當 AI 成為你的隊友：估值320億美元的 Ramp 如何用 革新產品團隊的工作方式
25 個 PM、500 個功能、10 億美元年營收——他們沒有將每個員工變成超人，只是把整個工作環節重新設計過一遍
引言：先喘口氣，再來看這件事
AI 的浪潮很大，每天都有人告訴你「你必須跟上」、「你已經落後了」、「再不行動就來不及了」，我們不販賣焦慮。
—這篇文章不想這樣開始—
這次很直接地分享一個真實發生的案例——一家叫 Ramp 的金融科技公司，他們的產品長 Geoff Charles 在 2026.3 與 Peter Yang 一場訪談中，帶著觀眾看了他們團隊每天實際在用的工作方式，沒有誇大，沒有 Pitch，就是打開工具、現場操作、解釋邏輯。
看完之後，我覺得值得整理出來分享，不只是讓我們有標竿能參考：如何讓AI融入組織流程，而是因為這裡面有一些具體的思維和做法，可能會讓你對某些工作環節有不一樣的想像。
值得一提的是：Ramp 用 25 個產品經理，一年 ship 了超過 500 個功能，年營收突破 10 億美元。他們沒有依靠某種神秘的管理方法，也不是靠瘋狂加班——他們系統性地把工作流程的每一個環節重新設計過，讓 AI 在對的地方做對的事。
這篇文章帶你拆開 Ramp 落地方法，讓我們一起看看哪些東西特別有感、值動手一試。
.
第一部分｜先搞清楚：Ramp 到底在解決什麼問題？
在進入「AI 怎麼用」之前，我們先回到根本。
Ramp 是一家企業財務管理公司，核心產品是企業信用卡、費用報帳、帳款支付和採購管理。它的客戶是 CFO 和財務團隊，每天面對的都是「費用要怎麼核准」、「發票怎麼處理」、「預算有沒有超支」這些問題。
聽起來很無聊？但這個領域有一個特性，讓它成為 AI 最完美的試驗場：高度重複、規則明確、數據豐富。
每一筆費用都有標準流程，每一張發票都有固定欄位，每一條支出政策都可以被文字描述清楚。這些特性，讓 AI Agent 在這裡比幾乎任何其他場景都更容易「真的做到事情」，而不只是給建議。
這是 Ramp 能夠走在前面的結構性原因。
.
第二部分｜AI 整合進工作流：Ramp 的 PM 是怎麼工作的？
場景一：你怎麼”聽到”客戶的聲音？
每家公司都說自己重視客戶回饋。但問題是，客戶的聲音散落在太多地方——業務的 Gong 錄音、客服的工單、App 裡的評分、業務在 CRM 裡隨手記的備忘。
Ramp 有超過 5 萬名企業客戶、百萬名終端用戶。如果你是他們的 PM，你根本不可能人工消化這些資訊。
所以他們建了一個 VOC Agent（Voice of Customer，客戶之聲 Agent）。這個 Agent 持續掃描所有的 Gong 會議錄音、Salesforce 筆記、應用內調查、支援工單，甚至直接查詢資料庫。當 PM 問「客戶對採購產品有什麼回饋？」時，它在 8 分鐘內整理出 90 天的數千條紀錄，不只給你主題摘要，還附上每條原始對話的連結，讓你可以直接確認。
這個 8 分鐘，換算成傳統做法，是 8 天。
PM 的 Takeaway： 客戶洞察的第一步不是分析，而是彙整。如果彙整這件事還在靠人工，那你的洞察品質永遠受限於你的時間。把這個環節 Agent 化，是 ROI 最高的第一步。
.
場景二：數據問題，誰來回答？
「PM 要 data-driven」——這句話每個人都聽過，但在實際工作裡，很多 PM 還是得等數據分析師「有空」才能跑報表。
Ramp 的解法叫做 Ramp Research：任何人，用英文提問，就能得到數據答案。
更進階的版本是 Claude Code + Skills——PM 可以直接說「幫我生成一份轉換漏斗的 HTML 績效報告，找出阻塞點，並列出 10 個成長方向」，AI 直接產出。
Geoff 說了一句很有意思的話：「當你降低問問題的門檻，大家就會問更多數據問題，公司就會變得更以數據為中心。」這不只是工具選擇，這是組織文化的改變方式。
PM 的 Takeaway： 自然語言介面讓數據民主化。當每個人都能提問，「以數據做決策」才會從口號變成習慣。
.
