每天挑选一期硅谷AI科技值得关注的播客，让你与前沿同频。全文4000字，如果你现在没空可以收藏进 晚点再听LaterCast，在通勤、走路或做家务时一篇篇轻松听完
“未来的工作会更像掌舵，而不是划船。”
“写作有两种：一种为了思考，一种为了汇报。”
“知识工作不能只看成品，你得看它怎样得出结论。”
Tara Seshan 现在负责 OpenAI 的 Codex 和 ChatGPT Work 产品。加入 OpenAI 之前，她是 Stripe 最早的五名产品经理之一，在那里工作了六年，后来又带过 Watershed 的产品团队，也亲自创过业。她面对的任务很特殊：模型能力每隔几个月就变一次，团队却要提前决定，下一个产品界面应该让十亿用户怎样与 Agent 相处。
在这场访谈里，Tara 把 AI 产品正在经历的变化分成三段：第一阶段是聊天，第二阶段是 Agent 接任务，接下来则是一个长期在线、能持续推进工作的 AI 同事。这个变化并不只属于 OpenAI。它会重新划分产品经理、工程师和普通知识工作者的日常，也迫使人回答一个更难的问题：当执行越来越便宜，我们到底该把什么留在自己手里？
别找终极战略，先把假设跑出来
Tara 进入 OpenAI 时，以为公司里藏着一套外界看不到的 AGI 战略，进去以后却发现并没有什么“秘密房间”。OpenAI 更像是由许多小创始人组成的公司：每个领域的人都直接面对用户和市场，来自顶层的细致指令很少。内部形成的想法，也常常很快进入公开产品或对外表达，个人与市场之间几乎没有缓冲层。
OpenAI 产品负责人 Tara Seshan 与 Lenny 讨论 ChatGPT、Codex 和 Work 三种入口如何逐步合并。
“我原以为这里有一座装满 OpenAI 秘密战略的宝库，后来发现，OpenAI 真的是开放的。”
这种组织方式也改变了产品经理的工作，因为支付行业相对稳定，团队可以把竞争格局推演得很长；AI 市场变化太快，一份像博士论文那样严密的长期方案，写完时可能已经过期。Tara 更在意三个动作：找出最要紧的问题，尽快让用户试到东西，再用结果修正原来的判断。长文档的价值没有消失，但它不能替代一次真实试验；想清楚要验证什么，比把所有可能性写满更重要。
产品只看未来两三个月
做 AI 产品最难的地方是目标不断移动：照着今天的模型能力设计，产品发布时已经落后，按一年后的想象提前下注，又很可能做得太早。OpenAI 内部真正可用的窗口只有两三个月，产品团队要和研究团队保持紧密沟通，知道模型正在补哪些能力，再让界面尽量少挡住模型。
Tara 认为，AI 产品既不能停留在当前模型，也不能提前一年下注，实际可用的设计窗口只有两三个月。
“为现在的模型做产品会失败，为一年后的模型做产品也会失败；唯一能做的是瞄准未来两三个月。”
这也解释了为什么 ChatGPT Work 刚出现时并不完美。过去的产品公司可以把每个交互磨到很细再发布，因为晚几周影响不大；模型正在快速跃迁时，用户早一点用上足以改变工作方式的能力，往往比所有边角都漂亮更有价值。这里的“快”以更早获得反馈为目的，团队仍要判断该听哪些信号、哪些问题应该在发布前解决。先把真正有用的能力送到用户手里，再根据使用信号修正，成了产品质量的一部分。
执行交给 Agent，人负责掌舵
Tara 用划船和掌舵解释新的工作分工：过去，人要亲自写每行代码、整理每张表、制作每页材料；Agent 接过更多执行后，人开始在更高的抽象层上工作，说明成功长什么样，观察中间结果，发现偏航后重新给方向。循环会越来越长，目标也会越来越大，但船开去哪里，仍需要有人做带有偏好的决定。
“工作的未来会更像掌舵，而不是划船。Agent 替你划，人要决定船往哪里去。”
数据能告诉团队发生了什么，却不能独自决定大家希望世界变成什么样，因为产品的取舍、表达和品味都包含人的主张。Tara 甚至把软件比作电影：预算最大并不会自动拍出好片，同样的模型和工具也不会让所有团队做出同一种水平的产品。工具趋同时，人的优势更像作者性：你选择做什么，为什么这样做，并愿意为哪种结果负责。
AI 同事不能永远等你点下一步
聊天工具的基本节奏是一问一答，长期同事却有自己的工作周期。Tara 想象的第三阶段里，Agent 会在云端持续工作，人可以过一小时、一天或一周再回来同步；同一个人也可能同时带着多个 Agent，并和真实同事一起调整它们。产品界面因此要支持任务状态、反馈节奏和多人协作，一个更大的输入框远远不够。
“第三个阶段，也许就是和一个能持续把事情推进下去的 AI 同事一起工作。”
让这幅图景落地的实际阻力，常常来自很普通的基础设施。一个被锁在房间里、看不到 Google Docs、Slack 和公司数据库的新同事很难帮上忙，云端 Agent 也一样。它需要可靠运行，还要以正确权限接触业务系统。Tara 在手机上发起 Work 任务后，可以去坐一段没有信号的地铁，出来时工作已经完成。从“随时回答”到“离线也在推进”，才是工具开始接近同事的那一步。
目前 ChatGPT 里仍能看到几种入口，它们面对的是不同的使用习惯。Chat 适合对话和搜索，Codex 保留开发者熟悉的界面。Work 把 Codex 的执行能力放进知识工作语境，可以生成复杂的财务模型，却不向普通用户展示工作树等工程细节。Tara 希望这些选择最后消失：用户只说要完成什么，系统自己挑选合适的模型和执行方式。
