AI 推不動？Google 經驗：主管帶頭開路，靠 PM 思維創造高價值

原文： To Drive AI Adoption, Build Your Team's Product Management Skills 作者： Amanda Pratt（Stanford MS&E 博士候選人、Stanford HAI 2025 研究生學人）、Melissa Valentine（Stanford MS&E 副教授、Stanford HAI 資深研究員） 來源： 哈佛商業評論（HBR Taiwan）2026-08-26 研究方法： Stanford 團隊對 Google 採用生成式 AI 進行 18 個月研究（數百次訪談與觀察）＋近 2,000 名各行業專業人士（高階主管 AI 領導課程結業專案）

核心論點

AI 採用成功的關鍵不是提示工程，而是產品經理（PM）的核心能力。 組織必須讓員工學會：在工作流程中界定有價值的問題 → 評估可能的解決方案 → 快速實驗 → 將有效解方整合進日常工作並長期運用。主管的角色是營造環境讓這些技能顯而易見、以身作則示範。

PM 四項核心技能（對應 AI 應用）

界定有待解決的問題及其價值

- 不是問「這個工具能做什麼？」，而是先定義自己對 AI 的期望：省時間／提升品質／減少錯誤／拓展創意 - 案例：Google 主管每週耗數小時改團隊進度報告。第一直覺是「複製貼上 Gemini 寫摘要」→ 失敗（空泛草稿+大量編輯）。重新定義問題後（需要可直接呈交高階主管的內容），自訂 Gem + 重設計流程 → 團隊直接上傳，Gem 產出 80-90% 完成度草稿 - 主管做法：安排時間讓員工分享示範高價值 AI 應用；主管親身示範問題解決過程，「從每個人當下的需求出發」

評估技術選項

- 評估面向：介面與工作流程（聊天介面 vs pipeline 工具）、資料整合（封閉式 vs 可匯入即時資料）、工具能力（演進快速，上個月不行今天可能可以） - 案例：專案經理維護試算表，逐一評估 NotebookLM（無法相容試算表）→ Google Sheets 內 Gemini（無法直接彙入數據）→ 內部 Chrome 擴充功能（符合需求，融入既有工作流程） - 主管做法：利用會議/電子報示範工具；Google「AI 大改造」（AI makeovers）實做指導課程、「AI Spark」示範活動

進行實驗

- 把每次實驗視為最小可行性產品（MVP），不追求一開始就完美 - 案例：網站開發者對抗懷疑的主管，展開一系列小規模概念驗證（POC），證明工具可靠性 → 改變主管對話方向 → 最終將約一半工作自動化 - 障礙：時間不夠、不確定上班時間實驗是否恰當、怕失敗被指指點點、怕成功被視為「作弊」→ 主管必須以身作則、協助挑選低風險工作實驗

整合工作（最後一哩路）

- 技術層面互通性：問「我必須把這些資訊送到哪裡？」找自動化傳遞方法（有人用 Gemini 學會 API 知識做數據流自動化）；難度太高時引介技術伙伴 - 流程層面互通性：自動化會對接手者產生漣漪效應，主管應協助重新設計角色與日常，避免工作量失衡或流程瓶頸

關鍵洞察

生成式 AI 採用失敗，很少是「寫不出適當的提示」，多半是「員工難以理解 AI 如何融入實際工作流程」＋「早期嘗試給人效率低落、容易出問題、難以長期使用的印象」

強而有力的變革管理工具：具體示範和以身作則——降低恐懼、將實驗行為正當化、界定「良好」的標準

運用產品思維要避免僵化：AI 領域發展快速，個人須具備探索精神與調適能力，不被形式化路線圖或言之過早的投資報酬率束縛

核心習性四件套：找出值得解決的機會、快速測試構想、從阻力中學習、將有效的做法嵌入工作

對 RongRise 的意義（CJ哥 2026-08-26 觀點）

CJ哥的學習經驗：PO 概念（定義價值/優先順序）＋ Scrum Master 流程（迭代/回顧/排除阻礙）＋ Vibe Coding 工具內建 Builder（Developer Skills，執行力）＝ 一個完整 Scrum Team。HBR 的四項 PM 技能其實就是 PO 的工作；「實驗」就是 Sprint；「整合」就是 Definition of Done／回顧。這提供一個把抽象「產品思維」具體化的落地框架：每個人自己就是一支 Scrum Team（PO＋Scrum Master＋Builder）——很適合在公司內部推廣，作為 AI 落地實作的基本概念。可發展成官網文章/影片/診斷工具。