始把搜索推荐场景的策略PRD交给Claude来写了。

给它喂了业务背景、用户画像、现有策略逻辑、几组AB实验数据，让它输出一版完整的PRD。结果出来我看了半天，说实话，打个70分不过分。框架完整，数据引用准确，甚至连实验分组逻辑和新用户的兜底方案都写得有模有样。这个质量，比8年前刚转策略方向时的我写得好，更比现在的校招生写的好太多了。

那天晚上我躺在床上想了很久。不是焦虑那种想，是认真地在盘，我这么多年积累的东西，到底哪些有护城河，哪些其实只是熟练度？下面是我自己的思考，和大家分享一下。

先说能被替代的部分

我觉得，AI能替代策略PM大概80%的日常工作，而且这个比例还在涨。

我回顾了一下自己过去一个月的工作日历，发现大概有八成的时间花在了这些事上：

第一，数据分析报告。以前写周报月报，光是从不同数据平台拉数、对齐口径、做交叉分析，就得花大半天。现在呢？我把原始数据丢给AI，告诉它分析维度和关注指标，10分钟出一版带结论的分析报告。不仅快，而且它不会犯"把DAU和MAU的口径搞混"这种低级错误。你在prompt里定义清楚了，它就严格执行。

第二，竞品调研。上个季度做一个内容分发策略的竞品研究，我让AI先做了一轮初筛。它把抖音、快手、视频号的推荐逻辑差异、最近半年的公开策略调整、相关专利摘要都整理出来了，甚至还标注了信息来源和可信度。我在这个基础上做人工校验和补充，整体效率提升了至少3倍。

第三，实验方案初稿。写一个AB实验的方案，包括假设、分桶逻辑、核心指标、护栏指标、预期效果，这些AI写得越来越好了。实验方案本质上是格式化的逻辑推演，正好是AI的强项。

第四，指标异常归因。某天大盘CTR掉了0.3个百分点，以前你得花两三个小时拆维度、看漏斗、排查上游变更。现在把监控数据和近期变更日志喂给AI，它能快速给出几个最可能的归因方向，准确率还挺高。

这些工作有一个共同特点：输入明确，逻辑可拆解，输出有标准格式。 这些都是"给定条件下的信息处理"。AI对这方面的提效是非常显著的。

再说不能被替代的部分

但是我觉得，策略PM真正的价值，从来不在这80%里。我觉得核心价值包括：

第一，定义"什么值得做"。举个真实的例子。去年Q3，我们团队面临一个选择，是继续优化首页推荐的点击率，还是转去做搜索结果页的"用户意图理解"。从数据上看，首页优化的ROI更确定，但搜索的query非常复杂，如果聚焦用户意图理解，还是在做基建相关的工作，实在不好拿结果。

但我还是毅然决然决定all in 搜索。原因是当识别了用户意图，那么上层的召回、相关性、排序、重排、页面展示等都可以基于用户意图做差异化呈现，同时还可以反哺给行业做定招选品，探索行业红蓝海方向。这是一个难而正确的事情，更长期主义。但这个判断不是从数据里算出来的。数据只能告诉你过去发生了什么，不能告诉你未来应该聚焦什么。AI能帮你分析所有已知信息，但在不确定性中选择方向这件事，它做不了。因为这需要对业务趋势的直觉，对组织战略的理解，甚至对老板没说出口的期待的揣摩。

第二，在数据模糊时拍板。做策略经常遇到一种情况，实验跑了两周，核心指标涨了但置信度不够，同时有一个次要指标掉了一点。上线还是不上线？

这个时候没有标准答案。你要综合考虑业务节奏（大促前不敢冒险）、技术成本（如果不上线这个迭代就白做了）、团队士气（连续几个实验没产出大家快没信心了）。最后你得拍一个板。上。

