先回到一个熟人身边。瑞典金融公司 Klarna，第五章讲过它：高调宣布 AI 客服顶替七百个坐席的活，一年多后 CEO 公开承认走过头，重新招人。第五章拿它当「一刀切替人」的反例；这一章换个角度重看——它其实是一堂关于问题定义的课。
Klarna 当年问自己的问题是：「怎么用 AI 把客服成本砍下来？」这个问题 AI 答得又快又好：坐席砍了，账面省了，发布会开了。但事后看，正确的问题应该是：「客户的问题怎么被好好解决，同时成本可控？」两个问题只差几个字，目标函数完全不同——前者优化坐席数，后者优化「客户的问题被解决」。沿着第一个目标函数走，AI 执行得越漂亮，偏得越远：复杂来电的服务质量一点点漏掉，直到客户用脚投票，CEO 才在采访里承认「服务质量明显下滑」。
请注意这个结构：AI 没有失败，它忠实地优化了你给它的目标。失败发生在目标被写下的那一刻。这不是新道理——哲学家杜威在 1938 年就说过「问题提得好，问题就解决了一半」（a problem well put is half-solved）；德鲁克在《卓有成效的管理者》里说得更狠：最严重的错误不是给错了答案，是问错了问题。AI 时代给这条老道理加的新变量只有一条，但足够致命：在错误定义的问题上，赢就是输；而 AI 把你输掉的速度，也加快了十倍。执行免费之后，「怎么做」的价格趋近于零，「问对问题」成了第一件贵的东西——吴恩达 2025 年的判语，上一章刚引过：决定做什么，成了新的瓶颈。
上一章拆出了三问：该不该做，给谁做，做到什么程度算够。这一章逐问交付工具。
还是老规矩：每个工具都从一件真实的事讲起。
一、第一问，该不该做：预演讣告
「该不该做」为什么难？因为它最容易被两个邻居冒名顶替。
第一个邻居叫「能不能做」。技术上一看能实现、预算上一算付得起，很多人就把「能」当成了「该」。AI 时代这个冒名顶替愈发猖獗：当什么都能做，「该不该」才成了唯一的稀缺——这是第一章就立下的判断。第二个邻居叫「想不想做」。创始人喜欢、老板点头、团队兴奋，「想」就被当成了「该」。两个邻居有一个共同点：都在问自己，没问对手盘。而「该不该做」的诚实问法是机会成本的问法：同样这笔钱、这三个月、这批人，如果不做这个，最好的替代用法是什么？拿它跟「做」比，比出来的才是「该不该」。
比完之后，还差最后一道工序。认知心理学家加里·克莱因给这道工序起了个名字，叫预演讣告（pre-mortem）：在项目启动之前，把所有人拉到一张桌前，宣布——「现在是一年后，这个项目已经死了，死得很惨。请每个人写下它的死因。」
这不是普通的头脑风暴。克莱因的洞见在于顺序：让人直接提风险，大家会客气、会自我审查、会怕泼冷水；但让人给一具「已经死了」的尸体写死因，想象力就被合法化了——反正死是假设的，说什么都不算乌鸦嘴。他引用的研究叫「前瞻性后见之明」：让人想象一件事已经发生，人能想到的原因，比让人预测会不会发生时多出三成。讣告不是悲观仪式，是把散落在一堆人脑子里的隐患，提前捞到桌面上。
拿教培老板的家长答疑助手演练一遍。预演讣告，桌上大概会出现这样几张死亡证明：老师不信 AI 的答案，每条都人工复查一遍——时间没省，反而多了一道工序；家长觉得「连老师都用机器糊弄我」，口碑反噬；孩子学会拿 AI 套答案，学习效果崩了，家长迁怒于机构；某次 AI 把孩子的学习情况答错一句话，赶上较真的家长，截图上了家长群。
死因写出来，「该不该做」的答案形态就变了——它不再是「做」或「不做」的二选一，而是一张条件清单：在「老师抽查机制建立」「孩子防抄设计到位」「高危问题（成绩、纪律、健康）强制转人工」这三个条件成立的前提下，做。这是第二章「条件式结论」纪律在产品层的重现：该不该做的合格答案，永远长着「在什么条件下做」的形状。没有条件的「做」，不是判断，是情绪。
还有一句必须说的实话：预演讣告拦不住所有死法，它只保证你死得明白。判断的价值不在于全对——没有人全对——在于错了知道错在哪一层：是条件没守住，还是条件本身想错了。这两种错误，下一层要用不同的方式补救，混在一起就白死一回。
二、第二问，给谁做：一杯奶昔的教训
第二问看起来最好答：给用户做呗。但商业史上最著名的一堂课，恰恰坏在「用户」这两个字上。
