Every 的新信号：原型变便宜后，产品团队更难做决定 (2026)

先说判断

AI 把原型的制作成本压低之后，产品团队的难题没有消失，只是换了位置：从「能不能做出来」变成「该测什么、给谁测、用什么结果决定继续还是停止」。Every 7 月 21 日刊出的文章《Drowning in Demos? Here’s a Better Way to Prototype》，由曾任 Whoop 核心产品负责人的 Hilary Gridley 撰写，复盘了 Whoop 如何处理 AI 原型突然变多之后的决策噪音。1

这篇文章最有用的地方，不是又介绍一种原型工具，而是把原型的用途重新问了一遍：它不再主要用来证明某个方案能否落地，而要尽早验证一个问题是否值得解决。

Whoop 遇到的不是产能问题

Gridley 当时带领 Whoop 的产品团队。过去，产品经理有许多停留在白板和文档里的想法。Bolt、Replit 等工具出现后，团队可以在一个下午做出原型，想法终于变成了能在屏幕上操作的东西。1

麻烦也随之出现：团队没有一套流程说明原型接下来要发生什么。哪些应该继续，哪些应该放弃，哪些只是帮助团队学习，大家没有统一标准。原型从五个增加到 30 个，并不会自动带来更好的判断，反而可能把注意力分散到六倍多的想法上。1

这改变了传统原型的逻辑。过去工程时间昂贵，团队通常先研究问题、寻找用户证据，确认方向后才做原型。AI 让「先做一个看看」变得很便宜，原型于是容易变成演示和提案：它能让同事兴奋，却不一定能回答用户是否需要。

Gridley 的判断很直接：团队把「做东西」误认为「学到了什么」。但一个屏幕上成形的产品，不等于一个已经做出的决定。

Whoop 的办法：先定结果，再给探索划线

Gridley 离开 Whoop 后，采访了现在负责 AI 产品团队的 Anjali Ahuja。团队后来形成的做法，可以拆成三个连续动作。1

先定义 AI 要改善什么。 Whoop 用了六周，由产品、工程、设计、分析和数据科学人员组成跨职能小组，先讨论用户结果，而不是直接提出「做一个睡眠教练」或「加一个 AI 聊天功能」。他们关心的是：AI 能否帮助会员记录更多生活背景，能否让会员更容易把数据转成行动。1
把 hack day 放进明确的方向。 工程师和产品经理仍然可以自由探索，但每个原型都要测试某个既定结果，而不是因为「这个东西做得出来」就获得继续投入的理由。Ahuja 把它称为 lanes, not guardrails：给探索划出方向，不是用规则把探索锁死。1
让真实用户使用粗糙版本。 Whoop 找到 12,000 名主动报名的会员作为测试群体，再观察原型实际带来了什么变化。比如力量训练原型有没有让会员记录更多训练、训练得更稳定，或者让产品变得更有用。1

这三个动作的顺序很重要。先定义结果，团队才知道原型要验证什么；先划定方向，hack day 才不会变成无边界的点子展；把原型交给愿意试用的会员，团队拿到的才是行为数据，而不只是内部意见。Whoop 也用测试群体把未完成的产品隔离开，避免所有会员都被迫面对半成品。1

产品经理的工作也在变

AI 让技术边界变化得太快，产品经理很难像过去那样先写出一套完整需求，再把它交给工程团队。Ahuja 在文中说：「I don’t feel like I can go to engineers with a set of requirements anymore, because I don’t even know what’s possible to be solved.」1

这不是说产品经理不需要判断，而是判断的对象变了。以前要尽早回答「应该做哪个方案」，现在更常见的任务是搭好一个实验环境，让团队共同找出什么可行、什么有用。产品经理要追问的也不只是需求是否写得完整，而是：这个原型要验证哪个假设？放到用户手里后，什么结果会支持继续？什么结果会让团队停下来？

Gridley 最后给出的两个问题，适合直接拿去审查任何 AI 原型：它会帮助团队做出什么决定？拿到这个决定所需数据的最快办法是什么？如果这两个问题答不上来，原型很可能只是一个漂亮的演示。

这套方法的边界

Whoop 的案例有一个容易被忽略的前提：它已经有可主动报名的会员群体，也有能力观察训练记录和使用行为。其他团队不能只复制「12,000 名测试者」这个数字，更应该复制测试逻辑：先说清楚要改善的结果，再找到与该结果最接近的用户行为。

对还没有稳定用户群的产品，外部行为数据可能暂时拿不到，团队就需要用更小规模的访谈、人工陪跑或可观察的任务完成情况来替代。那仍然是同一个问题：原型不是为了让内部人觉得它有趣，而是为了减少一个具体的不确定性。

这也是 Every 近几期讨论的一个新转向。前几篇文章在讲工作流如何留下、模型如何进入经营循环；这篇文章把同样的要求推到了产品决策上：AI 让执行变便宜，团队就必须把纪律放在问题选择、成功标准和用户反馈上。

原文同时披露，这个系列与课程平台 Maven 合作，Every 会从新课程报名收入中分成，Maven 也协助联系讲师和提出选题建议，但 Every 保留对文章内容和编辑方式的完整控制。1

Fuentes de referencia

1Drowning in Demos? Here’s a Better Way to Prototype