「取消 PM」是個餿主意！當實作不再昂貴，PM 該如何練就挑選的品味？

Ambrosino 是 OpenAI Codex 應用的產品與工程負責人，背景橫跨設計、工程、產品管理與創業。

2026 年 6 月底，Ambrosino 在 Lenny's Podcast 分享了一組引人注意的內部數據：「OpenAI 有 90% 的人在用 Codex。不是 90% 的工程師。是整間公司 90% 的人。」

這是 Ambrosino 在訪談開場的說法；節目介紹則稱，內部近乎全體員工每週使用 Codex。

OpenAI 官方表示，截至 2026 年 6 月，Codex 全球每週活躍用戶已超過 500 萬，桌面版推出後使用量成長逾 6 倍，知識工作者約佔 20%。

另一方面，Ambrosino 在訪談中提到，OpenAI 內部的行銷、傳播、財務與法務團隊也已使用 Codex。

這組數字背後有一個讓人不安的命題：當「建東西」不再是少數人的特權，整個職場的價值分配就得重新盤算。

流程倒過來了，但很少人意識到

在 AI 工具出現之前，產品開發的流程有其邏輯：先花時間做研究、寫需求文件（PRD）、做設計原型，最後才進入實作。「原型和文件比程式碼便宜」是這個流程的核心假設。換言之，你在進入「昂貴」的實作階段之前，要先把所有風險降到最低。

Ambrosino 說，這個假設現在已經不成立了。
「實作已經不是昂貴的部分了。」他在訪談中說，「現在你給大家無限的算力，OpenAI 每個人都很有主見、都充滿能量，所以每個人都在建東西。結果可能有 90 個不同的無協調團隊，同時在實作同一個功能。」

換言之，問題從「如何實作」變成了「如何挑選」。這 90 個版本，哪一個好？好在哪裡？應該保留哪些部分、折疊進哪個更大的功能？這個問題不只外部公司有，OpenAI 自己也有，而且規模更大。

這就是 Ambrosino 反覆提到的那個詞：品味（taste）。

「品味」不只是美感，是整個決策框架

一聽到「品味」，很多人第一反應是「穿搭」或「介面設計夠不夠漂亮」。Ambrosino 刻意拆解了這個誤解。他引用 Linear（一款工程師高度推崇的專案管理工具）產品長 Nan Yu 的說法：好品味和穿不穿工裝短褲（編按：一般被認為是男性穿搭相對無趣的品項）沒關係，Paul Graham穿工裝短褲，但品味無庸置疑。

在 Ambrosino 的定義裡，品味是多維度的：美學層面（這個互動動畫的速度，符合它所要傳達的語意嗎？）、系統層面（這個功能放在整個產品架構裡，合理嗎？）、方向層面（如果什麼都能建，我們現在應該建什麼？）、媒介層面（這個問題適合用文件呈現，還是直接做原型？）。

最後一點尤其值得思考。Ambrosino 指出，現在很多非工程師因為「終於可以動手建東西」而興奮，反射性地跳過文件直接做原型，這反而製造了新的問題。原型看起來太完整、太接近可上線的樣子，讓組織裡的人誤以為「可以出貨了」，但實際上還在早期探索階段。

也就是說，工具讓人人都能建東西，但這不代表人人都知道何時該用文件、何時該用原型。

OpenAI 的組織實驗：「區域防守」而非「人盯人」

Ambrosino 表示，Codex 團隊有兩位數的工程師，設計人數約為工程人數的一半，另有少數產品人員，但覆蓋的範圍極廣。他用籃球的「區域防守（Zone Defense）」來形容 PM 在這個環境下的工作模式。

傳統模式更像「人盯人」：每個 PM 負責一個清楚界定的產品面向，與工程師、設計師緊密協作，步驟明確。而現在，Ambrosino 描述的是一種「散開」的策略：「如果兩個 PM 同時聚焦在同一個問題上，這通常不是好訊號。你想做的是，把有品味的人分散出去，確保整個產品都有覆蓋。」

不過 Ambrosino 也對「完全消滅角色」的潮流提出警告。他說他聽過不少公司宣稱「我們要取消 PM 這個職能，每個人都是 Builder」，然後觀察到的結果是：幾十年累積的產品方法論、那些被試過又失敗過的流程，全部被丟掉了。

他比喻說，懂得使用 Excel 不代表你可以勝任財務團隊的工作。

時機決定生死：同一款產品，三個月的差距

整場訪談裡，Ambrosino 說了一段讓人印象最深的話：「我非常有信心，我們在 2 月發布的這版 Codex 應用，如果在去年 11 月準備好推出，它在市場上會徹底失敗。兩個時間點之間，唯一的差異是模型品質。」

Codex 團隊在 2025 年 11 月已開始打造大致相同的產品形態，但當時模型能力仍不到位。Ambrosino 說，若那時推出，產品可能會失敗；到了 2026 年 2 月，模型品質進步，使同樣形態的產品得到截然不同的市場結果。OpenAI 官方資料顯示，桌面版推出後，Codex 使用量成長逾 6 倍。

這個案例對AI應用團隊有直接的參考意義。很多團隊在過去一、兩年間，為某個 AI 原生功能或產品做了大量投資，最終反應冷淡，便判斷「這個方向不對」。

但 Ambrosino 的教訓是：功能的形態可能是對的，只是模型還沒準備好。他的做法是把所有「不確定是否可行」的功能列出來、做出原型後擱置，等新一代模型推出再拿出來重新測試。

工具民主化，但結果不會自動民主化

品味很難被教。Ambrosino 長期在設計、工程與產品管理之間切換，用他自己的話說，「我不是因為懂 TypeScript 語法才能做工程，我是因為在意最終結果才做工程。」這種跨界積累的判斷力，是他面對 AI 工具快速演進時的重要基礎。

工具讓人人都能建東西，不代表人人都知道該建什麼、建好的東西長什麼樣。這也可能成為接下來幾年 AI 應用團隊必須面對的核心問題。

他在訪談結尾也說了一句話讓人思考：「這裡的人是自我篩選的，他們就是那種『會去找下一件事做』的人。這不是大多數人的特質。」

（本文出自數位時代）