五度妙笔
企业透视镜
API商城
数据库AI 时代，真正拉开差距的是判断力、审美与野心
在 Lenny's Podcast 的最新一期访谈中，主持人 Lenny 与 OpenAI Codex 和 ChatGPT Work 产品负责人 Tara Seshan 展开对话，讨论 AI 产品的发展方向、OpenAI 的工作文化，以及产品经理和知识工作者将如何适应智能体时代。Tara 认为，AI 正从聊天工具和单次任务代理，进入能够长期工作、持续协作的“AI 同事”阶段。未来，人类的核心价值将更多体现在判断、审美、方向感和野心上，而不是亲自完成每一项具体工作。
本文编译自 Lenny's Podcast ，原文链接https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia，以下是为编译。
OpenAI 的工作方式：每个人都是产品负责人
Lenny： Tara，欢迎来到节目。你加入 OpenAI 大约一年了。在大多数公司，一年并不算长，但放在 AI 行业里，几乎已经像很久了。你原本应该对前沿 AI 实验室有一些想象。真正加入之后，最让你意外的是什么？好的和不好的方面都可以谈谈。
Tara： 我之前也在一些高增长、高人才密度、高强度、快速扩张的公司工作过，所以很多事情并不陌生，比如同事非常优秀、工作节奏非常紧迫。但真正让我意外的是，过去我待过的公司几乎都是创始人主导的，而 OpenAI 更像是一家“创始人众多”的公司。这里的每个人，尤其是在自己负责的领域里，某种程度上都像一位创始人。OpenAI 的自上而下管理非常少，和我过去经历过的公司相比，管理层直接给出的方向相当有限。
刚加入时，这一点既让我感到惊喜，也让我很快找回了创业者的感觉：我可以继续像创始人一样经营自己的产品、团队和业务。更重要的是，我和市场之间几乎没有隔着什么。很多大公司会让人逐渐远离用户需求和市场变化，但在 OpenAI，你必须像创业者一样，亲自做所有能够帮助产品找到市场契合度的事情。
Lenny： 所以，公司里并不存在一个藏着 OpenAI 绝密战略的房间，里面还有一个已经运行起来的 AGI 和一套解决所有问题的总计划？
Tara： 至少我没有进入过那个房间。加入 OpenAI 前，我原本以为这里会有一整套秘密战略，类似一家公司内部的“支付圣经”，告诉你公司如何理解支付、运营和产品。但我后来发现，OpenAI 其实非常开放。
公司里形成的各种想法——世界应该变成什么样、产品应该如何设计、模型应该怎样工作——很快就会进入公开产品，或者出现在对外表达中。这里没有太多只存在于内部、不会被用户看到的东西。这对我的工作方式改变很大，但也非常鼓舞人心。OpenAI 的很多工作会立刻变成用户能够接触和感受到的产品功能，这种从想法到产品的循环速度，是我在其他地方从未见过的。
Lenny： 你过去长期担任产品经理。进入 AI 时代之后，产品经理最需要改变的是什么？
Tara： 当一个市场比较稳定、变化速度较慢时，产品经理有机会做大量宏观战略分析。比如支付行业虽然也会变化，但它已经相对成熟，你可以分析竞争对手可能采取什么行动，再从基本原理出发推演接下来会发生什么。
在这种市场里，谁能比别人思考得更严谨，谁就更有优势。很多决策其实可以提前预测，如果你没有认真思考，就会显得很粗心。但 AI 市场完全不同。我们很难准确知道未来会出现什么，因为它变化极快，而且很多东西是不断涌现出来的。最重要的是，产品必须始终和研究进展紧密连接。
因此，在 AI 行业里，快速产出、快速试验、依靠实际结果学习，远比做一套非常理论化、学术化的长期规划重要。我刚开始也很不适应。我会想：是不是应该写一份几十页的战略文档，把未来很长一段时间的计划论证清楚？如果没有这样做，是不是说明我没有尽到思考责任？但后来我意识到，最重要的事情不是写出一套宏大计划，而是尽快做出一个可以让用户试用的东西，并从中获得尽可能多的信息。
Lenny： 那么，严谨思考在这里并没有消失，只是它的重点变了？
