过去做产品，我们最常讨论的是：能不能做出来，以及应该怎么做。
但 AI 正在迅速降低“做出来”的门槛。一个过去需要团队投入几周甚至几个月的想法，现在一个人可能几天就能完成原型。
当创造变得越来越容易，真正困难的问题便提前了：
我们到底应该做什么？
几十个看起来都不错的方案，先选择哪一个？
一个产品数据不好，应该继续优化，还是及时停下？
面对无限的可能性，我们准备把时间花在哪里？
最近听了几期 Lenny’s Podcast，嘉宾分别是 Instagram 负责人 Adam Mosseri（在新标签页中打开） (opens in a new tab)、iPod 缔造者、iPhone 联合缔造者 Tony Fadell（在新标签页中打开） (opens in a new tab)，以及 OpenAI Codex 桌面端负责人 Andrew Ambrosino（在新标签页中打开） (opens in a new tab)。
他们谈论的产品不同，所处的阶段也不同，但都绕不开同一个问题：
当技术能力越来越强、可以选择的方案越来越多，人应该依靠什么做决定？
我开始觉得，AI 时代的“品味”已经不只是一种视觉审美。它更像是一种综合判断力：知道什么值得做，什么应该放弃，以及产品最终应该走向哪里。
没有答案可抄的时候，谁来拍板？
做一个已经被市场验证过的产品，可以参考数据、竞品和成熟路径。
但真正的 1.0 产品通常没有标准答案。因为它从未出现过，也就没有足够的历史数据告诉你应该怎么选。
Tony Fadell 在节目里提到，初代 iPhone 团队曾经围绕实体键盘和虚拟键盘展开激烈争论。团队做了大量测试，但测试不会自动生成唯一正确的答案。最后仍然需要有人综合技术趋势、用户体验和产品方向，做出选择，并承担这个选择带来的风险。
这种判断也不是凭感觉拍脑袋。
它来自长期积累的经验、对用户的理解、对技术边界的认识，以及无数次做错之后形成的直觉。
数据可以帮助人看清已经发生了什么，但在没有现成答案的地方，仍然需要有人决定下一步往哪里走。
产出变得廉价，筛选反而更贵
现在，用 AI 为同一个功能生成几十种方案并不困难。
真正困难的是：哪一个方案解决了真实问题？哪些亮点值得保留？哪些只是看起来新鲜，却会让产品变得更复杂？它应该独立存在，还是融入整个用户旅程？
过去，产品团队的稀缺能力可能是把想法实现出来。现在，越来越稀缺的是从大量选项中找到方向。
这也是为什么我很喜欢用“策展人”来理解未来的产品经理。
策展人不负责创造展厅里的每一件作品。他需要建立标准，选择作品，安排它们之间的关系，并最终让观众获得一个完整的体验。
产品也是如此。
AI 可以不断提供原型、文案、界面和代码，但它无法替你回答：这个功能为什么存在？它与其他部分是什么关系？用户真正需要看到什么？又有什么应该被删除？
我后来发现，验证速度也是一种品味
听这些节目时，我一直想到自己最近做的几个 AI 产品。
在“萌芽”项目里，我从产品逻辑、页面设计、用户招募到测试流程，很快搭出了一条完整的验证路径。第一批用户愿意注册，也愿意和 AI 进行比较深入的对话。我们看到了一个明确的价值：当用户混乱地讲述自己时，AI 可以帮助他感到“被整理”和“被看见”。
但它的次日留存只有 15%，没有达到我设定的验证目标。
我最终选择关掉项目。
关掉它不代表这次尝试没有价值。相反，它帮我确认了两件事：用户确实需要通过对话重新理解自己；但只有一次“聊得不错”的体验，还不足以让人持续回来。
之后做“推雪球”，我仍然保留了对话式 AI。只是对话不再承担全部功能：它负责理解用户、拆解目标，产品结构则负责承接长期目标、每日行动和后续反馈。
在参与帆书智能版时，我一开始也迅速推动了一轮外部博主的宣发和种草。最终可以准确识别并进入行为分析的博主有 77 位，带来的拉新大约在 100—130 位。
但结果并没有带来预期中的持续增长。
继续看数据后，18.2% 的次日留存让我发现，当时真正缺少的可能不是更多流量，而是非帆书用户进入产品后的第一次体验，以及他们为什么还要再回来。
这几次经历让我意识到，所谓判断力，并不意味着一开始就能猜中正确答案。
更重要的是：在信息还不完整的时候提出一个值得验证的假设；尽快把它放到真实用户面前；诚实面对结果；然后决定哪些东西应该保留，哪些方向需要及时放下。
验证速度本身，也是一种品味。
品味最终会落在一个个具体决定里
AI 会继续让创造变得更快。
我们会拥有更多原型、更多内容、更多功能，也会面对更多看起来都可以做的方向。
因此，未来真正稀缺的能力，可能不是生成更多选项，而是建立自己的判断标准。
知道用户真正需要解决什么问题，知道一个功能应该放在怎样的系统中，知道什么值得继续打磨，也知道什么时候应该停下来。
品味并不保证一个人永远做出正确的选择。
它意味着你能更早发现自己错在哪里，更快判断应该留下什么，并且愿意为最终的方向负责。
AI 给了我们越来越强的创造能力，也迫使我们更认真地回答一个问题：
在所有都可以做的事情里，我到底相信什么？