野心成了新的生产力上限
Tara 观察到，真正把 AI 用得好的人，很少只拿它自动化琐事。他们会借助模型越过原来的能力边界：产品经理可以做出初版设计和原型，再把定价情景一起算完；过去同时懂产品、工程和设计的“独角兽员工”，现在不再那么罕见。执行半径扩大以后，新的限制反而变成了一个人能不能想到更大的目标。
访谈现场，ChatGPT Work 在后台运行 11 分 25 秒，为 Tara 生成并发布了一套完整的个人网站。
“你的野心不再受限于你能亲手执行或表达什么，最难的是把自己对可能性的想象一起放大。”
访谈进行到一半，Lenny 让 ChatGPT Work 为 Tara 做一个个人网站，任务在后台跑了 11 分 25 秒。等两人聊完产品市场契合度，网站已经上线，版式、导航、人物介绍和引语都齐了。Tara 平时也会用 Sites 做团队游戏、旅行路线和内部指标看板。她看重的是过去需要排期开发的个人软件，如今可以为一次具体任务临时出现，而且用完后仍能分享和继续更新。
OpenAI 团队还常用三句话互相追问：目标是否足够有野心，进度是否已经最大化加速，团队是否每天都在“主线使用”自己的产品。最后一问和传统的 dogfooding 很像，只是要求更高；开发者要靠它完成真实工作，把自己的品味直接放进反馈循环，而不满足于偶尔打开一次看看。
岗位边界会淡，结果责任不会
当工程师也在做产品判断、产品经理能直接搭原型，原来的岗位边界自然会变淡。Tara 喜欢创业团队的一点，正是“所有事都可能是你的责任”：谁最适合，谁就把事情拿起来。她仍然要求每个结果都有明确负责人，必须有人确认产品是否真的被使用、质量是否达标，以及最终交付是不是团队想要的东西。
Tara 常重读 Toni Morrison 的四条工作原则：把工作做好，但不要让工作定义你是谁。
“人会继续成为责任的承担者：最后的东西好不好，是不是你真正想要的，仍要有人负责。”
这种转变也会带来真实的失落，因为工程师会怀念亲手写代码的心流，任何职业都可能失去一部分曾经珍视的手艺。人还能保留的是判断、表达，以及照顾和鼓励同事的能力。Tara 常重读 Toni Morrison 关于工作的四句话，其中最重要的一句是：工作由你塑造，但工作不等于你。岗位被重新切分时，守住结果责任，也别把全部自我价值绑在旧任务上。
汇报可以代写，思考不能外包
Tara 把工作写作分成两类：周报、进度摘要和发布计划属于“为了汇报而写”，她会尽量让模型处理；战略判断、产品主张和有争议的观点属于“为了思考而写”，她坚持自己从提纲写到最后一版。对她来说，删改句子就是确认自己究竟相信什么的过程。
“汇报型写作我很乐意自动化，但思考型写作，我永远不会交出去。”
她会先把文档写到七成，再拿给需要参与决策的人，让粗糙处给别人留下介入空间。AI 可以在中间帮她找资料、补数据或反驳一个观点，却不负责第一版和最终定稿。长文档如今也不再是认真思考的凭证，因为模型几秒就能生成。OpenAI 内部更常用可交互的原型和试验结果沟通。写作仍用于整理自己的脑子，对外推动团队时，则拿出别人可以试、可以质疑的证据。
知识工作不能只验收最后一页
代码可以运行测试，知识工作却没有这么清楚的验收方式。一份报告写着成功率 90%，读者不能因为版式漂亮就相信它；还得知道数据来自哪里，模型查了哪些文件，推理中间经过什么判断。也因此，ChatGPT Work 不能只交出一张表或一份演示稿，还要让人看见引用、输入和正在进行的工作。
“知识工作不能只看最后的文档，你需要理解过程、输入和推理，才能相信那个结果。”
这条分界线对每个使用 Agent 的团队都适用。能通过客观测试的任务，可以更大胆地让系统闭环；牵涉经营判断、客户结论或公共表达的任务，则要保留证据链和人工复核。未来的 AI 同事可能越来越能干，可信的协作却不该变成一个黑箱。把执行交出去以后，人最需要抓回来的，是问题定义、过程可见性和最终责任。
写在最后
不必先等一个完美的 AI 同事，可以挑一件能核验结果的真实任务，让 Agent 在后台做完，再检查它偏在哪里、缺了什么资料。等这条协作链跑顺以后，再把目标抬高一层；执行能力正在快速普及，能提出更好的问题、看懂过程并承担结果，才会让省下来的时间真正变成你的能力。
内容来源：“AI’s third era: the rise of persistent AI coworkers”丨Lenny's Podcast（嘉宾：OpenAI 产品负责人 Tara Seshan）
原视频：https://www.youtube.com/watch?v=zMvBMfj4cSQ
相关文章
- 《OpenAI Codex负责人：产品工作的新形态是什么丨Lenny》
- 《好用的 Agent Skill 到底怎么构建？丨AI Engineer》
- 《Granola创始人：一家15亿美元AI公司，押注下一代工作方式丨Every》
如果你现在没空，可以收藏进晚点再听，通勤、走路或做家务时一次性听完⇣
⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣
