最后更新：2026-08
下午三点，开完两个会。录音文件躺在手机里，纪要还没整理；明天上午要交的周报只写了个标题；策划那边还有好几个需求对齐会议今晚要开。
这是大多数游戏PM普通的一天。我是Hao，在游戏行业做了十年项目管理，现在在写「Hao的游戏PM笔记」。这篇文章想认真回答一个被问了很多次的问题：游戏PM怎么用AI提高工作效率。
不讲模型原理，不列工具清单，只讲我自己跑通过的东西。
一、先定位：你卡在哪个阶段
我观察身边用AI的PM，大致分三个阶段。
第一阶段是”问一问”。 把AI当搜索引擎用，问个名词解释、让它润色一句话。这个阶段的提效很有限，因为你最重要的工作，纪要、周报、文档，它一样没碰。
第二阶段是”拉扯”。 开始让AI干正经活了，但体验是这样的：问一个问题，AI答得不对，你再解释，还是不对，来回五六轮，半小时过去，最后你想，还不如自己写。很多人停在这里，结论是”AI不行”。
第三阶段是”系统”。 AI了解你的项目背景，按你的格式输出，一次到位或者微调一次就能用。到这个阶段，会议纪要这类工作才真正被压缩。
多数时候AI本身没问题，缺的是一套你和AI之间的工作方法。我自己也经历过拉扯期，后来收敛出的解法叫双卡系统。
二、双卡系统：让AI一次听懂你要什么
双卡系统是两张卡，一张管”下需求”，一张管”改作业”。
3C卡用来定义需求，三个维度：Context（背景）、Components（组成）、Criteria（标准）。比如让AI整理会议纪要，差的提法是”帮我整理一下这个录音”。3C的提法是：背景，这是版本周会，参会有策划、程序、美术三个职能；组成，我要决议事项、行动项和负责人、风险点三块；标准，行动项必须带截止时间，风险点按高中低分级。
CER卡用来优化输出，也是三个维度：Context（背景）、Error（问题）、Request（请求）。输出不满意时，不说”重写一遍”，而是指出：背景，刚才的纪要；问题，行动项里没有区分owner，风险点漏了美术侧提的两条；请求，补齐这两处，其他部分不动。
我自己用下来，同样的任务，拉扯从五到八轮压到一到两轮。差距不是AI变了，是你给的信息结构变了。
这里有个容易翻车的场景：我曾经让AI帮忙写一个工具，需求说得含糊，结果验收、debug、反复调试占了绝大部分时间，省下的执行时间全赔了进去。需求描述粗糙的代价，会在后面的每个环节加倍还回来。
三、五个高频场景，逐个拆开
方法说完，落到游戏PM的日常。这五个场景是我自己验证过、提效最明显的：
| 场景 | 以前 | 用AI后 | 关键动作 |
|---|---|---|---|
| 会议纪要 | 约30分钟 | 约5分钟 | 录音转写 + 3C卡定义输出结构 |
| 周报 | 约2小时 | 约30分钟 | 一份数据，按读者生成不同版本 |
| 流程文档 | 约半天 | 约1小时 | 口述给AI，用标准模板收口 |
| 需求对齐 | 反复口头同步 | L0-L4完成度定义 | AI生成需求模板，按完成度分级验收 |
| 风险识别 | 事后救火 | 日常预警 | 用Rules让AI扫描风险信号 |
挑两个展开说。
周报这个场景，快是顺带的，真正值钱的是一份数据多个版本。 给制作人看的版本抓里程碑和风险，给主管看的版本抓资源和排期，给团队同步的版本抓行动项。以前写一份都嫌累，现在同一份底稿让AI生成三个版本，每份都是读者真正关心的视角。
风险识别的变化是从”灭火”变成”巡逻”。 把历史上踩过的坑整理成风险案例库，配上检查规则，让AI定期扫你的项目文档和会议纪要，提前把信号捞出来。它不会每次都准，但漏掉的成本远高于误报的成本。
如果你是刚入行的PM，先把会议纪要这一个场景跑通就够了，它频率最高、容错最高。如果你已经在带项目，优先做风险识别，这是AI最能放大你判断力的地方。
四、让AI越用越懂你
很多人用AI的痛点是：每次对话都从零开始，重新介绍项目背景，对话一关，积累全没了。
解法是三样东西。