哈佛商学院教授克莱顿·克里斯坦森讲过一个案例，后来成了产品圈的经典。一家快餐连锁想把奶昔卖得更好。标准动作先做：按人口画像圈出典型奶昔买家，请他们来座谈——要不要更浓？要不要更便宜？要不要加果粒？照着反馈改了产品，销量纹丝不动。
克里斯坦森的团队换了一个问题。不问「买奶昔的是什么人」，问「顾客雇这杯奶昔，来干什么活？」跟着观察，发现一大半奶昔在清晨卖出，买主是独自开车通勤的人。他们要的不是「一杯奶昔」，是一件「通勤伴侣」：单手能拿，撑得够久（比香蕉慢，正好陪完四十分钟车程），顶饱，不掉渣——对手根本不是别家的奶昔，是香蕉、甜甜圈和贝果。答案随之翻转：把奶昔做得更稠、撑得更久，把它摆到柜台前端让通勤客刷卡即取。同一杯奶昔在傍晚还有另一份工——爸爸给孩子买的「奖赏」，那份工要求的却是小一号、稀一点（孩子半天喝不完，家长等不起）。两份不同的工，两个不同的产品方向，而用户画像一条都推不出来。
这堂课后来被总结成一个框架：待完成的任务（Jobs to be Done），核心口诀是「用户不是在买产品，是在雇产品干活」——本书把这个问法叫作雇用测试。它为什么重要？因为它一刀捅破了「给谁做」最常见的错觉——以为「给谁」是问人的画像（多大年纪、什么收入），其实「给谁」问的是任务：那个人在什么处境下，雇你的东西去顶什么班？
对 AI 产品，这一刀尤其深。因为 AI 产品有个结构性的三分离：付费的、使用的、受益的，常常不是同一个人。教育产品最典型：家长付钱，老师使用，孩子受益（或者受害）。企业软件同构：掏钱的是采购和 IT，天天用的是业务员。三分离之下，贯穿本书的教培老板面前摆着三份读数：老师的（省了多少时间）、家长的（满意不满意）、孩子的（学会没学会）——三份读数还会打架：AI 答疑答得又快又好，老师省心、家长满意，但孩子发现可以拿它套答案，受益者悄悄受损。
读数打架时听谁的？这才是「给谁做」的判断本体。它没有标准答案，但有标准的逃避方式——「我们兼顾三方」。为所有人设计，就是不为任何人设计；三份读数全列进验收，等于没有验收。教培老板的诚实答案可能是：短期给老师做（读数是时间），底线给孩子设防（防抄是硬约束），长期给家长做（读数是续费）。排序排出来，产品才有了主心骨；排序错了，后面尺子部量得再准也是量错了对象。
三、第三问，做到什么程度算够：倒推新闻稿
第三问几乎人人交白卷。为什么？因为「算够」需要一个参照系，而参照系不会从需求里自动长出来——它得你亲手造。多数人从没意识到这一步存在：他们对「成功」的全部想象，是「做出来了，反响不错」这种一推就倒的形容词。
亚马逊给这个问题立过一条家法，叫倒推（working backwards）：任何新产品，动手之前先写好发布那天的新闻稿——产品是什么，一句话；用户说它好在哪，引两句；可能的质疑，附一页问答（FAQ）。新闻稿写得出，项目才立项；写不出，说明「做成什么样」根本还没定义。这家公司还有一条配套的狠规矩：高管会议禁用幻灯片，改读六页叙事文档——理由很朴素：幻灯片的语言是「要点」，要点的语法里藏得住含糊；叙事文档要求把因果讲完整，含糊一写就露馅。
倒推新闻稿为什么是第三问的好工具？因为它把「算够」从形容词逼成事实句。形容词是无底的：「反响不错」——什么算不错？事实句是有底的：「上线三个月，老师每晚机械回复时间减半，家长满意度不低于上季度。」试着写下这一句，定义里的含糊当场现形：减半，跟谁比、怎么测？满意度，问卷还是续费？不低于上季度，上季度的基线是多少、谁记的？——写新闻稿的过程，就是第三问的答案从形容词仓库搬进事实仓库的过程。如果你不能把成功写成一段话，你就还没定义成功。
拿这个标准回看 AI 时代的一个新病灶：你不给 AI 验收标准，它就用自己的——而它的标准是讨好你。你说「写得好一点」，它就写得更华丽；你说「再智能一些」，它就把话术堆得更满。形容词喂进去，形容词长出来。第三问的白卷，在 AI 这里不是可选项了：没有参照系的人，领到的将是 AI 替你现编的参照系。
还要补一句被问烂了却少有人答对的概念：最小可行产品的「最小」，由谁定义？不是由技术定义（能跑起来的最短路径），是由第三问定义——能把新闻稿里那句事实句验证出来的最小配置。验证不了「算够」的「最小」，只是最快的浪费。
