Uber构建首轮 AI PRD 评审器

Uber的产品开发经由结构化检查点流程，但PRD进入评审时常带着无依据的假设、对相邻系统影响的盲区、未检视的二阶效应或缺少政策护栏，相关历史上下文散落在文档、幻灯片与仪表盘中，评审因此退化为低层级的发现工作。产品负责人Lakshmi Ashok介绍，团队据此构建PRD Evaluator：以PRD为入口，自动汇集关联文档、会议纪要、历史实验、跨职能材料，以及核心原则、指标定义等预置的Uber内部上下文，输出结构化的上线就绪评估。设计上有明确取舍：按变更类型校准审查强度，增量流程改动适度审查，政策、定价与市场类全量审查；评分卡对每个缺口给出缺失说明、可直接替换的文本建议与证据，并区分关键要求与优化项，而非泛泛批评。早期内部使用中已有数十名PM使用，自述反馈为能更早发现盲区、压力测试无依据假设、识别相邻系统影响，后续评审讨论更聚焦权衡与判断；该工具不替代专家终审。文中未披露量化效果数字，属早期内部实践。