拍板的本质不是计算，是承担。 AI可以给你列出所有pros和cons，但它不会替你签那个名字。而产品，就要为自己做的事情负责。

第三，拉齐10个人的预期。在阿里做过策略的都懂，推一个策略上线，你要对齐的角色有算法、工程、数据、产品、测试，可能还有法务和行业。每个人的诉求不一样，算法想要更大的探索空间，运营想要更稳定的效果，工程想要更简单的实现方案。你的工作不是找到一个"最优解"，那东西不存在。你的工作是找到一个"大家都能接受、推得动"的方案，然后说服每一个人。这是政治能力，也是沟通艺术。策略PM有一半的工作是"人的工作"，而AI很难。

第四，感知用户说不出口的需求。去年做一个新用户冷启动策略，数据告诉我们新用户留存率低是因为内容不够精准。但我在做用户访谈的时候注意到一个细节，用户讲"刚进来的时候，不知道该干嘛"。这不是精准度的问题，是"确定感"的问题。后来我们在冷启动阶段加了一个很轻的引导，不是问你喜欢什么，而是直接告诉你"和你类似的人都在看这些"。新用户转化就涨了。这种洞察，AI分析用户行为数据是分析不出来的。因为用户自己都不知道自己要什么，他只是"感觉不太对"。这个很像我一个老板，她之前腾讯来的阿里，天天给我们讲我们做的事情还不够，做产品要有感觉，要有体感，要找到最本质的需求。而能把这种模糊的感觉翻译成具体策略的人，就是不可替代的。

淘汰的是人，不是岗位

说到这里，我的核心判断其实很清楚了。AI不会消灭策略PM这个岗位，但会淘汰一种策略PM，"执行型"的那种。

什么是执行型策略PM？就是老板说"把这个指标优化一下"，你就去拆指标、跑数据、写方案、推上线。整个过程你不需要做任何真正的判断，你只是在执行一个已经被定义好的任务。这种工作，AI做得又快又好，还不用调休。

但"判断型"策略PM反而会更值钱。为什么？因为AI把执行效率拉平了。以前，一个人执行力强、写文档快、数据敏感度高，这些都是竞争优势。现在这些能力人人都能通过AI获得。

当所有人都能用AI做到80分的执行，区分度就完全落在了那20%的判断力上。这就像计算器普及之后，能快速心算不再是竞争力，但知道"该算什么"的人变得更重要了。

所以我说：AI能替代80%，但剩下的20%更值钱了。

给策略PM的3个具体建议

既然方向清楚了，那该怎么提升自己，不被AI替代？分享三个我自己在做的事。

1. 少收集方法论，多练判断力。很多策略PM喜欢收集方法论，什么北极星指标框架、RICE排序法、策略拆解六步法。这些东西有用，但本质上是"可编码的知识"，AI都是会的。真正该练的是，在你的业务领域里，能不能比别人更早看到趋势？能不能在信息不完整的时候做出靠谱的判断？这种能力只能靠大量的业务浸泡和反复的决策复盘来积累。没有捷径，但也没人能替你积累。

2. 用AI省下来的时间，别拿去做更多执行。现在很多人在学prompt engineering，学怎么让AI输出更好的结果。这当然重要，但这只是起点。关键是，AI帮你省下了大把时间，你拿这些时间去做什么了？

如果省下来的时间还是在做更多的执行工作，那你只是一个"更快的执行者"，本质没变。我的做法是把省下来的时间用在思考方向、做用户深访、跟业务方喝杯咖啡聊聊他们真正的痛点上。这些事以前总觉得没时间做，现在都可以做了。

3. 练"管理人"的能力。策略PM越往上走，写文档的时间越少，"管理人"的时间越多。怎么在周会上用三句话让老板理解你的方案？怎么让算法同学主动配合你而不是敷衍你？怎么在方案被挑战时hold住场子？

这些能力AI教不了你，也替代不了你。当执行层面大家都用AI拉平了，最终推动事情发生的，还是人。