OpenAI 的 Tara Seshan 谈 AI 时代野心瓶颈、2-3 个月建构法则与 Agent 协作
RT @gokulr:野心现在是瓶颈
@tarstarr(Tara Seshan)(@OpenAI,Codex 和 ChatGPT Work 产品负责人),接受 @lennysan(Lenny Rachitsky)在 Lenny's Podcast 的访谈
容易的工作现在变得轻而易举,难的工作也变得容易了,所以人与人、公司与公司之间的区别,在于他们愿意尝试的事情背后的野心。Seshan 在 OpenAI 负责 Codex 和 ChatGPT Work。她的工作准则由此而来:为 2 到 3 个月之后的模型而构建,交付原型而不是文档,并把提升他人的野心视为工作的一部分。
1. 掌舵重于划桨。Agent 负责划桨,人负责掌舵,而掌舵的位置不断向上迁移。过去是一行代码,然后是按下 tab,再然后是一个目标,Seshan 预期它还会继续上升。选方向始终由人来做,她把这描述为一种对「你希望世界变成什么样」的积极确定性,而不是从数据里读出来的结论。她接下来的问题是多人协作:OpenAI 的人过去在 Slack 里互相发自己 Codex 线程的截图,而这对于和 agent 一起协同工作来说是很糟糕的方式。
2. 野心瓶颈。「我们不仅有能力更有野心,我们几乎必须有更大的野心。」Seshan 看到,那些从 AI 中获益最多的人用它来拓宽自己完全能做的事情的集合,而不只是自动化重复性任务。过去那种独角兽式招聘,是找一个既懂产品又能工程和设计的人,因为这样的人能消除职能之间的翻译层,而现在每个人都有这个能力了。约束从「你能执行什么」转移到了「你能想象什么」,而扩展自己的思考才是最难的部分。
3. 提升他人的野心。Seshan 引用 Tyler Cowen:人们低估了走过去问某人一句——你能不能做更有野心的版本、能不能做得更快、能不能以 10 倍规模来做——的价值。她把这件事视为 PM 工作的一大部分,所以当有人提出一个时间表或 v1 的范围时,回应就是问上限能不能更高。她的证据是 Patrick Collison 那份「以不合理速度完成的项目」清单,而它们全都发生在这些工具存在之前。如果那时这些是可能的,那么现在数量应该快速攀升。
4. 两到三个月法则。「如果你按模型现在的能力来构建,你会失败。如果你按你认为模型一年后的能力来构建,你也会失败。这两种结果同样错。」Seshan 为 2 到 3 个月之后的能力而构建,而这只有在产品与研究的路线图紧密绑定时才可行。这一纪律就是把模型能力放在中心,并让自己产品的构造不挡模型的路。她引用 Kevin Weil 的话:这是模型史上最差的时刻,并说这话一直成立实在荒谬。
5. 经验优于学术。在 Stripe,支付业务奖励严谨:你可以推理出竞争对手的下一步,做不到就说明你不上心。Seshan 发现 AI 市场太处于涌现状态,不适合这么做,所以高产胜过理论化,这个转变让她感到足够不适,以至于怀疑自己是不是漏掉了应做的尽职调查。取代长篇推理文档的,是把一个假设磨到极致、去测试它、再把结果反馈回来。她借用了 Shishir Mehrotra 的说法,称之为 eigenquestion(本征问题):决定产品能否成立的那一件事。
6. 创始人们(复数)。OpenAI 是「创始人们领导」而不是「创始人领导」,很少有人自上而下发指令,产品负责人与市场之间几乎没有距离。Seshan 本以为会有一堆秘密战略的宝库,就像 Stripe 的新人会被塞一本支付圣经,但并没有。每一种关于世界应该如何运作的观点,都会很快变成公开的产品或公开的表述。她把 Codex 的翻身归功于这种结构:注意到某件事本可以更好的人,不问就去做出来了。
