職稱會崩塌，每個人都會成為 Builder——Zevi Arnovitz 談 AI 時代的職涯生存

本文整理自 Lenny’s Podcast 訪談 Meta 產品經理 Zevi Arnovitz 的內容。

「如果你走開時想的是『Zevi 好厲害』，那我就失敗了」

Zevi Arnovitz 在 Podcast 開頭說，他用 Claude 幫忙準備這次訪談，Claude 給他一個提醒：

「如果聽眾走開時想的是『你好厲害』，你就失敗了。如果他們走開後打開電腦開始做東西，你就成功了。」

這句話定調了整場對話。他不是來展示自己多厲害，而是來說：這些事你也做得到。

「現在是當 Junior 最好的時代」

這是 Zevi 最反直覺的觀點。

現在到處都在說 junior 找不到工作、入門機會變少、AI 會取代初階職位。他同意這些現象存在，但他看到另一面：

「對，市場上 junior 職缺變少了。但你想想，歷史上什麼時候，一個剛畢業的人可以靠自己或幾個朋友，完全 bootstrap 地把一個 startup 做出來？」

他的論點是：

1. AI 讓「做東西」的門檻極低 — 你不需要先花幾年學程式，現在就能開始做
2. 做東西是最好的學習 — 他在週末專案學到的東西（行銷策略、定價、onboarding 設計），比在大公司當 junior PM 學到的更多元
3. 實戰經歷比職稱值錢 — 他面試時就發現，越來越多人帶著自己用 AI 做的專案來展示

職稱會崩塌，每個人都會成為 Builder

當主持人 Lenny 問「未來 PM 會直接寫 code 進 production 嗎？」

Zevi 的回答更激進：「如果還有 PM 這個職稱的話。」

他認為：

「職稱會崩塌，職責會崩塌。每個人都會成為 builder。」

這不是說「PM 會消失」，而是說職能的邊界會模糊。當 PM 可以自己做原型、designer 可以自己寫前端、工程師可以自己做使用者研究，傳統的職能分工就會重新洗牌。

「你不會被 AI 取代，你會被更會用 AI 的人取代」

這句話很多人聽過，但 Zevi 真的在實踐它。

他的每一個工作流程都 AI-first：

• 碰到新問題？先問 AI
• 要準備簡報？先跟 AI 討論架構
• 要面試？建立一個 AI 教練專案

他用接電話來比喻世代差異：問老一輩「怎麼接電話」，他們會做拿起話筒的手勢；問現在的小孩，他們會做滑動螢幕的動作。

同樣的，他這個世代面對問題的直覺反應，就是先找 AI。

用 AI 準備 Meta 面試的完整策略

當 Meta 找上他面試，他第一件事就是開一個 Claude 專案，當成他的「面試教練」。

1. 建立知識庫

他把網路上所有關於 Meta PM 面試的優質資源都餵進去，包括 Ben Erez 的面試框架（Lenny’s Newsletter 有收錄）。

2. 分析高頻考題

他用 Perplexity 的瀏覽器 Comet，去分析一個免費的面試題庫（Louis Lin 維護的），找出最常被問的題目類型，用這個來決定練習的優先順序。

3. 用 AI 模擬面試

他會跟 Claude 模擬面試，而且特別設定：「你是我的教練，我不要你讓我感覺良好，我要你讓我準備好。所以要給真實的 feedback。」

4. 針對弱項做專屬工具

他發現自己在「市場區隔」（segmentation）這塊比較弱，就用 Base44 做了一個小測驗遊戲，通勤時可以玩。

5. 讓 AI 示範完美答案

有些題目沒時間完整練習，他會讓 Claude「扮演候選人」給出示範答案，從好的範例反推學習。

6. 人類模擬面試還是必要

他強調，AI 模擬能做到一定程度，但真人模擬還是不可取代。他在 LinkedIn 冷訊息了很多人來做 mock interview。

10X Learner 比 10X PM 重要

Zevi 分享了他在 Wix 的失敗故事。

剛加入時，他被分到 Editor 團隊，周圍都是資深強者。他野心勃勃，想在第一次 product review 就讓大家刮目相看。

結果慘敗。格式不對、漏掉關鍵問題、完全沒有達到預期。

他本來覺得自己完蛋了，但發現其他人的反應只是「好，兩週後再來一次」。

那一刻他理解了：

「他們對我的期待不是成為 10X PM，而是成為 10X learner。」

從那之後，他改變策略：辨識團隊裡每個人的強項，把他們當成那個領域的 mentor。

• Nary 產品直覺最強 → 產品問題找他
• Oya 是方法論專家 → 框架問題找她
• Yara 系統思考厲害 → 要看二三階效應找她

這樣做有兩個好處：他學到很多；而且下次 review 成功時，大家會覺得「這是我們培養出來的」，而不是「這小子想來踢館」。

「AI SLOP」的問題怎麼解？

有人擔心太依賴 AI 會產出低品質內容（所謂的 AI slop），技能也會退化。

Zevi 的看法是：

1. SLOP 是人的問題，不是 AI 的問題 — 如果你丟出去的東西品質差，那是你沒有好好審核，不能怪 AI
2. 你要 own 你的 output — 不管 AI 幫了多少，成品就是你的責任
3. 關鍵是設定好 context — 就像帶 junior，如果你不給脈絡、不給指引，當然產出會差。AI 也一樣，你要給它足夠的背景和風格指引

他還提到 Cursor 有個 /deslop 指令，專門清理 AI 產出的冗餘內容。

我的觀察

「沒有 junior 機會」vs「最好的創業時代」的張力

Zevi 的觀點揭示了一個有趣的張力：就業市場的 junior 機會在萎縮，但創業/做 side project 的門檻也在同時降低。

這不是矛盾，而是價值創造方式的轉移。

過去，junior 的價值是「便宜的執行力」——公司請你來做資深員工不想做的瑣事。但當 AI 可以做大部分執行工作，這種價值就消失了。

新的 junior 價值來自於：「能不能用 AI 做出東西」。這不只是會操作工具，而是有沒有辦法把想法變成可運作的產品或服務。

所以 Zevi 說的「最好的時代」是真的，但前提是你要切換到「做東西」的模式，而不是等著「被僱用來做事」。

「會用 AI」正在成為新的分水嶺

訪談中有一幕很有畫面感：Zevi 同時開著三個 AI agent 在跑不同任務，他自己反而沒事做，只能等它們跑完。他說那是「時光機時刻」——感覺自己活在未來。

這種「orchestrating multiple AI agents」的能力，正在成為新的技能分水嶺。

不只是「會用 ChatGPT」，而是：

• 知道什麼任務適合哪個模型
• 會設計 prompt 和工作流
• 能讓不同 AI 協作
• 懂得迭代和除錯

這些能力目前沒有正式的訓練管道，全靠自己摸索。這意味著：早期投入時間學習的人，會建立起很難被追上的領先優勢。

而且這個差距不是線性的——會用的人效率是倍數成長，不會用的人還在用傳統方式。這種「AI literacy」的落差，可能會成為這個時代新的不平等來源。