PM 一天要開會、寫文件、盯進度、還要跟工程師和業務吵優先順序。AI 工具滿天飛，但很多 PM 用錯地方——拿 AI 直接寫 PRD、生原型，反而製造更多溝通落差。本文先釐清 PM 到底在做什麼，再依 10 種實際工作情境，整理 OpenAI、Google、Anthropic 官方公開的可複製 Prompt，讓 AI 真正幫上忙。
目錄
PM 是什麼？有哪些工作內容？
PM 是什麼意思？產品經理 vs 專案經理
PM 是「掌管特定工作領域」的經理人角色統稱，最常見的兩種是專案經理（Project Manager）與產品經理（Product Manager）：
- 專案經理：對「上線」負責，確保產品準時上線、控管成本與時程、分配資源。上線的那一刻，是任務完工的終點。
- 產品經理：對「產品生命週期」負責，理解使用者需求、規劃產品成長。上線的那一刻，才是工作的起點，後續要持續迭代優化。
簡單說：把正確的事情做正確，是專案經理；找到正確的事情去做，是產品經理。
5 種 PM 職位類型與工作內容
| 職位類型 | 縮寫 | 主要工作內容 |
|---|---|---|
| 專案經理 | PM | 確保產品準時上線、控管成本與時程、資源分配、風險管理 |
| 產品經理 | PM | 了解客戶需求、規劃產品發展方向、持續迭代優化 |
| 產品行銷經理 | PMM | 產品市場定位、上市策略、推廣溝通 |
| 產品銷售經理 | SPM | 管理供應商與通路、確保售後服務支援 |
| 計畫經理 | PM | 跨團隊資源分配、職能調配 |
PM 需要具備的技能
專案經理側重：
- 專案管理方法論（瀑布式、Scrum 敏捷開發）
- 專案管理工具應用能力
- 風險管理與預算規畫
產品經理側重：
- 資料分析能力
- 市場調查與定價策略
- 使用者經驗基礎知識
用 AI 之前，PM 該有的心法
多數企業對 AI 的想像仍停留在「加快現有工作的產出速度」，但這其實搞錯了方向。生成式 AI 對 PM 真正的價值，是協助工作模式從「經驗判斷」轉向以證據與探索為核心。
AI 的優勢：處理大量質化與量化數據、歸納重點、辨識規則、分析洞察、建立預測模型、提出假設、指出邏輯錯誤。
PM（人類）的優勢：快速直覺思考、對他人具備同理心、跨團隊協作、理解廣泛的商業與技術脈絡。
- AI 適合直接介入的工作：市場研究與數據分析、檢視使用者與商業數據、想法評估與假設驗證。
- AI 不建議完全取代的工作：撰寫 PRD（應與團隊共筆才有溝通效果）、製作原型（全交給 AI 容易讓 PM、設計師、工程師之間產生摩擦）、使用者訪談（全自動化會讓受訪者困擾、遺漏細節）。
換句話說，AI 該是 PM 的「思考夥伴」，而不是代打。以下依實際工作情境，整理可以直接套用的 Prompt。
PM 可以怎麼用 AI？10 大情境＋可複製 Prompt
以下 Prompt 分別整理自 OpenAI Academy、Google Workspace 官方指南、Anthropic 官方 Product Management Plugin。官方原文為英文，本文另附中文改寫版方便直接套用。
情境 1：需求文件／PRD 撰寫
PRD（Product Requirements Document）是 PM 與團隊溝通的核心文件，AI 適合協助結構化與補齊細節，但問題陳述、目標優先序仍須 PM 主導判斷。
官方架構參考（Anthropic write-spec skill）：一份完整 PRD 應包含：
- Problem Statement（問題陳述，2-3 句話說清楚誰受影響、不解決的代價）
- Goals（3-5 個可衡量的目標）
- Non-Goals（明確排除的範圍，並說明原因）
- User Stories（格式：「As a [使用者類型], I want [能力] so that [效益]」）
- Requirements（依 P0 必要／P1 加分／P2 未來考慮分級）
- Success Metrics（領先指標＋落後指標）
- Open Questions（標註待誰回答）
可複製 Prompt（中文改寫版）：
來源：Anthropic Product Management Plugin – write-spec
提醒：AI 產出的 PRD 是「草稿」，務必回到團隊共筆討論再定案。這也是經理人〈PM 該怎麼用 AI？〉一文中專家反覆強調的重點。
情境 2：使用者研究／訪談洞察整理
面對一堆訪談逐字稿、問卷回饋、客服工單，AI 可以協助做主題分析，但抽樣、提問設計仍要 PM 把關。
