大家好，这里是最佳拍档，我是大飞。如果说 ChatGPT 的对话框是 AI 产品的第一纪元，各种针对单一任务的智能体协作是第二纪元，那么我们正在快速跨入第三纪元——一个拥有常驻、主动、能随时随地跟你一起推进复杂项目的 AI 协作者的时代。但是与此同时，做产品的人正面临前所未有的撕裂：如果只盯着当前模型能力做开发，上线就落后；但是瞄准一年后的模型做规划，又容易沦为空中楼阁。每天在风暴中心直面这种落差的人，正是塔拉·塞尚（Tara Seshan）。
她目前在 OpenAI 全面负责 Codex 与 ChatGPT Work 两大核心业务。加入 OpenAI 之前，Tara 在 Stripe 待了六年多，是公司最早的五位产品经理之一，还连续多年被评为全公司最优秀的员工之一。之后她带过 Watershed 的产品团队，自己创过业，也在知名风投 Sutter Hill Ventures 做过驻场企业家。
在最新一期 Lenny Podcast 对话中，Tara 撕掉了外界对前沿实验室的诸多滤镜。比如 OpenAI 内部根本没有藏着标准答案的秘密作战室，反而呈现出一种全员像创始人一样抢滩的去中心化状态。今天这期节目，我们就顺着她的视角，聊聊 AI 的第三纪元里产品、人和工作方式正在发生哪些深层变化。
先问大家一个问题：你想象中的 OpenAI 内部是什么样的？是不是有一间绝密作战室，里面运转着 AGI、写满了所有标准答案呢？Tara 说，至少她不在那间屋子里。真正让她意外的是 OpenAI 呈现出了一种去中心化的状态：没有单一创始人绝对拍板，每个人——尤其是在各自负责的领域里——本质上在某种程度上都是创始人。自上而下的指令少之又少，你和市场之间的距离变得极薄、极近，必须像创始人那样拼尽全力去撞出产品与市场的契合点。
另一个意外是，她原本以为进公司后能接触到一份绝密战略宝库。但是现实是，OpenAI 名副其实的 Open：内部关于未来、产品、模型的每一种想法几乎都会以极快的速度演化为公开产品。绝大部分的内部探索都能在极短时间内转化为用户可感、可知的功能，这种迭代节奏比她见过的任何地方都要快。
聊完文化，我们进入正题：在这个全新的 AI 时代，过去的哪些工作方式已经不再适用了？Tara 的回答很有代表性。当一个市场相对静态时，你可以去做宏观战略规划，因为局势更容易预测。拿支付行业来说，你可以推导出押注某个方向后竞品会怎么应对，从第一性原理出发一步步推演。赢家往往是在思考上比别人更严密的人。
但是在当下的 AI 市场，你极难预判未来会涌现什么。变化极快、高度动态、充满涌现性。最重要的是时刻紧跟前沿研究，保持高产并以实证说话。这些远比纯粹的学术论证或理论推导重要得多。过去她习惯写长篇论证文档，像写博士论文一样阐述规划；现在却要转变成思考：怎样才能用最快速度做出一个能拿给用户试用的东西？
这种从理论推演到动手实证的转变，起初让她很不适应，甚至一度自我怀疑：是不是前期调研没做到位？是不是想得不够深呢？但事实上，只有不断动手去试才能尽可能多地获取认知。真正需要聚焦的思考是把核心假设提炼得尽可能精准，明确这个假设才是最关键的事。借用希希尔·梅罗特拉（Shishir Mehrotra）的说法，就是要找到那个最根本的关键问题：到底什么是唯一最需要验证的事？
除此之外，任何凭空构想的宏大战略都无关紧要。说到这里你可能会问：那产品经理这个角色岂不是要变天了？Tara 的看法是，产品经理这个岗位常常附带着很多条条框框，比如盯排期、写特定格式的文档和 PPT。但决定成败的关键又是什么？这个角色的核心从来没变过，那就是针对你的产品：最核心的问题是什么？决定成败的关键又是什么？如何去验证？如何分析结果？
如何形成闭环，不断打磨假设并且再次测试？这一点不仅没有变，反倒成了全公司最关键的事。现在不仅是产品经理，工程师、数据科学家和设计师都在按这个逻辑思考。所有人都在将精力集中在定义问题与测试验证的闭环上，很多浮于表面的细枝末节在逐渐退场。剩下的始终是每一次都必须做对的核心。
