我以为用了AI之后会轻松一些。
事实是，我更忙了。但忙的东西不一样了。
以前写一份版本风险评估报告，大概要花半天：从JIRA里拉数据、跟各组确认信息、汇总成文档、排版、发出去。现在让AI帮我做，数据整理加初稿大概二十分钟，我再花半小时校对，一小时搞定。
省出来的三四个小时去哪了？一部分去了一个我之前根本不会做的事——给团队做工具。
以前项目里需要一个自动化排期校验的小工具，自动开单机器人或者一个跨组依赖关系的可视化看板，这种事只能等程序组有空才能帮你做，排期上永远排在业务需求后面，搞不好等一两个月。现在我自己跟AI Agent对话，描述清楚我要什么、输入是什么、输出是什么，它帮我把代码写出来。一两天就能跑。
另一部分时间去了一个过去总觉得「很重要但没空做」的事——认真想想项目和团队现在到底有什么风险。不是那种写在周报里的「风险：美术资源紧张」，是那种需要你坐下来翻完所有数据、跟几个关键人聊完之后才能形成判断的深层问题。
这两件事，是我过去一年对「AI到底改变了PM什么」这个问题最真实的体感。
很多人用AI省下来的时间，只是拿去做了更多同类型的工作——更多的同步、更多的周报、更多的会议纪要。速度快了，量变大了，但做的事的性质没变。
UC Berkeley今年初发布的一项研究也印证了这件事。他们花八个月跟踪一家200人的科技公司，发现用AI的员工并没有变轻松，而是把省下来的时间立刻填满了更多的任务。工作量不降反增，认知疲劳加剧。研究者管这个叫「workload creep」——工作量蔓延。
1. 更忙，不等于更有价值
为什么会这样？我觉得跟PM这个岗位的特殊性有关。
你仔细回想一下游戏PM日常的工作，会发现一个规律：大量的时间花在了「让事情流动起来」上——同步信息、追踪进度、拉齐认知、记录决议。
这些事情很重要，少了它们团队确实会更乱。但它们有一个共同特点：都是在降低信息流转的摩擦，而不是在创造什么新东西。
AI恰好最擅长的，就是降低信息成本。它可以从项目工具里自动抓取数据、生成进度报告、标记异常；它可以把会议录音转成结构化纪要；它可以根据历史数据预测哪些任务可能延期。
所以当AI把这些事情接过去之后，如果你只是拿省下来的时间去接更多的「同步信息、追踪进度」——你就是在用一个更快的方式做那些正在变得越来越便宜的事情。
2. PM的产出为什么难以度量
这里有一件事，我在社区里跟不少PM聊过，但公开写出来的人不多。
游戏行业的PM，产出大多很难被直接度量。
你是做关卡的，做了几个关卡、关卡好不好，虽然主观，但好歹有个评价维度。你是写代码的，功能做没做出来、性能怎么样，也能量化个大概。
但PM呢？你这个月的产出是什么？跟了100个单子？开了30个会？发了5份周报？
这些全是你做了什么，但你创造了什么价值？你跟的那50个单子如果不跟会怎样？你开的那30个会如果砍掉一半会怎样？
我也说不上来。
这就导致一个问题：因为产出不好量化，有的组织就会退而求其次，去量化投入。
你加了多少班，你参与了几个项目，你的日程被会议填满了多少——这些东西容易数，所以它们就变成了「你工作好不好」的判断标准。
**投入一旦变成了考核标准，每个人就会让自己看起来很忙。**这不是故意偷懒或者装样子，而是系统的激励就是这么设计的。
你花十分钟和对方当面聊清楚了一个依赖关系的问题，没人觉得这有什么了不起。但你花三天写了一份跨组协作方案、开了两轮评审会、最后发了一封全组邮件——大家觉得你很专业。
同一件事，做得越轻松，反而越不容易被看见。
AI放大了这个困境。
当AI让你有能力在同样的时间里产出更多的「忙碌」——更多的报告、更多的数据整理、更多的文档——如果你的考核体系没变，你就只会生产出更多的忙碌，而不是更多的价值。
3. 那什么是不可替代的？
我觉得有几个具体的时刻。
有一次，项目快到里程碑了，进度明显吃紧。制作人的态度是「加加班应该能赶上」。
我翻了一遍各组的实际完成情况，觉得不是加班能解决的——有一条依赖链上，连续三个环节都在等上游交付，加班没有意义，因为活儿还没传到你手里。
那天下午我没有去催进度，也没有去写一份「风险评估报告」。我直接找制作人，说我建议砍掉两个非核心功能，把资源集中到主线玩法上，否则我们大概率交付一个看上去什么都有但完成度都很低的东西。
这个建议当时有争议。主策不同意砍，觉得这两个功能是他设计的亮点。后来是我拉着大家坐下来，把数据摊开，一条一条地讲「如果不砍，我们具体会在哪些地方出问题」。
后来砍了。版本按时交了。
AI能帮我拉数据、帮我整理依赖关系图。但「应该砍哪个功能」这个判断，「怎么说服制作人和策划接受这个判断」这件事，AI可以输出建议，但没法替我做这件事。
还有一次，项目里两个组之间配合一直不顺。表面上是排期总对不上，深层是程序组长觉得策划的需求文档太粗糙，每次做到一半都要返工。而策划觉得程序很死板，不利于创意的发挥。
这件事前前后后折腾了三个版本。我试过写流程、定规范、上模板，都没用。
