AI 进策划组之后：一份工作流的重写

这两年策划岗位最大的变化，不是工具栏里多了几个图标，而是「第一稿」这件事变得廉价了。过去写一份系统需求文档，光是搭骨架、补字段、想例子就要耗掉半天，现在几轮对话就能拿到一个七八十分的初稿。真正的分水岭也随之出现：初稿谁都能有，能不能改到能上线，才分出人的高低。

一、可以放心交出去的环节

按我自己的实践，以下环节交给 AI 是净收益：①需求文档骨架——把系统规则、UI 流程、边界条件先列成清单，自己再删改，效率提升最明显；②数值验算与模拟——写一小段脚本跑成长曲线、掉落期望、付费点前置时间，比手算表格快一个量级；③文案与命名——技能名、道具描述、活动规则话术，先出 20 个版本再挑，好的概率远高于自己憋；④竞品资料整理——把公开的技能表、活动日历拆成结构化对照表，用来做横向比较；⑤测试用例穷举——特别是边界与异常流程，AI 的耐心比人高得多。

二、必须自己扛的判断

有三类工作我坚持不外包给 AI。第一是核心体验的定义：这款游戏要让玩家在什么瞬间感到爽，这个是审美与直觉问题，AI 只能在你给出方向后帮忙放大，无法替你选方向。第二是取舍与优先级：资源有限时砍哪个系统、保哪个手感，背后是对团队能力和玩家预期的判断，需要经验背书。第三是对数据的解释权：留存掉了到底是难度曲线、还是引导缺失、还是买量人群变了？AI 会给你若干看起来都合理的假设，但把假设变成结论的这一步，责任在人。

三、一套可落地的人机分工流程

把上面两条合起来，我现在的流程大致是：第一步，自己先用三句话写清楚设计目标与核心体验，这段绝不让 AI 代笔，因为它是后面所有产出物的评价标准。第二步，让 AI 出需求初稿与竞品对照，自己做删减，重点是砍掉「看起来完整但没人会做」的部分。第三步，数值用脚本跑，把曲线和预期节奏叠在一起看，不接受「感觉差不多」。第四步，原型验证阶段让 AI 帮忙写测试用例和埋点清单，尤其是异常路径。第五步，上线后复盘，把真实数据喂回去，让 AI 找异常点，但结论由人下。

四、两个需要警惕的坑

第一个坑是同质化。当所有人都用同一类模型出初稿，提案会越来越像——模型倾向于给出「安全且通用」的答案，而好设计往往来自反常识的选择。破解方法只有一个：把 AI 当作放大你自己偏好的工具，而不是替你决定偏好的顾问。第二个坑是能力退化。长期不亲自写文档、不手算数值，会逐渐失去对细节的敏感度，等到需要临场判断时才发现手感没了。建议至少保留一两项「手写习惯」，比如关键系统的规则表坚持自己画。

结语

AI 进策划组，淘汰的从来不是策划，而是只会搬运流程的策划。判断力、审美、对玩家的共情，这三样东西的权重在这两年明显上升了。把重复劳动交出去，把省下的时间用在「这款游戏到底好玩在哪」这个问题上——这才是这轮工具红利最该花的地方。

本文为 G++研究院开发策划栏目原创内容，基于个人实践与公开资料整理，观点仅供交流参考。不同团队规模与项目阶段的最优分工可能不同，建议结合自身情况调整。