Tara： 没错。你仍然需要思考，但必须把思考集中在最关键的假设上。真正重要的问题是：我们究竟要验证什么？什么事情最能决定这个产品最终是成功还是失败？一旦找到这个核心问题，其他那些听起来很宏大的战略推演，可能都不再重要。产品经理需要把用户、市场和技术放在一起，形成一个尽可能清晰的假设，然后设计一个快速而有效的测试。
产品经理从“划船”变成“掌舵”
Lenny： 你说到“循环”。现在很多人都在讨论，AI 是否会把软件工程中的工作循环扩展到产品管理以及所有知识工作中。你怎么看？
Tara： 我认为，未来的工作会越来越像“掌舵”，而不是“划船”。过去，我们需要亲自完成大量具体工作，就像划船一样。未来，智能体会替我们承担越来越多的执行工作，而人的角色则变成掌舵：确定方向、设定目标、判断下一步该往哪里走。
而且，掌舵的层级会不断上升。过去可能是我亲自写一行代码，然后按下 Tab 接受补全；后来变成我向 AI 描述一个更完整的目标；再往后，可能只需要告诉它最终想实现什么。但无论抽象层级上升到多高，人仍然需要决定方向，并根据数据和反馈判断下一步该做什么。掌舵当然需要看数据，但不只是机械地服从数据。很多时候，你还需要做出有明确倾向的判断，甚至凭借直觉决定：我希望未来变成什么样。你可能不是因为另一种方案不可行，才选择某个方向，而是因为你希望世界朝这个方向发展。这样的判断和愿景，至少在目前，仍然需要由人来完成。
Lenny： 如果所有人都能使用相同的 AI 工具，那么真正拉开差距的，是不是使用工具的人本身？
Tara： 我认为确实如此。这有点像时尚。衣服首先要满足功能，但人们穿什么，也是在表达自己的个性、审美和所属群体。软件产品也一样。软件不是房地产，不是投入资金就一定能获得对应价值。它更像电影：投入很多钱，并不意味着电影一定成功。真正重要的是，你和你的团队到底有什么想表达的东西，产品是否有自己的风格、判断和审美。一个产品想法很少会直接变成最终产品。你需要不断和用户、团队以及智能体一起迭代，逐渐弄清楚它真正应该是什么样子。未来，AI 会让这个循环越来越快，但人仍然需要形成判断，再把这种判断转化为产品。
Lenny： 接下来几个月，知识工作者的工作方式会发生什么变化？
Tara： 第一种变化，是人们会在越来越高的抽象层级上使用智能体。智能体会独立完成更多工作，人类只需要提供方向，然后让它继续推进。未来的智能体会更像团队成员或同事，而不只是一个问答工具。你可以把一项任务交给它，它先独立工作一段时间；之后你们同步进展、查看中间结果、提供反馈，它再继续完成下一阶段。这和我们与同事合作的方式非常接近：对方先完成一部分工作，我们提供意见，然后对方继续推进。
第二种变化，是智能体之间也会开始协作。现在很多人的工作方式是“我和我的智能体一起完成任务”，同事则和他们各自的智能体工作，彼此之间并没有真正连接。以前，OpenAI 内部的人会把 Codex 的对话截图发到 Slack 上，说：“我是这样得到这个数字的。”但这并不是非常自然的协作方式。
更理想的状态是，我的智能体和你的智能体可以一起工作。比如，你的智能体先完成一项分析，我可以让我的智能体去检查这项分析是否合理、是否符合我的理解。整个工作过程会越来越像多人一起操控一群智能体完成项目，也像一款多人协作游戏。
Lenny： 这是不是一种缓慢发生的 AI 起飞？人们逐渐增加对智能体的信任，让它承担越来越多的工作。
Tara： 是的。现在我们不是突然面对一个智力远超人类、完全无法理解的系统，而是在逐步建立信任：先让它工作更久，再让它承担更多任务。当然，智能体能力提升很重要，但很多实际问题并不只是模型智力问题。比如，智能体如果在本地运行，就能方便地访问电脑上的文件和数据；如果它运行在云端，就需要大量基础设施，才能让它访问企业的文档、Slack、数据库和其他系统。
你不会把一名员工锁在房间里，不让他访问公司的文档、协作工具和数据库，然后还期待他完成有价值的工作。云端智能体也是如此。因此，智能体要真正有用，除了模型能力，还需要解决数据访问、云端基础设施、第三方系统连接和可靠性等问题。这些问题看起来不如“模型是否足够聪明”那么宏大，但对最终效果同样重要。