顺着闭环这个话题，就聊到了一个更核心的判断：未来的工作形态会越来越像“掌舵”而不是“划桨”。各种智能体会协助你承担大量划桨的重活，人类的角色则会日益转变为掌舵者，负责校准航向、确保船只驶向正确的方向。而且，掌舵的抽象层级会越来越高：过去可能停留在写一行代码、按一下 Tab 补全的微观层面；现在，你是在更高维度上做定向引导。
可能是目标级别，甚至是战略级别。掌舵会沿着抽象层级不断向上跃升，但是归根结底依然需要由人来决定朝哪个方向进发。在接收到反馈和新数据时，决定下一步该拐向哪里。虽然掌舵的一部分工作是依据数据做出反应，但很大程度上它依赖于你带有鲜明主张的决断。我们有时低估了直觉的力量，或者低估了对未来世界的积极确定性。
当我们说“我希望产品呈现出这种形态”，并不是因为相反的路径不可行，而是因为渴望推动世界朝着自己所主张的方向演进。至少在现阶段，这种强烈的审美主张与方向决断必须由人类给出。这里 Tara 引用了一个很有意思的类比：来自帕特里克·克里森（Patrick Collison）对软件的论述。他说软件不像房地产，投多少钱不等于能线性产出多少价值；软件更像是拍电影一样，砸下巨额预算也绝不能保证一定成功。
软件构建中蕴含着艺术表达与主观意志，高度依赖于你或你的团队对产品是否有独特、深刻的见解。这个判断非常关键：当所有人使用的底层工具都一样时，最终拉开差距的就是人本身；否则做出来的东西千篇一律。人类大脑反而成了最不可替代的非对称优势，就像时尚行业一样：功能性服装谁都能穿，但是你穿什么，很大程度上是在表达个性主张。
软件产品同样带有强烈的个人主张与艺术属性。聊到这里，话题自然延伸到更广泛的知识工作领域：接下来的核心转变会是什么？Tara 认为主要体现在两个方面。第一，我们正在更高层级的抽象维度上与智能体协作，需要给智能体更多独立发挥的空间。人类把控方向，让它放手去跑，并且在更高维度上交付细节。
大家越来越把常驻型智能体当作真正的团队成员来看待，你可以像和真人同事合作一样与它们共事：让它们处理具体任务，你给出反馈；它们再根据反馈继续推进，然后在不同节点对齐进度、审阅进行中的工作。这种协作者的模式正是未来的发展方向。第二点在于，目前人和智能体的交互大多还是一对一的：比如你和你的智能体封闭互动，但是和同事与他们的智能体正在做的事情是割裂开的。
之前内部大家经常在 Slack 上互相发 Codex 的对话截图，展示自己是怎么算出某个数字的。但这显然不是最理想的协作形态：随着智能体承担的工作越来越多，难道不应该让各自的智能体彼此协同、共同把事情办成吗？这些正是目前在探索的方向。Tara 补充了一个很重要的现实考量：现在的模型确实非常聪明，但要实现多智能体协同，光靠聪明还远远不够。
这不仅需要模型具备长时间稳定执行任务的能力，更取决于一系列非常基础的工程问题：本地运行的智能体很方便，因为能直接读取你电脑里的所有数据；但是要放到云端跑通，背后需要极其庞大的云基础设施来支撑。另外就是系统权限问题：如果把智能体锁在房间里，不给它开放文档、协作工具或数据库的权限，它根本也发挥不了作用。
要让智能体真正好用，提升模型智力只是一部分；另一大部分全是战术工程层面的硬活：包括数据权限、云基础设施和运行可靠性。这些东西听起来远没有宏大的通用智能那么性感，但是对于实际能否落地起着完全同等重要的决定性作用。聊到这里，就引出了一个最近被频繁讨论的词：野心。有了 AI 工具我们固然能够更有野心，但现实往往是——我们几乎必须逼着自己更有野心。
而这对很多人来说并不是一种本能。现在所有人都能轻而易举搞定基础的事情，简单的事毫无门槛，困难的事也容易上手。最终拉开差距的，唯有野心的大小。Tara 的观察是：那些把 AI 工具用得最好的人绝不仅仅是用它去把重复琐事自动化，他们是在借此拓宽自己能做事情的边界。在 AI 出现之前所谓的独角兽型全能人才——比如那些既有极佳的产品感、本身又是工程师甚至还懂设计的人之所以千金难求，是因为他们消除了不同职能之间层层转译的损耗。
而现在我们每个人都拥有了这种超能力：可以快速拉出设计、搭出原型、推导出定价模型、模拟各种业务场景。可能性的空间被急剧拉大了，在推进项目、高保真实现愿景时你拥有了更强的主导权。最难的反而是打开思路，敢去想象在极短时间内究竟能把事情推到多远。泰勒·考恩（Tyler Cowen）曾经写过一个观点：大多数人都低估了直接走到别人面前问一句“这件事能不能做个野心大十倍的版本”所带来的影响力。
