OpenAI产品负责人分享AI时代产品管理洞察
我从@tarstarr(OpenAI ChatGPT产品负责人)那里得到的主要启示:
1. 未来的工作是“掌舵”而非“划桨”。随着AI智能体承担更多执行工作,人类将转向“掌舵”:决定下一步走向。特别是基于品味的掌舵——因为你相信世界应该变成某个样子而选择方向。
2. “你还在全情投入使用吗?”OpenAI的产品文化建立在三个内部问题上:我们是否尽可能雄心勃勃?这是否以最大速度推进?你是否还在全情投入使用(即整天使用自己的产品)?Tara将过去几个月Codex的氛围转变归功于这一长期纪律:团队对用户的痴迷、紧凑的迭代循环,以及看到市场反应后的快速调整。
3. 为两三个月后的模型而构建。为当前模型能力构建,你的产品在发布时就会过时。为12个月后的能力构建。Tara的经验法则是“为模型的前两三个月而构建”。
4. 产品经理现在从事的是提升雄心的工作。Tyler Cowen指出,领导者看着某人的工作并问“你能更快吗?这能否大10倍?”是多么有力。Tara认为这现在是产品角色的核心职能。当工程师、设计师或利益相关者提出范围或时间表时,产品经理的关键干预是提高可能性上限:“我们如何将其扩大10倍?我们不能更快尝试吗?”OpenAI的内部梗(这最大程度加速了吗?你在全情投入吗?)体现了同样的本能。
5. 大多数知识工作无法像代码那样被验证,这意味着它们短期内不会被取代。编程是面向输出的——你可以运行测试看是否有效——但对于知识工作,过程本身就是你发现(并信任)解决方案的方式。与客户交谈、尝试想法、观察市场反应。这也是为什么AI产品展示进行中的工作、引用和思维链很重要——这样用户可以与模型同行并真正相信最终结果。
6. AI让清晰思考变得更加重要。更快的构建既是礼物也是风险。礼物是能够以更快的速度迭代。风险是,你可以在任何人注意到之前,朝完全错误的方向走出很远。如果构思和假设质量跟不上执行速度,团队就会比以往任何时候都“更快偏离航向”。没有清晰假设的速度只会更快地累积错误。
7. 经验胜过理论。在Stripe,Tara花了数十小时撰写严谨的战略文档,因为市场已经足够成熟,可以从第一性原理推理。在OpenAI,市场变化太快,12个月路线图没有意义。正确的回应是从学术转向经验:确定你最尖锐的假设,然后尽快与用户测试。长篇推理文档现在很少有意义。相反,尽快让真实用户尝试。
8. 永远不要自动化“作为思考的写作”。相反,自动化“作为报告的写作”:状态更新、电子邮件摘要等。但永远不要外包你用来思考的写作:自己开始文档,自己结束文档,中间只使用AI进行研究、数据和反驳。在70%完成时分享文档,这样协作者可以和你一起挑毛病并打磨。在OpenAI,现在是“原型而非文档”——原型和A/B结果比长文档更能传达信息,因为AI让长文档成为勤奋的无意义信号。Tara仍然写数百份文档——但为自己,而不是作为可分享的产物。
9. 即使角色消解,仍然需要有人担任DRI(直接负责人)。Tara一直喜欢工程师、产品经理和设计师之间几乎没有界限。现在每个人都可以接手工作。但必须有人负责。仍然需要有人对结果负责。
1. 未来的工作是“掌舵”而非“划桨”。随着AI智能体承担更多执行工作,人类将转向“掌舵”:决定下一步走向。特别是基于品味的掌舵——因为你相信世界应该变成某个样子而选择方向。
2. “你还在全情投入使用吗?”OpenAI的产品文化建立在三个内部问题上:我们是否尽可能雄心勃勃?这是否以最大速度推进?你是否还在全情投入使用(即整天使用自己的产品)?Tara将过去几个月Codex的氛围转变归功于这一长期纪律:团队对用户的痴迷、紧凑的迭代循环,以及看到市场反应后的快速调整。
3. 为两三个月后的模型而构建。为当前模型能力构建,你的产品在发布时就会过时。为12个月后的能力构建。Tara的经验法则是“为模型的前两三个月而构建”。
4. 产品经理现在从事的是提升雄心的工作。Tyler Cowen指出,领导者看着某人的工作并问“你能更快吗?这能否大10倍?”是多么有力。Tara认为这现在是产品角色的核心职能。当工程师、设计师或利益相关者提出范围或时间表时,产品经理的关键干预是提高可能性上限:“我们如何将其扩大10倍?我们不能更快尝试吗?”OpenAI的内部梗(这最大程度加速了吗?你在全情投入吗?)体现了同样的本能。
5. 大多数知识工作无法像代码那样被验证,这意味着它们短期内不会被取代。编程是面向输出的——你可以运行测试看是否有效——但对于知识工作,过程本身就是你发现(并信任)解决方案的方式。与客户交谈、尝试想法、观察市场反应。这也是为什么AI产品展示进行中的工作、引用和思维链很重要——这样用户可以与模型同行并真正相信最终结果。
6. AI让清晰思考变得更加重要。更快的构建既是礼物也是风险。礼物是能够以更快的速度迭代。风险是,你可以在任何人注意到之前,朝完全错误的方向走出很远。如果构思和假设质量跟不上执行速度,团队就会比以往任何时候都“更快偏离航向”。没有清晰假设的速度只会更快地累积错误。
7. 经验胜过理论。在Stripe,Tara花了数十小时撰写严谨的战略文档,因为市场已经足够成熟,可以从第一性原理推理。在OpenAI,市场变化太快,12个月路线图没有意义。正确的回应是从学术转向经验:确定你最尖锐的假设,然后尽快与用户测试。长篇推理文档现在很少有意义。相反,尽快让真实用户尝试。
8. 永远不要自动化“作为思考的写作”。相反,自动化“作为报告的写作”:状态更新、电子邮件摘要等。但永远不要外包你用来思考的写作:自己开始文档,自己结束文档,中间只使用AI进行研究、数据和反驳。在70%完成时分享文档,这样协作者可以和你一起挑毛病并打磨。在OpenAI,现在是“原型而非文档”——原型和A/B结果比长文档更能传达信息,因为AI让长文档成为勤奋的无意义信号。Tara仍然写数百份文档——但为自己,而不是作为可分享的产物。
9. 即使角色消解,仍然需要有人担任DRI(直接负责人)。Tara一直喜欢工程师、产品经理和设计师之间几乎没有界限。现在每个人都可以接手工作。但必须有人负责。仍然需要有人对结果负责。
“你还在全情投入使用吗?”
这是@OpenAI内部的关键梗之一,也是过去几个月Codex氛围转变的重要原因。
它问的是:你是否整天使用这个产品?你是否依赖它?你是否把你所有的