Lenny： 你经常谈到“野心”。为什么 AI 让野心变得更加重要？
Tara： AI 不仅让我们能够实现更大的目标，甚至要求我们必须提出更大的目标。现在，简单的事情变得非常容易，连一些过去很难的事情也变得容易了。因此，个人和公司之间真正的差距，越来越取决于他们敢不敢提出更大的目标。过去，最受欢迎的“全能型人才”，往往是既有产品判断力、又懂工程，有时还懂设计的人。这样的人非常稀缺，因为他们可以减少不同职能之间的沟通和转换，快速把想法变成原型，再和团队一起把产品做出来。现在，AI 正在把这种能力提供给更多人。你可以让 AI 帮你做设计、开发原型、分析定价模型、推演不同业务场景。原本超出个人能力范围的事情，开始进入每个人的能力范围。这意味着，我们的想象力和野心不应该再被过去的执行能力限制。真正困难的地方，不是能力有没有扩大，而是我们能不能在极短时间内重新想象什么是可能的。
Lenny： 所以，产品经理的新职责之一，就是帮助团队把目标想得更大？
Tara： 没错。团队成员可能会说：“我们可以用这种方式完成，大概需要这么长时间，这应该是第一版。”产品经理现在需要追问：我们是不是可以做得更快？是不是可以把规模扩大十倍？是不是还有更高的可能性？OpenAI 内部有两个很有代表性的说法。一个是：“这已经是最大限度加速了吗？”另一个是：“你已经把它用到极致了吗？”前者是在问：我们是否以最快速度推进这件事；后者是在问：你是否真的每天都在使用这个产品，并把所有体验和判断反馈给团队。这三个问题——我们是不是足够有野心、是不是已经最大限度加速、是不是每天都在使用产品——正在成为 AI 产品开发中非常重要的工作原则。
Lenny： AI 发展速度这么快，产品到底应该面向现在、未来一年，还是更长时间的模型？
Tara： 如果你按照模型现在的能力来设计产品，很快就会落后；但如果你按照一年后的能力来设计，可能又会过于超前。两种做法都可能失败。更合理的做法，是面向两三个月后的模型能力。产品设计必须把模型能力放在中心，同时尽量减少不必要的产品限制，让产品能够适应模型在短期内的快速进步。
这要求产品团队和研究团队保持非常紧密的沟通。研究人员通常会知道，接下来重点提升的是编码、写作，还是处理某种复杂任务的能力。产品团队需要了解研究方向和时间表，再据此设计产品。OpenAI 前产品负责人 Kevin Weil 曾经说过一句话：“模型现在已经是它们最差的时候。”这句话听起来很简单，却很难真正理解，因为它意味着未来的模型一定会比现在强得多。
ChatGPT 与 Codex：从不同工具走向同一个入口
Lenny： 现在 ChatGPT 里有 ChatGPT、Codex，还有聊天模式和工作模式。它们分别适合做什么？未来会一直这样区分吗？
Tara： OpenAI 的长期目标，是让用户不需要自己做这些选择。用户只需要描述自己想完成的任务，系统就应该自动选择合适的模型、工具和运行方式。比如，用户可以说：“我想做一个帮助播客嘉宾准备访谈研究的应用。”系统应该自行判断该使用什么模型、什么工具和什么工作流程，而不是要求用户先理解不同产品的能力边界。目前，ChatGPT 和 Codex 的区别，更多体现在界面和使用方式上。Codex 更偏向开发者和编程场景，ChatGPT 更适合聊天、搜索和一般交互。
而 ChatGPT Work 的底层能力其实就是 Codex，只是隐藏了部分编程界面。用户不需要看到代码工作区，也可以让它完成复杂的知识工作，比如建立金融模型、为产品定价、预测未来收入。如果你已经在使用 Codex，并不意味着你必须切换到工作模式。Codex 同样能够完成这些任务。工作模式主要是为了让不熟悉 Codex 的用户，也能使用智能体完成知识工作。最终，这些模式应该逐渐融合。OpenAI 目前的产品区分，主要是为了适应不同用户的熟悉程度和使用习惯，长期目标则是让用户不必理解产品内部结构，只需提出任务即可。
