Lenny's Podcast 精华 | EP.021 — Andrew Ambrosino:当代码不再贵,产品人的工作变成守门1×0:0010:300:08开场1:17一,产品流程被倒过来了2:40二,taste 变成了稀缺资源4:17三,角色会重叠,但专业不会消失5:43四,计划不能装作九个月后还清楚7:18五,Codex 想成为工作的 home base9:18收尾0:08主播欢迎收听 Lenny's Podcast 每日精华。今天这集,来自 Lenny 对 OpenAI Codex 桌面应用负责人 Andrew Ambrosino 的访谈。Andrew 说了一句很值得产品人停下来想的话:现在最贵的,可能已经不是把东西做出来,而是判断什么值得做。0:27主播这不是一集普通的工具介绍。Codex 在 OpenAI 内部已经被工程、研究、市场、法务、财务等团队使用,Andrew 甚至说,接近整个公司都在每周使用它。问题也因此变得更尖锐:当每个人都能做出原型,产品团队到底还剩什么工作?0:49主播我会把这集拆成五个重点:第一,为什么产品流程被倒了过来;第二,为什么 taste 不是审美词,而是职业能力;第三,为什么角色会重叠,但不该被粗暴取消;第四,为什么路线图必须承认模型进步带来的假精确;第五,Codex 想做的,可能是一个工作入口,而不只是写代码的应用。1:17主播Andrew 在访谈里说,过去的软件流程有一个默认前提:实现很贵。所以团队会先研究、写文档、画原型,尽量在动手之前把风险降下来。这个流程并不笨,它只是建立在一个时代假设上:真正花钱的是 implementation。1:37主播但在 Codex 这样的环境里,情况反过来了。据 Andrew 描述,只要给大家足够多的 token 和足够好的模型,很多人可以直接把想法做成一个能跑的版本。于是一个功能还没进入正式讨论,公司里可能已经有九十个不协调的小探索同时存在。1:57主播这带来的第一层变化,不是「文档死了」或者「原型赢了」。Andrew 反而提醒,PRD 并没有死。真正变化的是,你不能再用输出媒介判断一个想法成熟不成熟。一个东西看起来像生产环境,不代表它已经被验证过;它可能只是一个早期草稿,只是 AI 把草稿画得太像成品。2:19主播所以新的产品判断,是为每个问题选对媒介。如果你要澄清一个模糊方向,文档可能更好;如果你要测试一个交互模式,原型更好;如果你只是被一个看起来很真的 demo 吸引,那反而可能太早被第一个形状锁住了。2:40主播在这集官方逐字稿里,Andrew 多次回到一个词:taste。中文可以翻成品味,但它不只是好不好看。他给出的定义更接近一组判断力:这个东西属于哪个系统?它要去哪里?它应该怎么被展示?如果什么都能被做出来,目标到底是什么?3:03主播这解释了为什么他认为 AI 现在仍然不擅长设计。代码相对容易打分,能不能编译,能不能通过测试,能不能完成任务,都可以进入反馈循环。设计难很多,因为好的反馈里有人的文化感、语义感和新鲜感。一个模型如果每次都做出很像 Linear 官网的界面,那只能说明它会模仿,不代表它知道什么时候该跳出模式。3:31主播Andrew 还补了一层更深的东西:设计不只是视觉。它还包含代码和产品语义之间的抽象关系。两个组件看起来不同,但它们是不是表达了同一种交互模式?明天公司换品牌时,是不是要改二百多个地方,还是只改一套语义系统?这类判断,才是 AI 设计目前最难补上的部分。3:54主播对产品经理来说,这意味着能力重心在移动。以前你可能靠写清楚需求、协调资源和推进排期创造价值。现在你还要在海量可运行方案里分辨信号和噪音:哪些探索应该合并,哪些只是局部优化,哪些看上去很炫但方向不对。4:17主播这一集最有价值的一段,是 Andrew 对「角色消失」的警惕。他承认,Codex 团队里的角色重叠比很多组织更明显。设计师会写代码,产品经理懂技术语言,工程师也会提出产品方向。大家不再被一句「这不是你的 lane」挡在门外。4:38主播但他也明确反对一个极端说法:既然人人都能 build,那就取消产品角色。Andrew 说,这样做会把产品这门学科里真实存在的最佳实践、失败经验和流程积累,一起扔掉。会写代码,不等于自动懂产品;会用 Excel,也不等于能进财务团队负责建模。