最近跟一些做产品的朋友聊天，发现大家的焦虑出奇地集中：AI 什么都能干了，那我该干什么？设计师该不该写代码？PM 要不要自己做原型？角色边界越来越模糊，到底往哪个方向走才对？
这些问题我在 Lenny's Podcast 对 Max Schoening 的访谈里听到了很有意思的回应。Max 这个人的履历挺特别——在 Google 做过 PM，去 Heroku 带过设计团队，在 GitHub 同时管设计和写代码，创过两次业，现在是 Notion 的产品负责人。用 Lenny 的话说，在“角色融合”这件事上，他已经默默做了十几年了。
访谈里他聊了很多，我们挑几个最有触动的点展开看看。
一、技能被拉平之后，真正稀缺的是什么？
Max 在访谈里反复提到一个词：Agency，中文不太好翻译，大致可以理解为“能动性”——你相不相信自己可以改变事情，能不能不等别人告诉你该做什么，就自己先动手。
这个观点戳中了一个很深的矛盾。过去我们习惯说“这件事我做不了，因为我不会”。但现在 AI 把技能门槛拉到了一个前所未有的低点——代码不会写？AI 帮你。原型不会画？AI 帮你。数据不会分析？AI 帮你。
当“不会”不再是理由的时候，为什么还是有人能做成事，有人不能？Max 的答案就是 agency 在人群里的分布，远比技能本身更不均。
“那些拥有真正能动性的人，知道周遭的世界是可塑的，他们在任何时代都会过得很好。而那些死守着‘PM 就该做什么、设计师就该做什么’的人，会越来越难。”
Notion 内部有不少例子。比如设计师 Brian Levin，早就模糊了工程和设计的边界，甚至因为觉得团队需要某类人才，就自己出去找人聊，成了公司最重要的招聘者之一——这跟“设计师的岗位职责”没有半点关系，但他在乎的不是岗位，是改变。再比如 PM Eric Lou，被 Max 直说“如果我现在创业，前十个人里不会招纯 PM”之后，没有委屈，而是直接开始学：从写长文档变成泡在 Figma 里做原型，再变成直接用代码搭 demo。他不是被推着走的，是自己先动的手。
怎么培养这种东西？Max 的办法很简单，就是做东西。不是等着被分配任务。是去改一个让你不爽的小工具，是给团队搭一个趁手的模板，是用任何你会的方式把一个想法变成别人能看见的东西。反复做。做着做着你会意识到，改变事情原来没那么难。
这让我想起他反复引用的那句话：“总有一天你会醒过来，发现这个世界是由和你一样聪明、甚至不如你聪明的人建造的。你是可以动手去改的。”
二、设计师写代码，争的根本不是技能问题
这个争论吵了十多年，AI 让话题又热了。但 Max 的立场跳出了“该不该写”的二元对立，给了一个让人很受启发的角度。
他说：“我根本不在乎设计师写的代码能不能进生产环境。”他真正在乎的是，你是用 Figma 画静态图，还是在你最终要交付的那个“媒介”里去思考。
这个认知的起点很具体。Notion 早期做 AI 聊天界面，团队在 Figma 里画了各种版本，但 Max 总觉得不对。他提起 Bret Victor 那篇有名的《Stop Drawing Dead Fish》——一个静态的聊天界面设计稿，就是一条画在纸上的死鱼，你永远感觉不到它活起来是什么样。
于是他们搭了一个极其简陋的代码沙箱，把所有聊天界面的原型从 Figma 搬进去。不是为了好看，是为了让设计师能亲手去“感觉” AI 交互的节奏和细节。
这件事真正的意义在于：当你在最终媒介里做设计时，你面对的不再是“我要画一个界面”，而是“我要设计一套在代码里运行的逻辑”。这两者的差别，就是“知道这个按钮应该放在哪”和“理解这个按钮背后的系统是怎样运作的”之间的差别。