Lenny： AI 工具正在如何改变 OpenAI 内部的工作方式？
Tara： 最明显的变化，是不同岗位之间的界限正在变得模糊。过去，产品经理、工程师、设计师和数据科学家各自负责不同环节。现在，每个人都可以借助 AI 跨越原本的职能边界。产品经理可以做出原型、分析数据，甚至完成一部分工程工作；工程师可以参与产品决策和用户研究；设计师也可以借助 AI 快速实现交互和功能。Codex 让更多人能够直接把想法变成可以运行的东西。它不只是提高某个岗位的效率，而是在扩大每个人能够负责的工作范围。
这也改变了团队协作方式。过去，人们会把想法交给另一个职能的人执行；现在，提出想法的人可以先自己借助 AI 做出一个可运行版本，再和团队讨论如何完善。这会让沟通更加具体，也让团队更快发现哪些想法值得继续推进。
AI 负责执行，人类负责判断与审美
Lenny： 如果 AI 能做越来越多具体工作，那么人类还会留下哪些独特价值？
Tara： 人类仍然需要决定什么值得做、为什么要做，以及最终应该把产品做成什么样子。AI 可以生成很多版本，也可以快速执行，但它不会自动知道哪个方向真正重要，也不会天然拥有你对用户、市场和世界的理解。一个产品的价值，不只是把功能做出来，还在于它传达了什么、体验是否有吸引力、是否符合用户真正的需要。这里需要判断、品味和审美。AI 会让执行成本大幅下降，但也可能制造大量平庸的内容和产品。所有人都能快速生成东西之后，真正稀缺的反而是选择能力：知道什么不该做，知道哪个方向值得投入，以及能够持续把产品打磨到令人满意。
Lenny： 这是不是意味着，懂业务的人反而会比只会写提示词的人更有优势？
Tara： 我认为是这样。AI 会帮助人们执行，但执行什么、如何判断结果，都离不开领域知识。你越了解用户、行业和问题本身，就越能提出正确的问题、识别错误的答案，并告诉智能体下一步应该怎么改。未来的优势不一定属于最会写提示词的人，而更可能属于那些真正理解问题、能够形成判断，并且知道如何让智能体围绕目标持续工作的专家。
Lenny： 你自己平时是如何使用 AI 的？
Tara： 我会把很多原本需要数小时甚至数天的工作交给 AI，尤其是那些需要收集资料、分析信息、制作初稿或构建原型的任务。但我不会把最终判断完全交给它。我通常会先让 AI 探索多个方向，再查看中间结果，提出反馈，让它继续推进。我也会把 AI 当成一个可以随时讨论的协作者。它可以帮助我快速整理想法、比较不同方案、发现遗漏，并把一个模糊的概念变成可以实际测试的东西。真正重要的是，不要只把 AI 当作问答工具，而要让它承担一段完整的工作流程。
Lenny： 你还经常使用一个叫作“/visualize”的功能。它为什么重要？
Tara： 因为很多想法用文字很难表达清楚。你可能知道自己想要什么，但很难通过几句话让别人准确理解。借助可视化工具，你可以让 AI 快速做出界面、流程图、原型或视觉方案。哪怕第一版并不完美，它也能帮助团队看到问题具体是什么。这会让讨论从“我觉得应该这样”变成“我们看看这个版本哪里不对”。产品团队可以更快试验、更快发现问题，也更容易让不同岗位的人围绕同一个具体对象协作。
Lenny： AI 时代，写文档还有意义吗？
Tara： 有，但我们需要区分两种写作。
一种是“报告型写作”，目的是把已经想清楚的事情记录下来，方便别人阅读和执行。另一种是“思考型写作”，写作本身就是为了帮助自己弄清楚问题。AI 可以快速生成结构完整的文档，因此报告型写作会越来越容易。但这不意味着人类不需要思考。恰恰相反，当 AI 能够迅速完成表达之后，人更需要认真思考：我们真正想解决的问题是什么？哪些内容值得写？哪些假设还没有被验证？
如果只是让 AI 生成大量看起来完整的材料，却没有经过自己的判断，最终只会得到更多文档，而不会得到更好的决策。产品经理仍然需要通过写作厘清问题、提炼核心假设、说明目标和判断标准。AI 可以帮助你整理和表达，但不能替代你形成判断。
Lenny： 人们应该如何避免过度依赖 AI？
