这期 Lenny 播客的嘉宾是 Tara Seshan，OpenAI 的产品负责人，主要负责 ChatGPT 和 Codex 这两条线。

我很少听完一期播客还要回头再听一遍，但这期是例外。

干货实在太多了，记一下。

一、AI 的第三个时代要来了

Tara 把 AI 产品的发展分成三个阶段。

第一个阶段是聊天，就是现在大家用的那种，问一句答一句。第二个阶段是智能体，AI 开始能自己去执行任务了，编程领域已经率先进入这个阶段，Codex 就是这个阶段的产物。

第三个阶段，她说快来了，那就是“持续存在的 AI 同事”。

听起来好像没什么大不了，但仔细想想区别挺大的。现在的 AI 是个工具，你问它，它答你，任务结束了它就像不存在一样。而第三个阶段的 AI，更像是你真正的队友，它记得你们做过什么，记得任务进展到哪了，随时可以接着干，而且可以和你一起，也可以和你的同事一起协作。

OpenAI 内部已经在这么用了。Tara 说他们甚至在想，未来大家开会，可能是每个人带着自己的 AI 智能体一起来，各自的 AI 完成各自的部分，然后大家汇总。就像打多人游戏一样。

想象一下这个画面，还挺科幻的，但感觉又不远。

二、OpenAI 其实没什么秘密

Tara 加入 OpenAI 之前，以为里面有一本秘籍，一份详尽的战略手册，把所有问题都想清楚了写在里面，等你入职就可以打开看。

结果进去发现，根本没有这个东西。

她说 OpenAI 是真的很“open”，内部所有的想法和判断，很快就变成了公开的产品或者公开的表态，没有什么是藏着掖着的。与此同时，公司极度扁平，几乎没有自上而下的命令，每个人都像是在经营自己那块地盘的创始人，离用户和市场非常近。

在大公司待过的人都懂那种感觉：你隔了好几层才能接触到用户，很多决定感觉和市场完全脱节。但在 OpenAI，没有这一层，你每天都在直接面对市场的反馈。

这件事挺值得想的，很多人对大公司的幻想，其实是一套成熟的方法论在等着你。但现实往往是，那套方法论就是你去摸索出来的那套。

三、做产品：快验证，少写文档

Tara 在加入 OpenAI 之前，在 Stripe 这种地方工作，习惯了写长篇战略文档，把所有的可能性分析一遍，写得像一篇论文一样，然后才推进。

到了 OpenAI，她发现这套根本行不通。

原因很简单，AI 这个市场变化太快，你根本预测不了三个月后会是什么状况，更别说一年了。在这种情况下，再详尽的战略文档也是扯淡，因为你的前提假设随时会失效。

她总结出一套新的工作方式：找到你最想验证的那一个核心假设，然后尽快把它做出来、测一测、看结果、再迭代。她管这叫从“理论型”切换到“实验型”。

一开始她很不适应，觉得自己没有好好“尽职尽责”，没有把所有可能性都想清楚就往前冲，感觉不够严谨。但后来发现，在这个市场里，这才是对的。

其实这个道理放到很多地方都成立。很多时候我们迟迟不行动，是因为想把计划做得再完美一点，再把所有变量都考虑进去。但有些东西，跑一遍就知道答案了，坐在那里想，永远想不清楚。

四、你负责掌舵，AI 负责划桨

Tara 用了一个我觉得很准确的比喻。

她说未来的工作会越来越像“掌舵”，AI 来“划桨”。

划桨是具体的执行，是你之前每天做的那些事，写代码、整理数据、起草报告。这些 AI 越来越擅长，你可以越来越多地把这些交出去。而掌舵是方向，是判断，是你想把这艘船开到哪里去。

她还说，这个“掌舵”的层级会越来越高。以前是写一行代码按 Tab 键，让 AI 帮你补全；现在是描述一个目标，让 AI 去把代码整个实现出来；未来可能是更抽象的那种，直接给战略方向，让 AI 去拆解执行。

这个比喻还有一层意思她也说到了：掌舵不只是看数据、看结果，很大一部分是你主观的判断，你想让这个产品、这家公司往哪里走。数据能告诉你现在在哪，但你想去哪，那是你的事，AI 给不了答案。

五、智能体有没有用，不只取决于它有多聪明

这个观点我觉得很多人可能没有意识到。

大家谈 AI 智能体，往往只聊模型有多厉害，推理能力多强，上下文窗口多大。但 Tara 说，让智能体真正能用、能干活，有一大半的工作其实是“无聊”的技术准备：数据访问权限、云端基础设施、系统集成。

她打了一个特别好理解的比方：你雇了一个很厉害的员工，但不给他开通公司邮箱，不让他看内部文档，不给他 Slack 权限，他能干什么？什么都干不了。AI 智能体也一样，你不给它访问你的数据，不帮它打通和各个系统的连接，它再聪明也是摆设。

