閱讀筆記 / READING NOTE 這是我讀完後做的「圖文好讀版」整理,非原創內容。原文:《What Matters When Anyone Can Build》by Yuhki Yamashita(Figma 產品長) ← Learn
Figma 產品長的觀點 · A CPO's Take

當人人都能做出產品,
什麼才重要?

過去我們被教導:未來屬於會寫程式的人——有願景固然好,但真正的優勢是「能把它做出來」。AI 把想法到成品的距離幾乎抹平之後,這個版本的未來正在退場。當人人都能做、而且做得很快,會做這件事本身,不再讓你脫穎而出。

一個人坐著思考,腦中的想法在另一端已經變成打磨好的成品,中間幾乎沒有距離

一句話

當「做得出來」變成基本款,剩下能拉開差距的只有兩件事:選對方向(不是悶頭把第一個點子做完),和用心打磨(不是看起來行就收手)。速度只是入場券,方向和心思才決定你做的東西會不會被記住。

01

速度不再是優勢,方向才是

想法現在能用驚人的速度變成成品。但「快」會製造一種進度的錯覺——萬一你正快速地往錯的方向走呢?萬一大家都跑很快,卻不是往同一個地方?

許多紙船拖著快速的軌跡往四面八方衝,有的衝向懸崖,只有少數方向一致
每艘船都跑得很快,但各衝各的方向——速度本身不會把你帶到對的地方。

速度已經是「基本門檻」

「Table stakes」原本是賭桌上的術語:你得先押上這個籌碼,才有資格坐下來玩。速度就是現在的入場籌碼——人人都有,所以它不再是你贏的理由,只是讓你有資格上場而已。

快,會給你假的進度感

東西一直長出來,看起來很有進展。但如果方向是錯的,你只是更快地抵達一個不該去的地方。產出多 ≠ 走對路。

問題換了一個

以前的問題是「怎麼把它做出來」(how to build)。現在人人都能出貨,這題大家都會了。真正的問題變成「到底什麼才值得做」(what is worth building)——方向取代速度,成為把你跟別人區分開的東西。

02

怎麼選出值得做的東西

「什麼值得做」並不好判斷,可能性的空間很大,找路這件事一半靠方法、一半靠直覺。多數人會卡在兩個相反的陷阱裡——而 AI 讓我們第一次能同時避開兩個。

左邊是一個人鑽在又窄又深的隧道裡;右邊是好幾條不同顏色的路並排展開,每一條盡頭都長出一個蓋好的結構
左:鑽進一條窄而深的隧道(牛角尖)。右:幾個方向並排展開,每一個都做深到能實際比較。

三種找答案的方式

兩個常見陷阱(深而不廣廣而不深),和一個正解(又廣又深)。

深而不廣 抓住第一個點子就往下鑽 新手陷阱:原地爬山,看不到別條路 廣而不深 攤開所有方向,但停在抽象 老手陷阱:2x2 與線框,建立不了真信心 又廣又深 幾個方向並行,每個都做到能體驗 正解:並排比較真實體驗,不是比抽象

陷阱一 · 抓住第一個點子就鑽下去

尤其是新手。你不斷打磨、迭代、改進——但常常只是在「局部爬山」(hill-climbing):站在原地往上微調,做出一連串「被起點綁住」(path-dependent)的決定,卻從來沒回頭問過:一開始選的這個點,對嗎?

今天的工具讓這件事危險地容易。AI 隨叫隨到、又乖又配合,會推著你往前衝,卻不會把你拉出第一個念頭。沒有人在旁邊扯你一把,就很容易鑽進牛角尖(tunnel vision)。

陷阱二 · 攤得很開,卻停在抽象

老手會跟你說:先把方向攤開。把選項整理成幾個「互斥又涵蓋全部」(MECE,彼此不重疊、合起來不漏掉)的高層方向,比較各自的優劣。

但這招也有它的失敗模式:停在太抽象的層次。一張 2x2 矩陣、一組線框圖(wireframe),通常不足以讓你真的有把握。在投入之前先看到「使用者實際用起來會怎樣」,感覺像殺雞用牛刀,卻往往是唯一能確認這想法行不行的方法。

正解:同時「又廣又深」

真正能找到對的點子的方法,是一邊攤開、一邊做深,兩件事同時來。AI 現在讓你能並行探索好幾個方向,而且把每一個都推到「夠真實、能感受」的程度。不是選一條路,而是同時生出幾個明顯不同的方向,把每一個都長成具體的東西——不只是點子,而是從頭到尾走得通的完整體驗(end-to-end)。

在 Figma,這常常是叫 AI 一次產出好幾個可互動的原型,對同一個問題的不同解法,並排放在一起。再把同事(和 agent)找來一起反應、比較——比的不是抽象,是真實的體驗,然後互相接力長出更好的想法。

這指向一種新的 AI 工作方式

過去用 AI 是一個人、一條線、一步接一步(siloed and sequential)。新的方式是一群人、很多條線、同時並進(collective and in parallel)——大家圍著幾個並排的真實原型一起判斷,而不是各自對著抽象方案空想。

