Marty Cagan：产品团队真正的取舍是可预测性与成果

我最早了解到成果重于产出的重要性，是在我还是工程师、被指导成为技术主管的时候。当时我被明确告知，仅仅构建和发布已经不够了，我必须确保解决方案真正解决底层问题。

我写关于成果重于产出的重要性已经十多年了，这也是我所有书籍的核心主题。

而且不只是我，很多人都在书籍、文章、帖子和演讲中反复强调这一关键观点。

我真的不认为我曾遇到过任何人试图论证产出比成果更重要。

然而，我们如今身处 2026 年，正值 AI 大幅加速产品开发之际，我们从未像今天这样面临产出丰富而成果稀缺的问题。我最近在《AI 生产力悖论》中写到了这一点。

但直到几个月前，我才意识到我一直把这个问题的框架搞错了。

问题不在于成果是否比产出更重要；它们当然更重要。

但同样真实的是，没有产出我们就无法取得成果，所以成果与产出的对立其实并不是真正的取舍。而且人们很容易告诉自己：“嗯，成果很难，而我们无论如何都需要产出，所以我就专注于大量产出，然后寄希望于某样东西能奏效。”

对产出的关注可能只是症状，但我真的不认为它是根本原因。

我越来越倾向于认为，根本原因是对可预测性的渴望。

真正的取舍在于成果与可预测性之间的相对优先级。

许多产品团队对这种取舍有着直觉上的理解。正如Henrik Kniberg长期以来所强调的：“100% 可预测性 = 0% 创新。”敏捷宣言试图捕捉这一观点。书中描述的产品模型原则之一就是创新重于可预测性。

在这个语境下，“成果”可能是一个比更宽泛的“创新”更精确的术语。

最近我写了一篇关于发布 INSPIRED 之后我的遗憾的文章，我在其中解释道：“我最大的错误之一就是，我根本没有意识到对可预测性的渴望有多么强大、根深蒂固。”

可预测性本身并不是坏事。事实上，在某些情况下，真正的可预测性是绝对必要的，而且我们长期以来一直有相关技术来处理这些情况。

但这一切都是针对成果优先、却仍需偶尔应对可预测性至关重要的情况而言的。

不幸的是，大多数公司都在隐含地做出不同的选择。对他们来说，可预测性显然是首要的，而成果只是发布所承诺内容后所期望的结果。

尤其是在那些仍在运行项目模型的组织中，他们的功能团队被设立为“服务于业务”，因此他们没有立场为成果负责。

这就是我对多年来采用SAFe的众多公司的唯一解释。它是一种非常明确地为可预测性优化的模型，并没有认真尝试去取得成果。

尽管许多公司都把可预测性放在首位，但它们往往在实现可预测性目标方面表现很差，这已不是什么秘密；高管、利益相关者和客户对此心知肚明，由此产生的信任缺失往往只会让情况变得更糟，因为产出成了衡量进展的退而求其次的方式。

如果你把这种权衡以“可预测性 vs 结果”的方式呈现给公司领导者，他们很可能会说，他们当然两者都需要、也两者都期望。  从他们的角度来看，不难理解为什么两者都如此可取。  但同样不难理解，可预测性与结果这两个有价值的目标为何会相互冲突。

如果你把结果放在首位，那么你就需要承认，路线图上的许多（如果不是大多数）产品创意根本行不通。  这意味着 了解你无法知道什么，并承认你不知道什么。

正如 Steve Jobs 在著名的 Lost Interview 中所解释的那样，相信一个好主意就是 90% 的工作，这是一种危险的“疾病”，会毁掉公司。

结果需要谦逊，以及对产品这门手艺的了解，尤其是产品发现，我们正是在产品发现中努力快速找到能够产生必要结果的解决方案。

这个问题远不止于高管和利益相关者。  许多产品负责人和产品经理每天都在加剧这个问题，他们不断将未经测试的创意推上产品路线图，通常还附带日期或至少时间范围的预期。

希望将这种权衡框定为可预测性与结果之争，能让我们更接近公司在决定其文化以及选择奖励和激励什么时所需做出的核心决策。

我与公司领导者进行这种对话的频率越来越高，我相信我们现在已经触及问题的核心，触及项目模式与产品模式之间差异的根源，以及那些利用 AI 取得更好成果的人与那些只是在错误方向上跑得更快的人之间的差异。