这件事对于真的在落地 AI 应用的人来说，是很实际的提醒。

六、AI 时代，野心才是真正的稀缺品

Tara 观察到一件事：最厉害的那批人，不是用 AI 来偷懒，而是用 AI 来做以前根本不敢想的事。

她说以前那种“全栈型天才”，能设计又能写代码又能拿到结果，是很稀有的，大家都想找这样的人，因为这种人能减少很多沟通损耗。但现在，借助 AI，几乎每个人都可以拥有这种“全栈”能力，可以自己搭个原型，可以自己建一个数据模型，可以一个人把很多以前需要好几个人配合的事做完。

能力的边界变宽了，但真正的差距在于，你敢不敢用这个更宽的边界去做更大的事。

Tara 说，她现在认为产品经理一个很重要的职责，就是帮团队持续拉高野心上限。当有人说“我觉得这个功能大概三个月能做完”的时候，你要去问：能更快吗？我们是不是可以更有野心一点？

这件事听起来简单，但真的需要人来做。大多数人在没有人提醒的情况下，会自动往保守的方向走，觉得差不多就够了。而这种“觉得差不多就够了”的感觉，在这个时代，可能是最危险的一种舒适区。

七、产品开发只看未来两三个月

OpenAI 内部有一条原则，Tara 说她每天都在提醒自己。

永远为两三个月后的模型能力做产品，而不是现在，也不是一年后。

太保守，按照现在的模型能力来设计，产品出来之后模型早就迭代了，你的设计已经过时了。太激进，按照一年后的预期能力来规划，产品等不到那一天，中间会死掉一堆次。

两三个月是这个时代的产品节奏。

这个窗口怎么把握？Tara 说，靠和研究团队紧密沟通。模型的改进方向并不是完全的黑箱，研究团队知道接下来在重点攻哪几个方向，产品团队要和他们对齐，把这个节奏吃透，才能做出合适的判断。

之前 OpenAI 前 CPO Kevin Weil 有一句话让 Tara 印象很深：现在是这些模型“有史以来最差”的状态。

这句话听起来像废话，但真的很值得反复想。

八、写作分两种，有一种绝对不能交给 AI

Tara 把写作分成两类。

一类叫“写作是思考”，用写作来整理自己的想法，逼自己把模糊的判断变成清晰的表达。这种写作她绝对不交给 AI，因为这个过程本身就是思考的一部分，你绕开它，就等于绕开了思考。

另一类叫“写作是汇报”，总结进展、整理数据、起草报告，这些她全部交给 AI，能自动化就自动化。

她还说了一个写 brief 的方法，我觉得很好用：写到七成就可以拿去给人看了，让别人来帮你从七成磨到一百分。一份完美封闭的方案，别人看了很难有什么投入感，因为感觉没有什么地方需要他们；但一份还有些毛边的方案，别人会更愿意参与进来，提意见，帮你一起打磨。

她还提到，在 OpenAI，一篇长文档已经不再是“我认真思考过了”的证明，因为用 AI 可以轻松生成一篇看起来有理有据的长文档。真正能说明问题的，是原型、AB 测试的结果、可以直接交互的东西。

九、产品市场契合之前，先做好叙事

Tara 在正式加入科技公司之前，在 Sutter Hill Ventures 做了一段时间，那是一家孵化过 Snowflake 的 VC，专门做企业级产品。

她说在那里最大的收获是：PMF 很重要，但在做产品之前，要先想清楚怎么讲这个产品的故事。

她管这叫“产品叙事契合”。做法是：先去找一百个人，给他们讲这个产品要解决的问题和你的解法，观察他们的反应，不断打磨这个叙事，等叙事真的能打动人了，再去确定产品形态。

她说她以前一直低估产品营销这件事，觉得那只是“把产品包装一下”的工作。但在 Sutter Hill 她才意识到，真正好的产品叙事，其实是比产品本身更早就要想清楚的东西。

十、有两件事 AI 很难替代

最后聊到人类的价值，Tara 说她觉得有两件事在可预见的未来很难被 AI 替代。

一是问责。出了结果，总得有个人来承担，那个人是你。AI 可以帮你完成一百件事，但最终那个“这件事我来负责”的位置，暂时还只能由人来站。

二是表达。你想通过这个产品向世界传递什么？你的品味是什么，你的判断是什么，你想让用户感受到什么？她说软件更像电影，砸钱不等于出好片，真正让人记住的，是背后那个有话想说的人。

她还说，人与人之间相互照顾、相互激励野心的那种关系，也是 AI 替代不了的。你和你的队友一起想清楚往哪里走，一起在困难的时候互相撑着，这件事本身是很人类的东西。

听完这期，我最大的感受是：AI 的出现，让“执行力”这件事变得越来越便宜，而“想清楚要做什么，以及敢不敢去做”变得越来越贵。

这是一个能力门槛在降低、野心门槛在升高的时代。

科技先锋官How I AI