产品团队可以用 AI 分析用户研究资料、辅助产品规划或改进文档。如果成员各自选工具、临时补充背景,又用不同的标准判断结果,团队就很难衡量实际收益和成本。
在白皮书《AI 队友框架:面向产品团队的四步框架》中,Scrum.org 建议产品团队借鉴迎接新成员的做法,将 AI 纳入日常协作。以下四步从选择合适的工具开始,直到团队根据实际表现调整用法。
根据 Scrum.org 白皮书整理
一、模型管理|先明确角色,再选择工具
选择 AI 工具前,先回答三个问题。
- 产品目标 这项工作要推动产品取得什么进展?
- 团队能力 在哪些任务上需要 AI 补充能力?
- 交付流程 这项工具能否融入团队现有的工作方式?
选工具可以借鉴面试的做法。从产品待办列表(Product Backlog)里选一项真实任务,让候选工具试做。
例如,请 AI 分析用户访谈时,看看它能否理解行业术语和用户的使用情境,分析能否帮助团队决定下一步研究什么。若任务是支持快速试验,就看它能否帮助团队细化假设,并跟上交付节奏。
试做后,记录结果能否支持决策,以及接入现有流程需要多少额外工作。这些记录可以作为后续检视的参照。
二、上下文管理|让 AI 了解产品和团队
选定工具后,团队可以从三类信息入手,准备 AI 完成工作所需的背景。
- 团队语言 包括行业术语、内部简称,以及团队在实际工作中如何使用这些词。
- 分工与决策 包括 AI 可以参与哪些活动、如何提供支持,以及由谁作出最终决定。
- 产品背景 包括产品愿景、当前目标、客户与用户、关键利益相关者,以及团队如何判断产品是否为用户创造了价值。
同样是改善用户参与度,“让新用户顺利完成首次使用”和“让现有客户持续使用某项功能”,需要分析的问题不同。先说清楚目标用户和产品目标。
随着团队对用户有了新的认识,或者产品目标、协作方式发生变化,提供给 AI 的背景也需要更新。团队还应明确由谁复核结果,以及如何使用这些结果来支持产品决策。
三、提示词工程|讲清任务和交付标准
交代任务时,说清楚要解决的问题、要达到的目标,以及团队会怎样使用结果。
白皮书以一款企业仪表盘为例。如果团队想提高用户参与度,可以把现有功能、近期用户研究和每次使用的时长提供给 AI,再请它提出下一轮可试验的改进建议。这样,AI 知道要依据哪些信息提出建议,团队也能据此决定先验证哪一项。
借用“完成的定义”(Definition of Done)的思路,团队可以提前约定交付标准。例如,建议要附上实施条件,分析要有数据依据,优先级清单要说明取舍。
收到初步回答后,团队可以核对依据、补充限制条件,再检视修订结果。对话记录也有助于团队回顾,哪些背景信息和任务要求影响了最后的产出。
四、治理管理|根据实际表现持续调整
定期检视 AI 是否仍在支持产品目标。 可以从三个方面看实际表现。
- 效率 节省了多少时间?支持了哪些任务?
- 质量 分析是否切题?建议是否可行、符合产品战略,并帮助团队作出判断?
- 协作 团队能否更公开地讨论问题、更专注于目标?成员是否继续发展解决复杂问题的能力?
根据观察结果调整用法。 如果背景已经充分,AI 仍反复给出泛泛的建议,可以检查工具是否适合当前领域。如果建议经常偏离产品方向,就要检查 AI 的角色和任务是否与产品目标一致。
随着团队积累经验,可以更新工作背景、改进任务说明,或缩小 AI 的使用范围。如果技术限制持续影响交付,也可以重新评估工具。更换时,保留已验证的任务说明和评估经验,供下一轮使用。
用 Scrum 的经验主义检视 AI 的使用效果
- 透明 团队清楚 AI 承担什么工作、使用哪些信息、应当交付什么。
- 检视 团队通过真实任务观察结果。
- 适应 团队根据观察调整做法,必要时重新审视分工。
团队在更换模型或同时使用多个工具时,也需要复用上下文。集中整理产品知识和协作约定,可以减少重复工作。
原文把模型上下文协议(MCP)和专门维护团队背景信息的 AI 代理视为可能的发展方向,并强调要明确访问范围和管理方式,持续验证使用效果。
团队可以从产品待办列表中的一项真实工作开始。先明确它服务于哪个产品目标,提供完成任务所需的信息,并在试用前约定如何判断结果。完成后,团队就能根据交付质量、实际投入和协作体验,决定这种用法是否值得继续。