.
場景三：規格書，寫給誰看？
這是整個訪談裡最顛覆認知的部分。
Geoff 說：「過去 PM 以寫出”完美規格書”為榮，但現在他們必須理解，閱讀規格書的是 AI，而不是工程師。」
這句話的意義遠比表面深。
傳統規格書可以有模糊地帶，因為工程師會用常識和溝通來補全，但 AI Agent 沒有常識，它只有你給的上下文。所以寫給 AI 的規格書必須更精確、更結構化、更完整。
Ramp 為此設計了一套叫做 Claude Code PM Skill 的三段式工作流：
第一段：框定問題（Frame the Problem） Claude 會主動反問 PM 7 個問題，包括「要完成的任務是什麼」、「為什麼是現在」、「如果我們做了這個，它會解鎖什麼」。你要能清楚回答，否則 Claude 會繼續追問。這個過程逼著 PM 在動手之前就把思維理清楚。
第二段：平行研究（Parallel Research） Claude 同時啟動 6–10 個 Agent，分頭掃描競爭對手、過去的 Gong 通話、Support 工單和程式碼庫，每個 Agent 各寫一份 Markdown 報告，再由 Claude 整合成關鍵模式。這個步驟把「資訊蒐集」這件過去要花數天的事，壓縮到幾分鐘內。
第三段：收斂規格（Shape the Spec） 最終產出是一份 2 分鐘可讀完的規格書——包含背景脈絡、設計原則、有證據支撐的需求、已考慮的替代方案，以及尚未解決的問題。不是厚重的文件，是決策的精華。
PM 的 Takeaway： Spec 的讀者變了，寫法就必須跟著變。未來的 PM 核心技能，是「如何設計一個讓 AI 能正確執行的指令系統」。
.
場景四：從 Spec 到 Production，PM 自己來？
先說清楚：這不是「PM 隨手 Vibe Code 就能上線」的故事。
網路上已經有很多文章在講 PM 可以自己做原型、自己 Demo 給團隊看——這件事本身沒什麼問題，用 AI 快速驗證一個概念，門檻確實低很多。但從原型到可上線的生產代碼，中間有一段距離，在大型系統裡這段距離尤其長。
你要面對的不只是「功能能不能跑」，而是：這段代碼跟既有系統的依賴關係是什麼？有沒有引入安全漏洞？符不符合合規要求？會不會踩到技術債？這些問題，AI 不會自動幫你想清楚，也不會因為你用了 Claude Code 就自動消失。
Ramp 的案例之所以值得關注，不是因為他們找到了「繞過這些問題」的方法，而是因為他們花了很長時間把這些配套機制建起來：完整的設計系統讓 AI 調用的 UI 元件有一致的標準、明確的代碼庫上下文讓 AI 理解現有架構的邊界、自動化的審核 Pipeline 讓每一個 PR 都經過結構性的驗證流程，而不是 PM 自己判斷「感覺可以上」。
Geoff 提到 PM 可以提交 PR，很大比例能通過自動審核——但這個「自動審核」本身，是工程團隊花時間設計出來的護欄，不是開箱即用的功能。
所以這裡真正的 Takeaway 不是「PM 可以取代工程師」，而是：當一家公司把底層的標準、規則和審核流程建得夠扎實，AI 才能在這個框架內安全地加速。Ramp 現在 50% 的代碼由 AI 構建，背後是幾年累積下來的系統設計，不是一夜之間的轉變。
對大多數公司而言，這條路是可以走的，但要誠實面對自己目前的基礎在哪裡。
.