官方方法論（Anthropic synthesize-research skill，已核對原始檔案）：
- Familiarization（先通讀所有資料，掌握全貌）
- Initial coding（逐條標記觀察、引言、行為、痛點）
- Theme development（將相關標籤歸納成主題）
- 建立「頻率 × 影響力」優先矩陣，排出高頻高影響的關鍵發現
可複製 Prompt（中文改寫版）：
來源：Anthropic Product Management Plugin – synthesize-research
情境 3：產品路線圖規劃與優先排序
OpenAI Academy 情境參考：官方案例描述為依「影響力分數、投入成本估算、策略對齊備註」（impact scores, effort estimates, and strategic alignment notes）重新排序路線圖項目。
中文改寫版：
來源：OpenAI Academy – ChatGPT for Product、Anthropic Product Management Plugin – roadmap-update
情境 4：競品與市場研究
OpenAI Academy 情境參考：官方案例原文近似「Research how 3 key competitors structure their onboarding flow for new users. Include screenshots, key steps, and points of friction or delight.」，建議發布前核對原頁面用字。
中文改寫版：
來源：OpenAI Academy – ChatGPT for Product
搭配站內實作教學：做競品分析，別再辛苦爬文、看留言！用 AI 爬蟲，快速了解市場聲音
情境 5：會議紀錄與專案狀態回報
官方 Prompt（Google Workspace 官方，逐字引用）：
「Summarize this call transcript in a short paragraph. In bullet points, highlight the action items, decisions made, and owners for each item based off of [call transcript].」
中文改寫版：
「Draft a project status update email template to send to my manager. Include sections for a summary of key accomplishments this week, any challenges faced, and the top three priorities for next week.」
中文改寫版：
來源：Google Workspace – Prompts for project management
搭配站內實作教學：AI 會議紀錄怎麼做？從寫作原則、工具挑選到自動化提示詞完整教學、告別痛苦會議紀錄！3 步驟用 NotebookLM 自動生成會議紀錄
提醒：記錄重點是「Topic + Next Step」（討論結果＋後續行動），而非逐字稿，避免 AI 自作主張刪掉還沒定案的討論。
情境 6：問題追蹤與風險升級
官方 Prompt（Google Workspace 官方，逐字引用）：
「Create a spreadsheet to track project issues, including descriptions, status, assigned owner, and action items for resolution.」
中文改寫版：
「Draft an email template to a stakeholder to escalate a critical project issue, outlining the impact and proposed solution.」
中文改寫版：
來源：Google Workspace – Prompts for project management
情境 7：資料分析與 A/B 測試
OpenAI Academy 情境參考：官方 A/B 測試分析案例聚焦於「統計顯著性、變化最明顯的關鍵指標、下一步建議」（statistical significance, key metrics that changed, and recommend next steps）
