AI 越快，越要小心「更有效率地做錯事情」

做數位和數據產品久了，最頭痛的其實不是技術，是每天都會收到很多需求：

• 「這邊可以多一個欄位嗎？」
• 「主管希望首頁再放一個入口。」
• 「這個能不能加 AI？」
• 「客戶說希望可以自己篩選。」
• 「競品有，我們是不是也要有？」

每一個單獨看，好像都有道理。麻煩的是，全部做下去，系統就會越來越肥。

一個大家都很努力的循環

不做，會被問：「這個需求講多久了，為什麼還沒做？」做了，三個月後看數據：幾乎沒人用。

然後下一輪會議再討論：是不是入口不夠明顯？要不要放首頁？是不是文案要改？要不要再加一個 Prompt？

最後工程團隊很忙、產品也很忙、需求單位也覺得自己一直在追。大家都很努力，但產品沒有真的變好。

這種事情我自己也踩過不少次。所以現在開始刻意不急著接功能需求。

客戶不是不會點，是不知道選什麼

拿健檢方案來說。最早聽到的需求其實也很正常：

• 要讓客戶可以篩選健檢項目。
• 要有健檢推薦。
• 要能線上預約。
• 要讓選擇方案更方便。
• 甚至要 AI 線上解決客戶問題。

這些全部都可以做。但真正去看客戶怎麼選，才發現一個很基本的問題：

客戶根本不知道自己該選什麼。

如果是這樣，我們還做一個更好用的篩選器，其實有點奇怪。因為我們只是讓一個「不知道怎麼選的人」，更方便地自己選。

這是我後來對「需求」最大的改變。

把需求往回拆

以前收到需求，第一個問題是：怎麼做？現在收到需求，我會先問：為什麼要做？然後必須再往下問：

• 使用者現在到底卡在哪裡？
• 這一步真的需要他自己判斷嗎？
• 資料能不能先幫他排除一些選項？
• 規則能不能先處理？
• AI 到底是在解決問題，還是只是讓功能看起來比較新？

有些需求問到最後，真的不用做；有些只需要改流程；有些才值得進到平台。

所以現在比較習慣把需求往回拆：

Feature Request → Business Problem → Process Redesign → Data & AI → Product / Production

這條路徑最重要的，是前面兩步。如果 Business Problem 沒找對，後面每一步都會做得很認真，然後一起做錯。

衡好選就是這樣長出來的。它沒有從「做一個更好的篩選器」開始，而是從「客戶不知道怎麼選」開始。依公開報導，上線後 AI 推薦採用率達 93%，個人加選率由 53% 提升至 82%。我不覺得這些數字代表我們做了多少功能，它們比較像是在說：當問題問對了，客戶就不必再自己苦惱。

企業不缺需求，缺把需求問回去的人

最近看到 Accenture × Google Cloud 要投入 1,000 名 Forward-Deployed Engineers，我會有感也是這個原因。

企業裡其實不缺需求，甚至很多時候，需求太多了。真正缺的是有人能站在業務、產品、Data、AI、工程中間，把一句「我想要這個功能」，一路問回「我們到底想解決什麼問題」。

更有效率地做錯事情

AI 越來越強之後，做出功能只會越來越快。但如果問題一開始就搞錯，以前是花三個月做一個沒人用的功能，以後可能三天就做完了。

這不一定叫效率，只是更有效率地做錯事情。

所以我現在提醒自己，也提醒團隊一句話：解決客戶的問題，要優先於解決自己的問題。

需求單清掉了，是我們的問題解決了；客戶不再卡住，才是客戶的問題解決了。