最近一篇 Hacker News 讨论拿到 746 points、527 条评论。标题很直接：有人已经厌倦一直聊 AI。
有意思的是，讨论里很多人并不反对 AI，也每天在用。真正让人疲劳的是：所有内容都在讲模型、工具、token 和“又加了一个 AI 入口”，却很少讲到底替用户完成了什么。原作者用了一个很形象的比喻：木工社区如果不再晒做好的桌子，只反复晒自己用的锤子，很快谁都会烦。
产品团队也会掉进同一个坑。Reddit 的产品经理社区里，有人分享：团队为了提升采用率不断做 AI 功能，但客户不喜欢，连团队自己都不愿意用。这个案例不是行业统计，却暴露了一个常见顺序错误——先问“哪里还能加 AI”，再找用户问题。
真正落地时，我更建议做 4 次翻译。
第一，把模型能力翻译成用户任务。不要只写“RAG 检索”“Agent 自动分析”，要写成用户能验收的结果。比如：上传合同后，找出续约、违约和付款条款，保留原文页码，确认后再导出。
第二，把 AI 入口翻译成具体时刻。Microsoft 的人机交互指南强调，AI 服务要根据用户当前任务和注意力出现。先找用户在哪一步停顿、查找或反复判断，再决定入口放在哪里。
第三，把模型的不确定性翻译成产品控制。Google 在 Google Clips 的设计复盘里提到，他们后来减少界面复杂度，重新使用熟悉的控件，并把最终决定权交还给用户。对今天的 AI 产品来说，就是结论带来源、支持局部修改、随时撤销、可以回到手动流程。
第四，把“有人点过”翻译成“真的被采用”。点击率只能证明好奇。更值得看的，是结果有没有被采纳、是否马上被撤销、用户下次还会不会继续用。
AI 产品经理的价值，不是把 AI 三个字放得更大，而是让技术退到后面，让任务、结果和控制站到前面。用户不需要先理解你的模型，才能完成自己的工作