Tara： 一个重要方法，是让 AI 负责扩大你的行动能力，而不是替你放弃思考。你可以让 AI 先提出方案、收集资料或完成初稿，但要保留自己判断方向和检查结果的责任。尤其是在重要任务中，你必须知道自己想要什么，也必须能够判断 AI 是否完成得足够好。
还要尽量让 AI 展示中间结果，而不是只在最后交付一个无法解释的答案。通过持续查看过程、提供反馈，你才能真正建立对智能体的信任。未来的工作不是“把一切都交给 AI”，也不是“拒绝使用 AI”，而是在人和智能体之间建立高效的协作循环。
Lenny： 你在 Sutter Hill Ventures 工作期间，最大的收获是什么？
Tara： 最重要的一点，是学会认真观察那些非常优秀的创始人如何思考和行动。优秀的创业者不会只是等待明确指令。他们会主动寻找重要问题，快速验证想法，并不断提高自己对机会的判断。
这和今天使用 AI 的方式非常相似。你不能只是等待工具告诉你该做什么，而需要主动定义问题、设定方向，并不断提高目标。AI 让执行变得更容易，也让“主动性”更加重要。那些能够自己发现机会、提出更大胆假设并快速行动的人，会获得更大的优势。
Lenny： 你如何看待 AI 直接生成网站和产品的能力？
Tara： 这类能力非常重要，因为它降低了把想法变成现实的门槛。过去，一个人有了产品想法，往往还需要找到设计师、工程师和其他合作伙伴，才能做出第一版。现在，很多人可以先用 AI 生成一个可以运行的原型，再根据实际效果判断这个想法是否值得继续。
这会让产品开发更加接近一种持续试验：先做出东西，再观察用户如何使用，然后快速修改。但这并不意味着“只要让 AI 写代码，产品就会自动成功”。产品仍然需要明确目标、真实用户、合理的体验和持续判断。AI 只是把执行和试验速度大幅提高了。
Lenny： 你认为，未来的知识工作会不会越来越像编程？
Tara： 会。过去，编程被认为是一种非常专业的工作，因为只有少数人能够直接把想法转化为可运行的软件。现在，AI 正在把这种能力扩展到更多知识工作中。人们可以用自然语言描述目标，让智能体分析资料、处理数据、制作模型、生成设计、构建工具并反复修改。
这意味着，知识工作者需要学会描述任务、设置边界、定义完成标准、检查中间结果，并根据反馈不断调整方向。换句话说，很多知识工作会变成一种更高层级的“编程”：你不一定亲自写每一行代码，但需要设计任务、组织流程、判断输出，并指导多个智能体完成目标。
Lenny： 如果让你用几个问题总结 OpenAI 的产品开发方式，会是什么？
Tara： 我会用三个问题：
第一，我们是不是已经足够有野心，提出了真正值得完成的目标？
第二，这件事是不是已经最大限度加速，我们是否还可以更快地推进？
第三，我们是不是已经把产品用到极致，是否每天都在使用它，并把真实反馈带回团队？
AI 时代，很多事情都变得触手可及。真正限制我们的，可能不再是执行能力，而是我们是否敢于想象更大的可能性。
Lenny： 你认为未来几年，AI 产品会变成什么样？
Tara： 我认为，AI 产品会从聊天工具逐渐变成长期工作的智能体。它们会持续运行，在不同时间完成任务，并在需要时向人类请求反馈。未来，你甚至不需要一直守着电脑。你可以在手机上给智能体布置任务，让它在云端继续工作。比如，你乘坐一段很长的地铁，等你重新连上网络时，任务已经完成了。这种体验真正神奇的地方在于：你不需要始终打开电脑，也不需要一步步盯着 AI 操作。智能体会在云端持续推进，直到把工作完成。
Lenny： 这似乎是目前移动端最容易被低估的功能。你可以在手机上打开 ChatGPT，切换到工作模式，让它开始处理任务，然后离开。它会在云端继续工作，完成后你再回来查看结果。
Tara： 是的。它看起来很简单，但实际能力非常强。
Lenny： Tara，谢谢你参加节目。
Tara： 谢谢你邀请我，很高兴能来。
Lenny： 从你参加 Newsletter Fellows 项目到现在，已经走过了很长一段路。祝 Codex 和 ChatGPT Work 越来越好。
Tara： 谢谢。再见。