这也解释了他为什么说，与其要一个会用 Claude Code 调 UI 细节的人，他宁愿要一个深刻理解 Agent Loop 是如何运作的人。后者的能力只有在你真正去碰代码这个“原材料”时才能获得，因为它不只是技术，是一种思维方式。
但他同时也提醒了一点：角色融合不是意味着丢掉专业主义。就像 3D 打印可以让你快速做出产品外壳，但能把这个东西量产给一亿人用的工程能力，完全是另一回事。软件也一样。AI 能帮你搭起来，但能不能撑住百万用户、能不能让用户感受到愉悦的细节、能不能长期健康运转，这些仍然需要深耕。
这不是“要不要写代码”的问题，这是“你想成为你所用材料的主人，还是仅仅成为一个交付流程里的环节”的问题。
三、AI 把产品构建的前 10% 成本归零了，但最后 10% 依然是 90% 的功夫
Max 有一个很精炼的描述：“现在，每个项目的前 10% 几乎是免费的。”
这在日常里意味着什么？以前你想把一个想法讲清楚，可能要先写几十页 PRD、画原型、跟工程师对齐几轮，才能拿到一个粗糙的 demo。现在你花一个下午，用 AI 辅助，就能做出一个可交互的东西，直接拿去给团队、给用户看。
GitHub 早年有一条原则叫“demos not memos”，意思是你别写长篇大论说服我，给我一个能反应的东西。这个原则在 AI 时代被无限放大了——你可以同时跑十条不同的探索路径，试错成本几乎为零。
但 Max 紧接着讲了另一面的真相，也是我觉得最容易被忽视的部分。他说：“前 90% 的工作可能很快被 AI 完成，但最后 10%，依然是 90% 的工作量。”
软件的数量在过去一年确实爆炸了，但质量呢？“你很难找到真正可靠、稳定、好用的软件。”AI 能帮你搭起骨架，但填不上那些真正决定产品生死的缝隙：让它稳定地跑在一百万用户身上，让不同背景的人都能顺手用起来，让它真正解决用户那个最深的需求——这些事，仍然需要人花大量时间去琢磨、打磨、测试、推倒重来。
Notion 内部有句话叫“shots on goal”，多射门没错，AI 给了我们更多试错机会。但 Max 也说，真正好的产品人，不是只会疯狂试错，而是能在探索之后，把那些零散的尝试收敛成一个极其简洁的核心，然后把绝大多数的精力，花在打磨最后那 10% 的细节上。
四、伟大产品的共性：一个微小但做到极致的核心
Max 在访谈里说了一句让人停下来想了好一会儿的话：“所有伟大的产品，都有一个极小的、像超能力一样的核心。而最大的陷阱是，你以为‘再加一个功能就会变好’——这永远不会奏效。”
他随手举了一串例子：iPhone 是多点触控，GitHub 是 Pull Request，Notion 是 Block 和斜杠命令，Heroku 是一句 git push heroku master 就能上线，Dropbox 是那个比 Mac 系统还准的同步图标。这些东西都很小，但它们不是“功能”，它们是定义产品 DNA 的那个核心交互。
他讲了一个自己的失败案例。2014 年他做过一款 Notion 的竞品，团队花了大量时间打磨编辑体验，做了很多后来 Obsidian 才流行的能力，然后不断加功能，总觉得“再来一个就行了”。结果在快要拿到融资的时候，Notion 从网站搭建切到了文档协作，投资冲突，产品也最终失败。
后来他复盘才想明白：他们在拼命打磨一堆“还可以”的功能，而早期的 Notion 编辑器其实很差，连跨 Block 选文本都做不到，但“用 Block 搭一切”这个内核击中了用户的真实需求。其他东西可以慢慢修，内核错了，加什么都没用。
