一项产品请求听起来像是已经可以决定，但它可能仍然只是某人提出的解决方案：

客户一直在要求导出全部反馈。我们应该尽快加入 CSV 导出。

AI 可以快速整理反馈、复算产品指标、比较团队主张，并起草一份语言流畅的建议。当材料散落在不同文件中时，这种速度很有用，也会带来风险：重复记录可能看起来像广泛需求，记录行为可能被误写成用户动机，而一份自信的初稿可能关闭证据从未回答的问题。

在这个 Course 中，你将为 EchoDesk 负责一项连续的产品决定。EchoDesk 是完全合成的 B2B 软件产品。你使用 Course 准备的反馈、聚合使用指标、团队备忘录和产品约束，为产品负责人 Priya 准备建议。练习材料中没有真实客户或公司数据。

你将亲自：

• 把紧急功能请求转化为 Priya 现在可以作出的决定；
• 要求 AI 整理反馈，同时保留记录 ID、重复账户、间接记录和反例；
• 检查计算，并把记录行为与团队主张和推断分开；
• 决定哪些需求属于当前产品问题，同时保留有实质差异的应对方式；
• 检查第一版建议，把自己的审计与独立证据挑战比较，并修订来源不支持的内容。

AI 可以协助梳理结构、提取信息、计算、比较、起草和修订。你仍然负责判断哪些材料可以分享、主张是否匹配来源、哪些取舍可以接受，以及哪些内容应该继续未知。Priya 保留名额分配决定；Engineering、Design 和 Security/Privacy 继续负责需要其权限的确认。

最终成果是一份可以交给负责任的人类审阅的 Product Decision Brief（产品决策简报）。它不是开发批准、roadmap 承诺、PRD，也不能证明建议一定会成功。

你不需要使用特定 AI 产品、分析平台或优先级框架，但应当已经能够阅读基础产品反馈和指标。这套方法帮助你使用 AI，同时不把产品决定交给 AI。