当 Tara 思考当下产品经理究竟能带来什么高价值的贡献时，她认为激发他人的野心、不断提醒团队眼下到底有哪些可能性已经成了 PM 角色中极其核心的一环。当有人说“按这个排期，第一版先做成这样”时，你的部分职责正是去拉高大家的预期：可能性的天花板难道不应该高得多吗？说到 OpenAI 内部文化，有一个很出名的梗：“这达到极限加速了吗？”
Tara 说 Slack 里还有对应的表情符号，完全是 OpenAI 最地道的内部黑话。她和安德鲁·安布罗西诺（Andrew Ambrosino）特别喜欢在团队里问另一个问题：“你把它当日常主线重度用了吗？”意思是：你是不是每天从早到晚都在用这款产品来推进自己的日常工作呢？在 Tara 看来，我们是否足够有野心关乎目标与规模；“这达到极限加速了吗”关乎节奏与速度；而你把它当日常主线用了吗，关乎深度自用与反馈闭环。
这三者结合在一起正是眼下做产品必须贯彻的三大核心原则：这其实就是新时代的“吃狗粮”。不只是内部自测，而是把它作为主线、日常离不开的工具。大家对产品极度痴迷，时刻在琢磨哪里能做得更好；每个人都像自己产品的创始人一样思考，同时又保持着外部观察者的挑剔。还有一个很关键的共识就是感受 AGI——也就是时刻意识到通用人工智能的临近，吸引大多数人加入这家公司的核心纽带正是对实现造福人类的 AGI 这个使命的坚信。
在做产品时，Tara 脑子里必须时刻牢记的另一句话是：“我们是否在瞄准两到三个月后的模型能力来构建产品呢？”只针对当前模型做开发，上线可能就要淘汰；但是试图针对一年后的模型做开发又全是画大饼。两种做法错得毫无二致，唯一可行的方式是锚定两到三个月后的窗口期，并且坚信模型会大幅进化。必须把模型能力置于产品的核心在产品结构设计上主动给模型让路，不给它设限。
同时要确保眼下的产品结构能完美承接两到三个月后的模型。你可能会问：怎么知道两到三个月后的模型会长成什么样呢？Tara 的回答是与研究团队保持极度紧密的沟通至关重要。这些进展并不完全是黑盒，大家很清楚正在集中精力提升哪些特定维度的能力。了解这些进展的具体位置、确保产品研发与研究路线图紧密咬合非常重要。凯文·韦尔（Kevin Weil）还在做 OpenAI 首席产品官时说过一句让人印象极深的话：“眼下的模型是未来所有模型中最差的一代。”
这话听着简单，但是真正想通并不容易。聊完方法论，我们来聊聊具体的产品：现在打开 ChatGPT 顶上有各种模式的切换开关这些功能都是干什么用的？未来会往哪走呢？Tara 说，他们的北极星目标是让用户根本不需要在这么多选项之间做选择。未来不应该有任何需要手动去选的开关，你只要输入任务系统就会自动匹配最合适的工具和模型。理想情况下用户既不需要操心怎么一步步实现，也不用管产品的各种能力与局限。
目前在 ChatGPT 和 Codex 之间做选择，其实选的是一个更偏开发者的界面还是在 ChatGPT 里体验同样强大的能力。Chat 模式适合聊天和搜索，模型更强、能力更新；而 Work 模式底层其实就是 Codex，只是去掉了写代码专用的界面。但解决问题的能力是完全一样的：包括生成复杂财务模型这些任务都做得到。Work 模式和 Codex 模式的能力其实是一模一样的，关键在于你想看到什么样的界面、希望展示多少技术细节。
终极目标是把所有东西合并起来让用户不用再做选择，现在的区分是为了照顾大家目前的使用习惯和熟悉程度。Tara 认为 AI 产品的第一个时代是 Chat，第二个时代是与智能体协同（主要是编程智能体），未来希望把这种能力拓展到更多领域特别是知识工作，让十亿 ChatGPT 用户都能用上——正是这个目标的一部分。而第三个时代则是与能跟你一起把事办妥的常驻协作者共事，甚至实现多人协同。