知识库，把项目背景、术语表、历史决策放进去，@一下AI就能调用。 Rules，把你的输出规范写成规则，设置一次长期生效，比如”周报永远先讲风险再讲进度”。 案例库，把处理过的风险、写过的文档归档，让AI的建议有你的历史经验打底。
这三样配齐之后，AI给你的东西会越来越像你团队里一个老员工写的，不再像网上随便抄的。这个变化是渐进的，大概用两三周就能感觉到。
五、再往后，如何构建自进化飞轮
去年下半年到现在，我用AI开发了不少小工具，也踩了一个很多人没说过的坑：需求会中断。工具做完了，痛点解决了，接下来不知道让AI做什么了，额度在那放着，白白浪费。
想了很久，我的判断是：瓶颈在人这一端。AI 的执行带宽可以扩，人的需求发现能力和验收时间却有限。BCG 2025 年对软件开发者的调查显示，超过 85% 的受访者仍停留在任务辅助和委派阶段，进入半自主协作及更深阶段的不到 10%。McKinsey 同年的全球调查中，88% 的受访者说所在组织至少在一个业务职能中经常使用 AI，但多数组织仍处于试验或试点阶段。这两组调查的对象和口径不同，我只把它们当作一个提醒：能用工具，不等于已经重做工作流程。
我现在的解法是搭一个”自进化飞轮”：让AI定期看我的工作记录，自己找出可以优化的地方，提出建议，我来做筛选和确认。感知、诊断、行动、反馈，转一圈，它对我的工作就多懂一分。
说实话这个飞轮我也还在尝试中，触发机制和筛选标准都还在调。但方向我越来越确定：往后几年，PM之间的差距会变成一道新题，谁的AI系统在自己长。这个想法的完整推演过程，我在播客里讲过一期，这里不展开了。
六、一张起步清单
对照一下自己现在的位置，直接拿走对应的那条。
- 还在”问一问”阶段：明天挑一场会，录音转文字后丢给AI，用3C卡提需求。跑一次，你就过了第一阶段。
- 卡在”拉扯”阶段：别再重开对话，用CER卡改。指出具体问题，限定修改范围，一到两轮拿不到能用的结果，回头改你的3C。
- 想把效率变成系统：先建知识库，哪怕只有一页项目背景。这是所有复利的基础。
- 已经在带项目：把风险案例库建起来，这是AI替你守夜班的方式。
游戏PM怎么用AI提高工作效率，落到最后就是一件事：把AI当成需要带的同事，而不是需要拜的神。你花一周时间教它你的项目、你的格式、你的标准，它后面每天都还给你。
常见问题
完全没用过AI的游戏PM，从哪开始？
从会议纪要开始。它几乎每天都发生，结果好坏一眼能看出来，就算AI搞砸了也就是重整理一次，代价最低。做顺这一个场景，再去碰周报和文档。
AI生成的东西能直接交出去吗？
不能，也不该。AI负责初稿和结构，你负责事实和判断。纪要里的决议、周报里的数据、风险的分级，这些必须过你一眼。把它当实习生写的初稿用，心态就对了：省的是起草时间，验收这道关不能省。
零经验转行做游戏PM，需要先学AI工具吗？
不需要倒过来学。先补项目管理的基本功，流程、沟通、风险意识，这些是”1”，AI是后面的”0”。没有管理判断打底，AI只会更快地帮你产出平庸的东西。入行路径可以看站内的游戏PM完全指南。
这套方法对互联网PM也适用吗？
方法本身通用，场景不同。游戏研发的跨职能协作更重，策划、程序、美术、音频多线并行，所以对齐类场景，纪要、需求、流程文档，提效体感比互联网行业更明显。版本节奏管理是游戏特有的重场景，这个我后面单独写。
这篇文章提到的方法，完整的搭建过程我整理在了 pmnote.ai 上：知识库怎么搭、Rules怎么写、五个场景的完整模板，都在「AI for PM」相关的文章和《游戏PM的AI实战手册》里，14章，30多个模板，来自我自己的工作流。如果你卡在文章里说的某个具体场景，可以先去站内AI效率与游戏PM专题找对应文章。
如果你正在看机会，可以用游戏 PM 求职自检逐项检查简历和面试准备。想聊具体情况，课程与咨询在这里。
参考资料
- BCG：The AI Adoption Puzzle，2025（软件开发者 AI 协作阶段分布）
- McKinsey：The State of AI in 2025（组织 AI 使用与规模化阶段）