最后我分别跟两个人单独吃了一次午饭，听他们各自吐槽。
然后我终于搞明白更深层的问题：程序组长之前在另一个项目被坑过，策划改需求改了七八次，他做了大量无用功。所以他现在有防御心理，不愿意做任何文档里没写清楚的事。
了解了这个，我帮他们重新设计了一个需求评审流程，核心不是「写更多文档」，而是在动工之前加一个15分钟的面对面方案对齐，策划亲自跟程序讲一遍设计意图，程序当场反馈。
这件事之后，返工率下来了。
这个过程里AI能做什么？几乎什么都做不了。 你让AI统计返工率可以，但让AI去理解一个人因为上个项目的经历而产生的防御心理——这件事现在还只有人能做。
4. 省出来的时间，到底该拿去做什么
前面两个故事，一个是判断力——在信息不完整的时候做出取舍；一个是信任——在人和人之间建立起「你说的话我信」的关系。这两样东西都不是「更高效地处理信息」能练出来的。
那它们是怎么训练出来的？我认为是通过做那些「不像PM本职工作」的事情练出来的。
我前面提到，省出来的时间有一部分我拿去做了一件过去从来没做过的事——给团队写工具。这件事让我对项目的理解深了一个层次。
举个例子，我们团队提需求和报Bug一直很乱：大家先在一个在线表格里记录，然后再由人手动一条一条录到项目管理系统里建单，建完之后单号、状态又对不上。最头疼的是，开发在表格里手填「已完成」，但对应的单子可能还挂在系统里没关，周会上经常为了「这个到底做完没有」来回对。
以前我只能靠写文档、发通知、开会去「对齐」，效果很有限。后来我自己用AI Agent做了个中转工具：团队还是在原来的在线表格里录单，工具每几分钟自动轮询一次，按「类别」判断该开需求单还是Bug单，自动建到项目管理系统里，再把单号和链接回写到表格；同时定期把系统里的单据状态同步回表格。我还特意把「开发主观填的完成情况」和「工具回写的客观单据状态」分成两列——这两列的差值，也就是「开发说做完了、但单还没关」，恰恰是周会上最该盯的风险信号。
这个工具不算复杂，找程序做大概几天能搞定，但排在他们的需求队列里可能要等一两个月。我自己跟AI Agent花两天就跑起来了。
做这件事的过程中我意识到一个东西：当你亲手去解决一个流程问题——而不是写一份文档去描述这个问题——你对团队实际运转方式的理解会深很多。 你会知道哪些环节是真的卡点，哪些只是大家抱怨但其实不影响最终交付。
这反过来增强了我的判断力——因为你真正理解了信息是怎么流动的、在哪里会断、断了之后会造成什么后果，你在做「砍不砍这个功能」「这个风险要不要升级」这类判断的时候，底气就完全不一样。
省出来的另一部分时间，我拿去做了过去总觉得「很重要但没空做」的事——坐下来认真分析项目和团队的深层风险。
指的是哪些需要你翻完所有数据和单子、跟几个关键人深聊之后才能判断的东西。比如「这个技术主管最近状态明显不对，他带的那条线可能要出问题」；比如「策划组连续三个版本都在被动响应需求、没有主动提出过玩法迭代方向，积极性在下降」。
这种分析AI做不了，因为它依赖的不只是数据。而是你对这些人、这个项目日积月累的理解。
这两件事——做工具和做深层风险分析——在旧的PM工作定义里可能都不算「本职工作」。做工具是程序的事，分析团队状态是leader的事。
但这恰好是我想提的点：AI时代PM的不可替代性，不在于把过去的本职工作做得更快，而在于你拿省出来的时间去做了什么「超出本职」的事。
5. 信任这个词，在AI时代会变得非常贵
上面说的这些，不管是砍功能的判断、解决两个组的矛盾、自己做工具解决流程问题，它们有一个共同的前提：团队得信任你。
制作人之所以愿意听我的建议砍功能，是因为我过去几个月的判断基本靠谱。程序组长之所以愿意跟我讲心结，是因为他知道我不会拿这件事去告状。策划之所以愿意用我做的那个小工具，是因为他知道我是真的在想办法帮大家少做无用功，而不是在搞形式主义。
AI可以生成任何语气的文档，可以表达任何程度的理解和共情。但AI没法为一个决策承担后果。 你让AI建议砍一个功能，砍错了谁负责？没有人。
信任的本质是承诺的兑现——你说这个版本能交，它交了；你说这个风险需要升级，果然出了问题。一次一次的兑现，信任就积累出来了。
当知识、分析、方案都可以被近乎零成本地生成的时候，信息变得廉价，信任反而变得稀缺。
6. 游戏PM还剩下哪些不可替代的东西？
AI正在压缩PM工作中一大块「信息搬运」的地盘，这些工作过去占据了我们大量的时间，也给了我们「我很重要」的错觉。
但剩下的那些——在信息不完整的时候做出关键判断、在人和人之间建立信任、用AI Agent去解决过去只能等别人帮你解决的问题——这些事的价值不但没有下降，反而在上升。因为当所有容易的事都变便宜之后，难的事才会被看见。
关键在于，你拿AI省出来的时间做了什么。是跑步机上跑得更快，还是下来去了一个新的地方。
🎙️ 本文有播客版：小宇宙链接
如果你想进一步了解游戏PM的AI工作流，可查看游戏PM的AI实战手册。