结合过去做产品的经验她以前在那些公司里打磨才是王道，把每一个交互细节、每一处 UI 扣到位比尽早发布重要得多。但是在这个时代做产品，带着坚定信念把一款颠覆性的产品尽早交到用户手里远比等待所谓的完美更重要。紧迫感和尽早推向市场才是关键，也就是所谓的“完成好过完美”。接下来两人聊到一个大家都很好奇的现象：过去几个月大家似乎正从 Claude Code 转向 Codex，OpenAI 内部到底发生了什么变化？
Tara 的回答很有禅意：她说有句话叫“开悟前，挑水劈柴；开悟后，劈柴挑水”。对 Codex 来说最初的团队就极度贴近用户迭代闭环抓得非常紧，他们疯狂吃自己的狗粮尽可能把它当成主力工具来用。后来外界开始意识到这点但是团队自始至终都在专注服务用户、高频迭代。所谓的变化只是市场终于追赶上了团队的节奏，运作模式其实也一直没变还是前面提到的那几点：野心够不够大？推进速度有没有极限拉满？有没有把它当主力工具来用？
这里面最耐人寻味的恰恰是人的因素：AI 并不是唯一的答案，真正拉开差距的是人。说到这里就涉及到一个很现实的问题——角色重叠：工程师在做产品经理的事，产品经理会做原型甚至直接发到生产环境。很多人会问：“作为设计师我现在的工作到底是什么？”Tara 的看法是，在创业公司工作她最喜欢的正是角色之间几乎没有死板的边界：什么都是你的责任又都不完全是你的责任。归根结底你要对最终的成败负责，Stripe 当时就是这样：工程师、产品经理或设计师之间没有明确界限任何人都可以做任何事。
而现在 AI 工具的能力终于跟上了这种工作状态。不过总归需要有人对结果负起核心责任，也就是 DRI（直接责任人）：用户有没有在用？大家需不需要它？质量高不高？不管这个人是工程师、设计师还是 PM，只要他是直接责任人剩下的具体工作大家就可以根据兴趣和能力随时认领。不过她也很热爱产品经理这个岗位的专业手艺，很多人的顾虑是：“我很热爱自己专业领域的技艺但是现在角色边界模糊了我还能把本行手艺磨练得更好吗？”
说实话她也没有确定的答案，这是所有人正在共同经历的事情。传统手艺中的一部分正在被模型高效地抽象掉，手艺的重点发生转变了：不再是重复过去那些具体的单点操作而是把审美和判断力迁移到产品的其他部分或不同领域中。既然这样，主持人就追问 Tara 她在工作中一般是怎么用 AI 的呢？Tara 提到了两个让她特别兴奋的用法。第一个是 Sites 功能：在 Work 模式下你可以把 Site 当作动态的汇报呈现物，但她几乎什么事都用它来做。
比如给团队做联机小游戏或者重装徒步回来搭个 Site 记录海拔变化和大家带的口粮。Tara 觉得 Sites 真正实现了艾伦·凯（Alan Kay）在六十年代提出的“可塑性个人软件”的设想。过去 Notion 这类工具试图通过积木块来实现，现在用 Sites 你只要输入一句提示它就能立刻做出来支持一键分享、自动更新。另一个她特别喜欢的是 Codex 里的 /visualize 指令：输入 /visualize然后说“把我目前的 ChatGPT 使用情况可视化出来”，它就会调取所有历史记录做出漂亮的图表。
Visualize 让数据可视化这件事变得极其简单。聊到这里，话题转向了写作：主持人提到 Tara 写的 brief 极具个人风格对于想提升写作能力的人她有哪些实用建议呢？她的核心观点是：在工作中要非常明确地把写作分成两类——以写作为思考，与以写作为汇报。以写作为思考通常是写一份 Brief 探讨为什么立项、为什么采取某种战略或者提出一个犀利独到的观点；以写作为汇报则是汇总团队进展、同步项目状态。对于汇报类写作她很乐意用……
AI 去做自动化，但是思考类写作，她绝不会交给 AI。列出大纲、把想法组织成段落、删改润色并反复迭代，这一套动作是理清思路最关键的步骤。大多数人习惯一刀切，要么绝不用模型，要么全靠模型写。她认为这两种极端都不可取。在 OpenAI 她依然时刻把写作当思考工具，但拿出来分享的成果不再是长篇大论或所谓的工作量证明。
时代变了，长文档不再能证明你把事情想透了，因为现在任何人都能轻而易举生成一份长文。反而暴露了你根本没过脑子。她在日常工作中感受最深的变化是，过去习惯在文档里推演然后转成演示文稿以此证明自己想明白了。而现在更聚焦于要看原型，别看文档。