03

把它變成「你的」

選對方向,讓你做出值得做的東西。但當人人都能做、又做得快,所有東西都會往「典型」靠攏——「夠好」變得既容易達到、也容易就這樣接受了。

一整片幾乎一模一樣的灰色物件,前方有一個正被雙手與雕刻工具細細打磨、上了暖色的物件
基準線拉高之後,多數東西都長得差不多——被記住的,是那個有人真的花心思對待的。

工藝,是把「令人難忘」和「只是堪用」分開的東西。它是主動的:是選擇,不是照單全收。

Craft is what separates the memorable from the merely functional. It's active: choosing, not accepting. — Yuhki Yamashita

AI 的「預設值」會悄悄變成你的產品

AI 給你的東西,乍看都對——它照著統計上最可能行得通的模式走,但很少是被深思熟慮過的。如果你不去質疑這些預設值,它們就會默默變成你的產品。結果就是一海票彼此可替換、看起來都一樣的東西。

而當所有東西都「能用」,人們會選那個看起來是刻意設計、有人用心對待的。

真正的失敗模式:被動

問題不在於能力不夠,而在於被動:對第一個建議點頭、看起來對了就停手、覺得「已經蠻好了」就翻篇。這很能理解——這些產出本來就被設計成很有說服力。

工藝則相反,它是主動的:回頭重看、逐一拷問每個決定,refine(修)、remove(刪)、tighten(收緊),推過前面幾個版本,直到作品有了自己的觀點(point of view)。

這不是天生的品味,是練出來的

品味不是天賦,而是透過迭代去「行使」出來的:再看一次、問一句「這真的對嗎?」,然後把它做到對。基準線會越來越高、平均水準會越來越精緻;到那時候,能讓你被看見的,不是工具、也不是速度,而是你願意投入多少心思——走得比「現成給你的」更遠,做出一眼就認得出是你的東西。

同一個起點,兩條岔路

AI 先給你一個「看起來沒問題」的版本——接下來你選哪條路,決定成品長什麼樣。

AI 給你一個看起來沒問題的版本 一個乍看都對的「預設值」 被動:照單全收 對第一個建議點頭,看起來對就停手 「已經蠻好了」就翻篇 沒去質疑預設值,它就成了你的產品 結果:一海票彼此可替換的產品 看起來都一樣,沒人記得住 主動:逐一拷問每個決定 回頭重看,問「這真的對嗎?」 修、刪、收緊,推過前幾版 直到作品有了自己的觀點 結果:一眼認得出,是你的 刻意、用心,走得比現成的更遠
04

真正重要的三件事

速度、方向、工藝。最強的團隊不在三者之間取捨——他們三個一起做:跑得快、選得審慎、改得不留情。

三者不是取捨,是疊在一起

速度讓你有資格上場,方向決定你往哪走,工藝決定別人記不記得你——三個都要。

速度 Speed 入場券:跑得快 方向 Direction 選得審慎:選對要做什麼 工藝 Craft 改得不留情:打磨到有觀點 做得出來,而且真的脫穎而出 當什麼都做得出來,勝負就在你選了什麼、又把它打磨到多好

「當任何東西都做得出來,唯一的優勢就在於你選擇做什麼,以及你把它形塑得多好。」

"Because when anything can be built, the only edge is in what you choose and how well you shape it."

05

名詞小抄

文章裡幾個英文說法,一次講清楚——免得卡在術語上。

基本門檻table stakes
賭桌術語:要先押上這筆籌碼才有資格入座。引申為「人人都有、不押就不能玩」的最低條件。速度現在就是這種東西——有它只是讓你上場,不是讓你贏。
局部爬山hill-climbing locally
一種最佳化的比喻:只往「目前位置的附近」找更高的點,於是爬上了眼前這座小山頭,卻不知道隔壁有座更高的山。套在做產品上,就是只在第一個點子上微調,沒回頭換起點。
被起點綁住path-dependent
「路徑依賴」:你後面的每個決定,都被一開始的選擇限制住。起點選錯,後面再怎麼努力優化,也跳不出那條路。
鑽牛角尖tunnel vision
「隧道視野」:眼裡只剩眼前那條窄路,看不到旁邊還有別的方向。AI 太配合、又沒人扯你一把時,特別容易這樣。
互斥且涵蓋全部MECE
Mutually Exclusive, Collectively Exhaustive 的縮寫。把選項分類時,每一類彼此不重疊(互斥),合起來又不漏掉任何情況(窮盡)。顧問常用來把方向攤乾淨。
從頭到尾的完整體驗end-to-end
不只是一個點子或一張圖,而是使用者從進來到完成、整段路都走得通的真實體驗。文中說:把每個方向都推到 end-to-end,才比得出哪個真的行。
回到 Learn 看更多筆記
圖文好讀版整理自 Yuhki Yamashita(Figma CPO)《What Matters When Anyone Can Build》,2026.05.22。
原文:figma.com/blog/what-matters-when-anyone-can-build · 非原創內容,僅作個人閱讀筆記。