產品經理寫需求、設計師畫介面、工程師把規格變成產品，是科技團隊行之有年的接力賽。但生成式 AI 正在改寫交棒方式。
現在，產品經理可以做出可點擊的功能流程，設計師可以用真實資料測試互動，工程師也能在動手建置前並排比較多個原型。但更高的流動性與互補性，代表傳統的「部門」定義鬆動了嗎？
Anthropic 的 Claude Code 負責人 Boris Cherny 認為，真正鬆動的是「先寫文件，再交給下一個職能實作」的工作流程。當更多人能直接產出可操作成果，團隊的瓶頸也從「誰能把東西做出來」，移向「什麼值得做、如何做到可上線，以及誰來收拾與維護」。
Cherny 近期在一篇 X 貼文中提出 5 種「工作原型」，正好提供一套觀察框架，它的價值不在於預測哪些職稱會消失，而是把焦點從部門名稱轉回產品需要完成的工作。
AI 先改變的，不是職稱，而是交接物
有類似觀察的產業人士，不只有 Cherny。
例如 Figma 產品長 Yuhki Yamashita 觀察，AI 讓更多人具備「做產品」的能力後，速度可能製造虛假的進展感。
因此團隊真正的優勢不再只是「更快上線」，而是知道「什麼值得上線」。Figma 因此會把多個可互動原型並排比較，先驗證不同方向，再決定投入哪一個。
另一篇 Figma 官方案例則提到，會計軟體公司 FloQast 的使用者體驗主管，以模擬後端與接近真實的資料製作程式碼原型，因而提早發現「畫面看起來合理，實際流程卻行不通」的問題。
這類原型沒有完全取代產品需求文件（PRD），但讓原本寫在文件裡的假設，可以更早被操作、比較與推翻。
Anthropic 內部也出現類似變化。該公司公開的 Claude Code 使用案例顯示，產品設計團隊會把 Figma 設計稿交給代理寫程式、執行測試並反覆修正；設計師則在設計階段就處理錯誤狀態、邏輯流程與系統狀態。
換句話說，工程、產品與設計的邊界沒有消失，而是更多討論能以「可運作的東西」為共同語言。
5 種工作原型，分別推進產品哪一段？
Cherny 提出的 5 種原型，並不對應特定部門：
- 原型者（Prototyper）：大量提出並測試新點子，多數實驗不會上線，任務是快速縮小探索範圍。
- 建造者（Builder）：把概念轉成正式產品或基礎設施，補上測試、權限、效能與部署等條件。
- 清理者（Sweeper）：簡化介面與程式碼、移除不再需要的功能，控制產品與系統複雜度。
- 成長者（Grower）：持續調整既有產品，改善產品市場契合度（product-market fit，簡稱 PMF）、留存與使用情境。
- 維護者（Maintainer）：確保成熟系統的安全、可靠性、速度與成本效率，讓產品能在規模擴大後穩定運作。
一名工程師可以同時是建造者與維護者，一名設計師也可能兼具原型者與清理者；Cherny 認為，多數人會橫跨 2 至 3 種原型。
這套分類的前瞻性在於，補上傳統職稱沒有回答的問題：這個人最擅長把產品從哪個狀態，推進到哪個狀態？
當「做出來」變容易，清理與維護反而更稀缺
大家都在說 AI 讓寫程式、畫設計變快了，但很少人討論「速度」背後的代價。
Anthropic 的研究發現，工程師利用 AI 產出的東西變多了，但如果團隊只是一味地把這些產出塞進產品裡，結局通常是災難性的：過度的技術債、難以維護的架構，以及沒人在意的無用功能。
Boris Cherny 的觀點給了我們一個極佳的框架：「清理者」與「維護者」的地位將會超越「建造者」。
因為執行（Coding）可以大量委派給 AI，但方向判斷與架構整頓，永遠是人類專業知識的最後堡壘。
如果你是產品團隊的領導者，請檢查一下：你的團隊 KPI 是否正在懲罰那些願意花時間「刪除冗餘功能」的人？ 如果有的話，你們可能正處於加速累積負債的風險中。
對管理者而言，重點不是改職稱，而是找出缺口
企業不必急著取消工程、產品與設計部門。這些職稱仍承載專業標準、決策責任、資安權限與職涯制度，不能只靠「人人都能做」取代。
更實際的做法，是在招募、組隊與檢討流程時多問三個問題：團隊是否只獎勵新增功能？誰有權停止錯誤方向？誰明確負責清理與維護？
AI 降低的是產出第一個版本的門檻，不是打造好產品的全部難度。未來團隊的差異，未必在於誰擁有最模糊的跨職能職稱，而在於能否讓探索、落地、整頓、成長與維護都有人承接。
資料來源：Boris Cherny 原始貼文、Anthropic：Boris Cherny 職稱資料、Figma：What matters when anyone can build、Figma：4 new ways to go from idea to product with AI tools、Anthropic：How Anthropic teams use Claude Code、Anthropic：Agentic coding and persistent returns to expertise
本文初稿為 AI 編撰，整理．編輯／先泰