如果大家能上手操作原型或者已经有了 A/B 测试的结果，沟通效率远胜于文档本身。私下依然会写很多文档，但那只是写给自己看的。这里有一个很值得记下来的协作心得：Tara 的一位前主管曾告诉她，先把文档写到七成。
然后拿着它去找你需要争取支持的人一起把它打磨到百分之百。真正优秀的人，很少愿意去对接一个已经被打磨得滴水不漏的成熟方案。过于完美的方案往往会把别人的好想法弹开，而一个带点粗粝感的半成品反而能给对方留出和你一起雕琢的空间。
接下来聊到一段特别的职业经历，Tara 曾经在知名风投 Sutter Hill Ventures 做驻场企业家。到现在呢 Sutter Hill 还特意保持着一种让人摸不透的低调，官网上几乎什么都看不到，行事极其克制。但是硅谷一些最具代表性的成功企业正是出自他们之手，比如 Snowflake 合伙人迈克·斯派泽（Mike Speiser）开创的孵化模式接连取得了巨大的成功。
最让 Tara 触动的是，大多数人把找到产品与市场契合点看成一种玄学，但是迈克·斯派泽却能反复做成，说明背后显然是有方法、有路径的。那她学到了什么呢？最有体会的一点是什么呢？她的回答可能会让很多人意外，寻找产品与市场契合固然重要。
但她过去严重低估了产品与营销定位的契合。也就是说，你如何在市场上讲清楚这款产品、如何做营销，这个优先级甚至可以先于产品的实际构建。简单来说，在真正动手做产品体验之前，最应该拿去测试的恰恰是这套叙事。去跟一百个人做推介，打磨你的说辞，把为什么这个东西具有变革性的营销叙事讲透。
只有把这点做扎实了再去确定产品具体的形态，产品营销如果做得足够出色很可能就是决定一家公司能否最终走出来的关键要素。聊到这里，Tara 主动提出了另一个她一直在思考的话题：知识工作与写代码在底层逻辑上究竟有什么本质不同？
她认为，编程是非常结果导向的。完成编码任务后可以通过测试直接验证对错然后运行代码来看看行不行，并且基于最终产出来检验结果。但是知识工作完全不同，不能只看最后生成的 PPT 里的数字就觉得差不多了，必须清楚中间的过程、输入了哪些数据、背后的推理逻辑以及怎么一步步得出的结论。
所以在产品层面必须针对知识工作的这一特点进行适配，更多地把 ChatGPT 塑造成一个协作者。让你能看到进行中的工作、引用来源和输入数据；带你和模型一起走过得出结论的全过程。这不仅体现在交互体验上也体现在推理和思维链的设计上，所以适合写代码的对话流界面对知识工作来说未必是最好的呈现方式。
最后进入快问快答，主持人问最近有没有发现什么好用的 AI 产品？Tara 说在 OpenAI 之外，她最喜欢的其实是身边朋友们做的一些小工具。她非常推崇一个叫 Cozy-software movement 的小工具，这是为身边的几个朋友专门做的。还有个朋友做了一款能把任何文本转成播客音频的工具，以及一个叫 Gats 的私密社交网络。
这正是她认为未来该有的样子：大家亲手做软件，满足自己和朋友的真实需求。那 Tara 的人生座右铭是什么呢？她提到了来自托妮·莫里森（Toni Morrison）在《The Work You Do the Person You Are》一文中提到的四点：无论做什么工作，都要把它做好；不是为了老板，而是为了你自己。
是你定义了工作而不是工作定义了你；真实的生活在于你的家庭；你并不等同于你做的工作，你就是你自己。最后聊到泰尔奖学金（Thiel Fellowship），Tara 当年曾经入选，那是她人生的重要转折点。在关键时刻，有时真的需要有人鼓励你把野心放大；当你真正迈出那一步整个人生都会改变。
当年正是有人拉高了她的野心，告诉她没必要走循规蹈矩的老路，对此她永远心怀感激。到这里，这期的内容也接近尾声了。整期访谈听下来最触动我的其实不是那些关于 AI 技术的前沿判断，而是一个反复出现的主题：在工具越来越强大的时代人的价值反而变得更加清晰了。
你选择做什么、你以什么样的审美和主张去做，愿不愿意把野心放大十倍、能不能对最终结果负起责任。这些东西软件帮不了你，模型也替代不了你。正如 Tara 所说，软件不是房地产砸钱砸不出好产品；它更像拍电影一样投再多钱也不保证能出好片。最终决定作品成色的永远是创作者本人。
感谢收看，我们下期再见。