来源：创业邦

这可能是最懂AI产品的两位PM之间的对谈。

Kevin Weil，OpenAI  CPO（首席产品官），之前曾是Instagram、Twitter的产品副总裁。

Mike Kreiger，Anthropic CPO，曾担任Instagram的联合创始人、CTO。

都做过亿级消费产品，现在的工作同时面向消费者、企业和开发者，各自的大模型又都是当下能力最强的大模型之一。

而这次对谈的主持人，是对大模型很了解的风险投资公司Conviction的创始合伙人Sarah Guo。

笔者基于对谈整理了文字内容，干货很多，建议全文阅读。

在大模型公司做产品，

ToC、ToB、ToD 都要做

Sarah Guo：你们俩都曾管理过 Instagram，然后你们俩进入了一个相对较新的角色，很期待听听你们俩的各种想法。Kevin，从你开始吧。你做过很多不同又有趣的事情，你接这份新工作（OpenAI的CPO）时，朋友和团队的反应是什么样的？

Kevin Weil：非常兴奋。我觉得这是最有趣、最有影响力的岗位之一，有太多东西要去探索。我从没经历过这样具有挑战性、有趣（也让我彻夜难眠）的产品岗位。它包含了产品岗位的所有常规挑战——弄清楚目标用户是谁、解决哪些问题之类的。

通常做产品时，是基于已有的技术基础去开发，我们知道手上有什么资源，然后尽力打造出最好的产品。而在这里，情况完全不同，每隔两个月，计算机就能做一些它们以前从未做到的事情，我们要去思考这些进展会如何影响产品，这种变化相当大。因此，能够从内部见证 AI 的发展，真的非常有意思，也令人着迷。而且，我在这里真的很享受这个过程。

Sarah Guo：Mike，你呢？前不久一起吃饭的时候，你那种纯粹的好奇心让我印象特别深。你就像个孩子一样兴奋地说，"对啊，我现在在学各种企业相关的东西。" 那么，跟我们聊聊吧——这种服务 Instagram 以外的客户、或者在一个以研究为驱动的组织中工作，给你带来什么样的惊喜？

Mike Krieger：这个岗位对我来说是全新的体验，我 18 岁时做了一个很「18 岁」的誓言，就是每一年都要过得不一样。所以，这也是为什么有时候我会觉得，「哦，又是做一个社交产品吗？我又在做同样的事了。」我不想重复之前做过的东西。

企业市场真的很特别。

比如说反馈周期，我觉得在企业里这更像是投资，周期比在外面要长得多。可能刚和别人有了初步接触，觉得对方挺喜欢你的产品。但突然发现项目进入了采购审批流程，可能要等上六个月才能真正部署，才能知道结果如何。你在企业里要适应这种等待的过程，当你着急问"为什么还没有落地"的时候，他们会说："嘿，你才来两个月而已，这还在各个副总裁那里审批呢，总会通过的。"所以你必须要适应这种不同的时间节奏。

但有趣的是，一旦项目部署完成，你就能获得真正的反馈和互动。你可以直接打电话给客户，问问他们："系统用得怎么样？效果好吗？"相比之下，面向普通用户时，你只能做数据分析，虽然也可以找一两个用户聊聊，但他们没有足够的动机来详细告诉你哪里做得好，哪里做得不好。这种企业市场的反馈方式虽然不同，但确实也很有收获。

Sarah Guo：Kevin，你之前参与了那么多种类的产品开发，感觉你的直觉在这里有多少用得上？

Kevin Weil：是的，我也想补充一下企业客户的特点，然后再回答这个问题。

企业客户有个很有意思的点，它不一定只看产品本身，因为还有买方的其他因素存在。他们有自己的目标，就算你做了一个顶尖的产品，企业内部的人都很满意，但这也不一定就代表着什么。比如我在跟某个大客户开会时，他们表示非常满意，觉得产品很棒，但是他们说，「有件事我们需要，就是希望你们任何更新都提前60天通知我们。」当时我心里想，我也希望能提前60天知道呢！

很有意思的是，因为在OpenAI，我们既有面向消费者的产品，也有面向企业的产品，还有开发者产品。所以我们几乎是在同时做所有这些类型。至于直觉方面，我觉得大概有一半的工作能用得上吧。当你清楚自己要做什么产品时，比如快要发布高级语音模式或者Canvas时，直觉就派得上用场。你知道目标用户是谁，也清楚要解决哪些问题，这部分更像是传统的产品发布流程。

但这些项目的开始阶段就完全不同了。比如有些功能，是在新模型训练过程中才逐渐浮现的能力。你可能觉得某种功能有可能会实现，但其实研究团队甚至所有人都还不确定，就像在雾中看见一个模糊的轮廓，你不知道它能否真正实现，也不知道它的成功率会是60%、90%还是99%。而如果某个功能的成功率只有60%和达到99%时，整个产品的设计思路会完全不同。所以，这时你只能等待，还得时不时和研究团队沟通一下，「嘿，最近怎么样？模型训练进展如何？有什么新发现吗？」他们会说，「我们也在研究中，还在摸索。」这个过程确实很有意思，因为你是在和大家一起探索，相当随机。

Mike Krieger：这种情况最让我想起Instagram时期每次Apple发布WWDC消息的感觉——就好像这更新可能让我们受益，也可能让我们陷入混乱。不过，现在是自己的公司在内部给自己带来这些变数，这种感觉很酷，但同时也可能会彻底打乱产品计划。

模型的准确率到60%时，

就可以开发产品了

Sarah Guo：如果你们不知道未来会有什么功能，怎么可能做出计划呢？探索那些应该加入产品的新功能的迭代过程是怎样的？

Mike Krieger：其实你可以大致看到一些方向，虽然它不可预测，但至少是朝某个方向在前进。这样，你就能开始围绕这些方向去构建产品。

首先是从产品侧出发，去决定你要投资哪些功能，然后与研究团队一起做微调。像「artifacts」这种功能，我们和研究团队花了很多时间一起做调整，我觉得Canvas也是一样。就是进行「共同设计、共同研究、共同微调」。这也是在这家公司工作的一个特权，能参与设计这个过程。

第二，是关于功能的前沿突破。比如OpenAI的语音模式。我们这周发布的版本（Anthropic的Computer Use功能 ）就是一个典型的例子，到了60%的完成度，我们就觉得「好吧，差不多够用了」。我们尝试做的是在过程的早期就把设计师嵌入进来，但要知道你不是在押注某个产品。

正如之前讲的实验过程一样，你的实验输出应该是学习，而不一定是每次都能推出完美的产品。结果应该是展示性或信息性的东西，这些东西可能会激发产品创意，而不是一种可预测的产品开发过程。这样降低预期，你就在心里已经做过风险规避了。

Sarah Guo：我们在做投资时，常常会思考一个问题，那就是，如果一个模型的成功率只有60%，而不是99%，那它还能做什么？很多任务可能最终接近60%的成功率，尤其是那些非常重要且有价值的任务。那么，你们在内部是怎么评估的？当你们面对这些任务时，产品设计上应该怎样去处理，以确保即使是「失败」的情况也能优雅地展示给用户，还是说，我们只需要等模型变得更强大？

Kevin Weil：实际上当模型的准确率只有60%时，还是可以做的。关键是你得为此做好设计。你必须预期，模型背后会有