5:01主播他用了一个很好懂的描述:未来的角色,更像是你把时间花在哪里的平均值。你可以跨过去做很多事,但每个职能背后仍然有技巧、经验和判断。AI 降低的是工具门槛,不是把所有专业都变成同一种工作。5:20主播在 Codex 团队里,产品工作有点像 zone defense,区域防守。不是所有 PM 紧紧挤在一起写同一份文档,而是分散到不同问题空间,补上覆盖空白,帮助团队在大量探索中保持方向。产品人从「写规格的人」,变成了「让混乱有边界的人」。5:43主播Andrew 对路线图也讲得很实在。他说,短期的东西越近,越需要细节;但九个月后的计划如果写得太精确,多半是在制造假精确。特别是应用层产品,模型能力每几个月改变一次,去年十一月成立的判断,可能到二月就完全不同。6:04主播他举了 Codex 自己的例子。Andrew 说,如果二月发布的 Codex 应用在十一月就准备好并推出,市场上可能会失败。产品形状差不多,但模型能力差了几个月,结果就会完全不同。对于 AI 产品,这是一条很残酷的现实:有些功能不是坏,只是还没到模型能撑住的时候。6:29主播所以他倾向于保留一些「现在不工作,但形状对」的东西。先做出 artifact,拿它去测试未来模型,而不是一看到现在效果不够就彻底判死刑。比如浏览器、computer use、Operator、Atlas、Codex、ChatGPT agent 这些线索,其实都在反复寻找同一个能力的正确产品形状。6:56主播这对创业者也有启发。今天你看到一个 demo 不够稳,不一定说明方向错了;但你也不能因为能跑就马上上线。真正难的是分清:这是模型还没准备好,还是用户问题本身不成立。AI 让实现更快,也让错误更快地长出漂亮外壳。7:18主播Andrew 讲 Codex 愿景时,最有意思的是它从开发者工具外溢出来。最初 Codex 是 CLI,后来做成桌面应用,目标是一个刚好够用的表面:像聊天,但又能看见代码;能帮你开发,但不把你塞进传统编辑器。7:37主播可是在 OpenAI 内部,事情发生了偏移。Andrew 说,市场、传播、法务、财务等团队也在用 Codex,哪怕它对这些人其实很不友好,会给他们看代码,会要求批准一些偏开发者的操作。团队曾经想把 Codex 能力放进其他更适合知识工作者的界面里,但很多人还是不愿离开 Codex。8:04主播这让他们重新理解了产品形状:Codex 可能不是一个单纯的开发工具,也不是把所有软件都塞进同一个矩形里的 super app。更准确的说法,是 home base。你从这里开始工作,结束工作,自动化工作;它可以在应用内完成一部分,也可以打开 Excel、浏览器、Premiere Pro,去调用你本来就在用的专业工具。8:29主播访谈里有个很好的例子。OpenAI 内部拍摄 Codex 发布视频时,一位视频同事尝试用 Codex 辅助剪辑。Codex 不是视频编辑器,但它理解了对方使用 Premiere Pro,于是先改文件,后来甚至为 Premiere Pro 做了一个扩展,让自己能和这个专业软件对话。这个故事比「AI 写代码」更进一步:AI 开始给自己补接口。8:57主播Andrew 也提到,他自己会用 Codex 做每日 brief,整理几千个 Slack 频道里需要注意的事情;会让它拉取 PR、Slack 和状态追踪,辅助产品发布管理;也会通过对话不断校正自动任务,让它下次更关注某些工作流,降低另一些噪音。9:18主播听完这集,我觉得最值得带走的不是「Codex 很强」,而是一个更大的变化:当实现成本下降,组织里的稀缺资源会转移到判断、取舍、抽象和守门。能做出东西的人变多了,能判断什么不该做、什么还不能上、什么该成为产品原语的人,反而更少。9:42主播对产品经理、设计师和创业者来说,这不是坏消息。它只是把工作从「让别人把东西做出来」,推向「在一堆已经做出来的东西里,找到正确的那一个」。你的价值,不再只看你能不能推动执行,而是看你能不能在过量执行里保护方向。10:03主播今天这集就到这里。本期来源是 Lenny's Podcast 对 Andrew Ambrosino 的访谈,以及官方逐字稿。打开正文里的来源链接,可以收听原始英文节目,或者继续读完整 transcript。我们明天继续精选下一集。
このコンテンツについて、さらに観点や背景を補足しましょう。