7. 驱动产品的三个问题。OpenAI 内部靠三个问题运作。「这是否最大程度地加速了?」……
@tarstarr(Tara Seshan)(@OpenAI,Codex 和 ChatGPT Work 产品负责人),接受 @lennysan(Lenny Rachitsky)在 Lenny's Podcast 的访谈
容易的工作现在变得轻而易举,难的工作也变得容易了,所以人与人、公司与公司之间的区别,在于他们愿意尝试的事情背后的野心。Seshan 在 OpenAI 负责 Codex 和 ChatGPT Work。她的工作准则由此而来:为 2 到 3 个月之后的模型而构建,交付原型而不是文档,并把提升他人的野心视为工作的一部分。
1. 掌舵重于划桨。Agent 负责划桨,人负责掌舵,而掌舵的位置不断向上迁移。过去是一行代码,然后是按下 tab,再然后是一个目标,Seshan 预期它还会继续上升。选方向始终由人来做,她把这描述为一种对「你希望世界变成什么样」的积极确定性,而不是从数据里读出来的结论。她接下来的问题是多人协作:OpenAI 的人过去在 Slack 里互相发自己 Codex 线程的截图,而这对于和 agent 一起协同工作来说是很糟糕的方式。
2. 野心瓶颈。「我们不仅有能力更有野心,我们几乎必须有更大的野心。」Seshan 看到,那些从 AI 中获益最多的人用它来拓宽自己完全能做的事情的集合,而不只是自动化重复性任务。过去那种独角兽式招聘,是找一个既懂产品又能工程和设计的人,因为这样的人能消除职能之间的翻译层,而现在每个人都有这个能力了。约束从「你能执行什么」转移到了「你能想象什么」,而扩展自己的思考才是最难的部分。
3. 提升他人的野心。Seshan 引用 Tyler Cowen:人们低估了走过去问某人一句——你能不能做更有野心的版本、能不能做得更快、能不能以 10 倍规模来做——的价值。她把这件事视为 PM 工作的一大部分,所以当有人提出一个时间表或 v1 的范围时,回应就是问上限能不能更高。她的证据是 Patrick Collison 那份「以不合理速度完成的项目」清单,而它们全都发生在这些工具存在之前。如果那时这些是可能的,那么现在数量应该快速攀升。
4. 两到三个月法则。「如果你按模型现在的能力来构建,你会失败。如果你按你认为模型一年后的能力来构建,你也会失败。这两种结果同样错。」Seshan 为 2 到 3 个月之后的能力而构建,而这只有在产品与研究的路线图紧密绑定时才可行。这一纪律就是把模型能力放在中心,并让自己产品的构造不挡模型的路。她引用 Kevin Weil 的话:这是模型史上最差的时刻,并说这话一直成立实在荒谬。
5. 经验优于学术。在 Stripe,支付业务奖励严谨:你可以推理出竞争对手的下一步,做不到就说明你不上心。Seshan 发现 AI 市场太处于涌现状态,不适合这么做,所以高产胜过理论化,这个转变让她感到足够不适,以至于怀疑自己是不是漏掉了应做的尽职调查。取代长篇推理文档的,是把一个假设磨到极致、去测试它、再把结果反馈回来。她借用了 Shishir Mehrotra 的说法,称之为 eigenquestion(本征问题):决定产品能否成立的那一件事。
6. 创始人们(复数)。OpenAI 是「创始人们领导」而不是「创始人领导」,很少有人自上而下发指令,产品负责人与市场之间几乎没有距离。Seshan 本以为会有一堆秘密战略的宝库,就像 Stripe 的新人会被塞一本支付圣经,但并没有。每一种关于世界应该如何运作的观点,都会很快变成公开的产品或公开的表述。她把 Codex 的翻身归功于这种结构:注意到某件事本可以更好的人,不问就去做出来了。
7. 驱动产品的三个问题。OpenAI 内部靠三个问题运作。「这是否最大程度地加速了?」……