四、三问的答案会变
三问讲完了，最后交代两件容易误会的事。
第一，三问不是立项时填一次的表。奶昔案例如果讲到今天就该续写：通勤客开始用免提导航和车载语音，那杯「通勤伴侣」的对手换人了；教培老板的三份读数，运行三个月后权重该不该调，要看数据说话。定义问题是一门持续的手艺，不是一次性的仪式——它的完整形态是「数据闭环」，第十五章正面讲。此处先立一句纪律：任何一次「重新定义」，都应该由读数触发，而不是由新鲜感触发。
第二，归属说清楚。这一章的三件工具——预演讣告、待完成的任务、倒推新闻稿——分别属于克莱因、克里斯坦森与亚马逊，都是业界公共的方法论，本书一一注明源流；本书自己的部分是组装：把它们钉在「三问」的骨架上，加上「条件式的该不该做」「读数冲突时的排序」这两处展开。概念是公共的，展开是自己的——这条纪律，前言立过，此处照办。
三问答完，产品经理的判断部分就齐了：做不做、为谁做、做到哪。但还剩最后一关，也是第一章埋过的那颗种子发芽的地方——三问的答案，现在还在你的脑子里，要交给 AI 去执行，你发现你说不出口：它听不懂形容词，它只认例子。怎么把一页形容词，换成一排例子？这就是下一章：数据即 PRD。
出处与延伸
- Klarna 案例回访：原始宣传（AI 客服≈700 坐席，hrgrapevine 2024-02）；CEO 承认「走过头」并重新招人（Bloomberg 2025-05-08）。第五章已引用，本章作「问题定义」角度的二次解剖，事实同源。
- 预演讣告（pre-mortem）：Gary Klein《Performing a Project Premortem》（Harvard Business Review，2007-09）。其心理学根据「前瞻性后见之明」（prospective hindsight）出自 Mitchell/Russo/Pennington（1999）的研究，经克莱因文章转引；「想象已发生比预测会不会发生能多想出三成因果」为该研究的通行转述。
- 杜威与德鲁克：John Dewey《Logic: The Theory of Inquiry》（1938）：“a problem well put is half-solved”；Peter Drucker《The Effective Executive》（1966）：“The truly dangerous thing is asking the wrong question.”顺带勘误一则：网间流传的「爱因斯坦：给我一小时解题，我先花 55 分钟思考问题」经 Quote Investigator 考证（2014-05）查无实据，最早可追到 1945 年一位数学家的转述，1973 年才被安到爱因斯坦名下——本书弃用，以上面两句为可靠替代。
- 奶昔与待完成的任务（Jobs to be Done）：克里斯坦森团队的奶昔案例，最早完整叙述见 Christensen/Cook/Hall《Marketing Malpractice: The Cause and the Cure》（Harvard Business Review，2005-12），通俗版见《与运气竞争》（Competing Against Luck，2016）。「用户雇产品干活」为该框架通行口诀，本书转述。
- 倒推与 PR/FAQ：亚马逊 2000 年代早期形成的内部产品开发机制（贝索斯时期，Kindle 与 AWS 立项均用此法）；最早的公开介绍是时任亚马逊产品负责人 Ian McAllister 的 Quora 回答（2012），系统化整理见前高管 Colin Bryar & Bill Carr《Working Backwards》（2021）。「高管会议禁幻灯片、改六页叙事文档」始于贝索斯 2004 年的内部决定，为该书及多篇公开报道所载。
- 「在错误定义的问题上，赢就是输」「该不该做的合格答案长着条件的形状」「三分离（付费的/使用的/受益的）」「形容词喂进去，形容词长出来」「验证不了算够的最小，只是最快的浪费」：本书提法；「读数冲突时排序」框架为本书对教培案例的展开。
- 教培老板为本书自第四章起的推演样本（非纪实个案），其预演讣告与新闻稿内容为本书推演。