中文改寫版：
來源：OpenAI Academy – ChatGPT for Product
搭配站內實作教學（含 2 個實際指令範例）：如何用 AI 寫報告？Google 永續報告「AI 化」實戰經驗公開：5 步驟框架與指令集
情境 8：跨部門溝通／利害關係人更新
官方架構參考（Anthropic stakeholder-update skill）：先判斷更新的對象與頻率，主管／高層要「高層次、聚焦成果、策略框架、簡短」；工程團隊要「技術細節、實作脈絡、卡關事項、待決策事項」；客戶／外部要「聚焦效益、清楚時程、不用內部術語」。
中文改寫版：
來源：Anthropic Product Management Plugin – stakeholder-update
情境 9：簡報與提案製作
站內已有完整實作教學，可直接參考：
中文改寫版（5 頁提案大綱，依 OpenAI Academy 官方情境改寫）：
情境 10：Vibe Coding／快速原型開發
當構想需要快速驗證，PM 可以用自然語言描述需求，讓 AI 生成可互動原型，減少與工程團隊的溝通成本。
站內完整學習路徑：PM 的 AI 時代生存指南：60 天速學 Vibe Coding，用說的就能開發產品！（三階段藍圖：自動化基礎 → 原型開發 → 策略應用，含 Zapier、Replit、Google AI Studio 等工具建議）
提醒：Vibe Coding 適合快速驗證構想、對齊溝通認知，但正式開發仍需工程團隊把關架構與資安（經理人〈Vibe Coding 模式可能引發哪些資安風險？〉一文亦有提醒）。
PM 用 AI 的常見誤區
-
把 AI 當代筆，而非思考夥伴：PRD、原型若完全交給 AI 產出，容易讓團隊間認知脫節，加深溝通成本而非降低。
-
迷信「效率提升」，忽略「探索與證據」的價值：AI 真正的槓桿是幫助 PM 看到更多數據、驗證更多假設，而不只是把既有工作做快。
-
用 AI 完全取代使用者訪談：全自動化的訪談會讓受訪者感到不被重視，也容易遺漏語氣、情緒等非文字線索。
-
忽略「場景想像力」與「品味判斷」：當 AI 能快速產出方案時，PM 更需要的能力是判斷哪個方案值得做，而不是產出更多方案。
延伸閱讀：未來 2 年，一半的 PM 將被淘汰？比寫 PRD 更值錢的是「場景想像力」、「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？
常見問題 FAQ
Q1：PM 需要學寫程式才能用 AI 嗎？
不一定。多數情境（寫 PRD、整理研究、規劃路線圖、會議紀錄）只需要用自然語言下指令。若想進一步做 Vibe Coding 快速原型，可參考站內〈PM 的 AI 時代生存指南〉的漸進式學習路徑，不具備程式背景也能上手。
Q2：ChatGPT、Claude、Gemini，PM 該選哪個？
依站內〈AI 免費版不夠用？ChatGPT、Copilot、Gemini、Perplexity、Claude 付費方案、適用族群一次看〉整理，各家付費方案月費約 20 美元起，側重不同：
- ChatGPT Plus：最新推理模型、語音／視訊／螢幕共享等多媒體功能完整、圖像生成能力強，適合數據分析、內容創作、開發者
- Google Gemini（AI Pro）：與 Gmail／Docs 無縫整合、超長上下文處理——本文情境 5、6 的 Google 官方 Prompt 即建立在此基礎上，適合 Google 生態系重度使用者
- Claude Pro：具「擴展思考」模式與專案管理功能——本文情境 1、2、3、8 引用的 Anthropic 官方 Product Management Plugin 即建立在 Claude 上，適合需要結構化工作流的 PM
- Perplexity Pro：來源引用明確，適合對應情境 4 的競品與市場研究
- Microsoft Copilot Pro：深度整合 Word／Excel／PowerPoint／Outlook，適合常態使用 Microsoft 365 的辦公族群
沒有絕對「最好」，依你現有的辦公室生態系（Google 系或 Microsoft 系）與最常做的 PM 工作類型挑選即可。
Q3：AI 會取代 PM 嗎？
短期內較可能取代的是「重複性文書工作」，而非「判斷與決策」。PM 更需要往「策略思考」、「跨部門整合」、「場景想像力」轉型，而非與 AI 比拚產出速度。
以上來源皆為 2026-08-21 查證。如介面、方案內容或官方頁面已更新，請以最新版本為準。
本文初稿由 AI 協助整理，編輯：支琬清