他说好产品的标准其实很简单，就是“做显然好的东西”。就像第一代 iPhone 出来，没人需要解释它好在哪；ChatGPT 刚上线，也没人需要论证它的价值。你一眼就知道这东西有用。你不需要是第一个做的，你只需要是做对了的那个。AirPods 不是第一款蓝牙耳机，Anthropic 起步比 OpenAI 晚很多——这些都不重要。
五、几个很有意思的反常识观点
访谈里还抛了几个不那么主流的看法，挑几个聊聊。
关于“SaaS 末日论”：现在行业里老有人说，AI 时代人人都能自己搭工具，SaaS 要完了。Max 觉得这完全是对 SaaS 的误解。“软件像一座花园，需要持续打理。你买 SaaS 买的不是那个界面，是背后有一群专业的人帮你维护它、解决那些你不想花时间的麻烦事。”他用了一个很直观的例子——Anthropic 已经是全球最顶尖的 AI 公司，但他们内部还是重度用 Slack，没人想去自己重做一遍。因为真正有价值的时间，应该花在你最擅长的事情上。
关于“模型军备竞赛”：所有人都在卷更聪明的模型，但 Max 说他对此没什么兴趣。“就像视网膜屏幕，当你已经看不见像素点的时候，再小的像素就没有意义了。对于绝大多数知识工作来说，模型很快会达到‘足够好’的状态。比起一个放在盒子里的神，我更想要能让用户变成超级英雄的外骨骼。”这个比喻特别好——工具的意义从来不是替代你，而是放大你。
关于“全民基本收入”：Lenny 问他怎么看 UBI，Max 半开玩笑地说，“我们已经有全民基本收入了，它叫知识工作。”我们坐在空调房里，对着电脑敲字，就能拿到远超生存所需的报酬。这话乍听像调侃，细想其实在说：与其焦虑 AI 会不会让我们没工作，不如想想人类的创造力总会找到新的出口。我们不是会被闲置的物种。
关于“排他性”：这个观点有点锋利。他说，“包容性并不总是好的。世界是由 8 个人以内的群聊推动的。有时候，排他是一件好事。”很多产品总想讨好所有人，结果做成了一个平庸的东西。你可以只为你核心的那群用户做极致的产品，哪怕这意味着不服务其他人。这个逻辑在很多小众但极致的品牌上反复验证过。
六、品味不是玄学，是可以训练出来的
最后聊聊品味。这个词在 AI 时代被反复提起，但很少有人说清楚它到底是什么。
Max 给了一个很极客也很有操作性的定义：“品味，就是你在脑子里开一个虚拟机，给定一个想法，你能预判某个特定群体会不会喜欢。”
这个定义里有两个关键点。第一，品味不追求普适。你不需要做出全世界都喜欢的东西，你只需要知道你的那群用户会怎么反应。第二，品味本质上是一种预测能力，不是玄学天赋，是可以训练的。
训练的方法跟机器学习没什么两样：大量输入、反复尝试、获得反馈、调整模型。没别的路。他说日本的匠人一辈子只做一件事，重复成千上万次，才有了那种极致的判断力。品味也是一样——你就是得不断地做东西、拿给用户看、看他们的反应、再做下一个。同时把自己浸泡在好东西里，让眼睛知道“好”的上限在哪。
写在最后
访谈最后，Lenny 问 Max，如果有一天 AGI 真的来了，你不用工作了，你会干什么。Max 说了一段印象很深的话：
“我还是会做一模一样的事。写代码、做产品、创造东西，对我而言从来不只是谋生，它是一种智力挑战，一种乐趣。就像下围棋，AlphaGo 赢了人类棋手，但人依然在下棋，因为享受这件事本身是机器拿不走的。”
他说，现在的硅谷有太多人并不真正爱计算机，只是被赚钱和“赶最后一班车”的焦虑驱动。他的建议很简单：别让风口的狂热，把你从你真正在意的事情上拽走。
最后也给了一个很温柔的提议：去你所在的城市走一走，仔细看看你身边的一切——那些建筑、路标、椅子、地铁闸机——它们都是由和你一样的人创造的，而且很可能，他们并不比你聪明。在大概六到九个月的时间里，你可以学会如何从零开始做出其中大多数东西。
“所以，你拥有的能动性，比你想象的多得多。去用用它。”