第三部分｜AI 整合進產品：Ramp 怎麼重新設計用戶體驗？
如果說上一部分講的是 Ramp 的「內部」，這部分要談的是他們對「外部」——也就是真實用戶的體驗改造。
Ramp 2025 年的產品更新，有一個清晰的主旋律：把所有重複性的財務操作流程，全面 Agent 化。
幾個最具代表性的例子：
費用管理：零接觸核准
過去財務人員要一筆一筆審費用報告，現在 Policy Agent 自動審查每一筆費用，低風險的直接核准，只有少數異常才需要人工介入。員工甚至可以直接透過 Slack 或 SMS 完成提交，完全不需要登入系統。帳款支付：發票處理零接觸
AP Agent 分析每張發票的內容、供應商歷史和過去行為，自動完成會計分類編碼；同時，它在帳單建立之前就會標記可疑發票，加了一層防詐欺保護，卻完全不增加人工負擔。更厲害的是，對符合條件的發票，Agent 會自動建立虛擬卡、在到期日自動付款、結算後自動對帳——全程無人工介入，但客戶還能賺到現金回饋。自然語言報表
CFO 現在可以直接問「上個月哪個部門超支最多」，Ramp 立刻給出圖表和分析。不需要設計報表，不需要找數據團隊，問完就有答案。
Geoff 在 OnRamp NY 2025 大會上說了一句話，精準概括了這個方向：「以前是我們在使用這些工具，現在是這些工具在為我們工作。」
這句話聽起來很抽象，但背後有一個非常具體的目標：讓 CFO 從每天處理瑣碎事務，轉型為真正的業務策略夥伴。
Ramp 從 2023 年到今天，已幫助客戶節省超過 100 億美元和 2,750 萬個小時，並且計劃在 2027 年前實現 30 倍生產力提升。
.
第四部分｜Fintech PM 的特殊課題：速度與合規，能兼得嗎？
這裡有一個問題，一般科技公司不太會遇到，但在 Fintech 領域是核心挑戰：
監管要求 AI 可解釋、可追蹤；快速迭代要求 AI 靈活、自主。
這兩者，能同時做到嗎？
Ramp 正在實踐的答案是：可以，但你必須在架構設計上就想清楚。
他們的 Agent 設計哲學是「窄範圍、富上下文」——每個 Agent 只做一件高度明確的任務，背後有完整的稽核日誌，支援超過 200 種平台事件的追蹤，符合 SOX 合規要求，每個操作都可查、可匯出。
這個設計邏輯解決了一個關鍵矛盾：你不是在讓 AI「自由發揮」，你是在讓 AI 在「清楚定義的邊界內」執行。這樣既能達到自動化速度，又保留了監管所需的透明度。
對 Fintech PM 而言，這是一個值得深思的架構原則：自動化的邊界，要在設計階段就寫進 Agent 的規則裡，而不是在問題發生後才去補限制。
.
小結：「自動化工作流程」代表什麼意思？
Geoff 在訪談結尾說了一句話，讓我反覆思考：「我的工作就是自動化我自己的工作，我們所有人的工作，都是自動化我們的工作。」
第一次聽，這句話有點嚇人。但細想，它其實是一種非常積極的框架。
它的意思不是AI 要取代你 (這是極大的偽命提)，而是：如果你今天花很多時間在一件重複的事上，那件事就是一個需要解決的問題，而 AI 是你現在手上最好用的工具。
Ramp 用 25 個 PM 做到了 500 個功能。他們沒有變成超人，他們只是把彙整資訊、跑數據、寫規格、生成代碼這些環節的成本，一層一層壓下來，讓每個人能把更多精力放在真正需要判斷力的地方。
這不是 Ramp 的特權，這是一套可以被拆解、學習、應用的方法論。
你今天，從哪一個環節開始？
.
文末附上小額贊助連結，支持我持續產出獨立且有深度的文章。
歡迎透過下方連結請我喝杯咖啡，也期待讓我知道你的成長心得與閱讀回饋。
One More Thing
最後附上 AI 應用在工作流程中的分級表，提供 L0–L3 能力等級，讓讀者自我對照位置
 | A guest post by
|